分布式声传感器井中背景噪声统计特性分析

分布式声传感器技术(DAS: Distributed Acoustic Sensor)是一种新近提出的高精度勘探数据采集方法,受制于复杂背景噪声的影响,DAS记录处理水平有待进一步提高.针对上述问题,采用基于替代序列的时间序列平稳性检验方法和Lilliefors检验法对DAS记录中复杂背景噪声的平稳性和高斯性进行研究.用以分析的实际地震数据是按照勘探工业要求采集的井中DAS记录.研究结果表明,DAS背景噪声是非平稳、非高斯随机过程且噪声特性随记录时长发生变化.相关研究成果实现了针对DAS背景噪声特性的可靠认知,对提高DAS记录处理水平具有重要参考价值.     

基于布里渊光时域反射技术的断层稳定性监测试验

针对断层稳定性问题,采用BOTDR分布式光纤感测技术对内蒙阿拉善地区贺兰山西麓断层进行了监测分析,研究了自然条件下断层内部应力的变化情况.研究结果表明:贺兰山西麓断层在观测周期内钻孔周围围岩整体发生拉伸变形;断层面附近岩层的应力状态易受断层活动的影响,根据分布式光纤的应变分布曲线能够精确划分出断层活动的影响范围在断层之上9m和之下8m;BOTDR分布式监测技术可以有效捕捉到自然条件下断层微弱活动所引起的应变变化,实现应变的动态实时监测.BOTDR监测技术为长期、精细化评价断层稳定性状态提供了十分可靠的监测手段.     

河南省周口市分布式能源系统应用发展调查

为了进一步探讨分布式能源的利用现状,本文阐述了分布式能源系统国内外发展现状,并对周口市分布式能源技术应用情况展开了调查研究。调查结果表明,周口市的主要分布式能源利用形式为太阳能、天然气和沼气,其中,市区太阳能占主体,约占分布式能源利用量的37.28%,村镇以天然气分布式能源系统为主,占58.05%;在分布式发电系统利用中,光伏发电占39.58%,天然气冷热电联产占35.42%,即该地区分布式能源的发展主要集中在太阳能利用和天然气冷热电联供系统。     

分布式光纤温度传感专利技术综述

本文从专利的角度出发,对分布式光纤温度传感技术的专利申请进行了梳理,分析了分布式光纤温度传感专利技术的申请趋势和技术动态,有助于技术人员了解该技术的发展脉络、重要申请人的相关技术分布,并为该领域的检索方法提供了一些建议。     

基于JMX技术的分布式工作流系统的研究与实现

分布式工作流技术已成为当下国内外争相研究的热点,但大多数产品都并未形成统一的标准化,在互操作性和扩展性方面也都不具优势。基于此,结合Java管理扩展框架(Java Management Extensions,即JMX)、观察者模式、RMI等技术提出了一种分布式工作流系统实现方案。在该方案中,首先对涉及到的关键性技术进行了概要回顾,并对设计原理、系统体系结构、算法实现分别做出了分析和阐述。最后,根据算法分析,给出了一个应用实例,来说明具体的实现方式。     

改进蚱蜢算法在电动汽车充换电站调度中的应用

电动汽车充换电站调度优化问题一般采用群智能优化算法求解，但现有算法存在陷入局部最优、早熟收敛等缺陷，因此提出一种改进的蚱蜢算法:采用边界反弹机制，提高算法效率;引入正余弦搜索机制，加强算法的全局搜索能力;采用Lévy飞行对粒子进行随机扰动，防止种群陷入局部最优;采用非线性收敛策略加快算法后期的收敛速度.实验结果表明，该算法在电动汽车充换电站调度优化问题上，性能优于原始蚱蜢算法以及其他现有群智能算法.     

一种无人机用分布式电动舵机的研究

本文设计了一种无人机用分布式电动舵机,主要采用RS-422总线和分布式布局的设计思路,完成了控制电路、功率放大电路、执行机构和控制软件的设计。同时,通过多学科的联合仿真及试验验证,证明该电动舵机设计方案的合理性和可行性,以满足无人机对电动舵机的需求。     

基于源网荷互动的智能配电网降损优化策略研究

智能配电网中不同的等效负荷组网具有不同程度的参与荷网源互动降损的能力,与常规能源配合,可起到一定的降低智能配电网损耗的作用。本文分析了智能配电网中常规电源、等效负荷组网以及配电网拓扑结构的调节特性,并以此为基础,根据不同的调节特性分别建立调节特性数学模型。在所得调节特性数学模型的基础上,以配电网损耗为目标,结合各调节主体及配电网的约束,采用粒子群算法进行优化,研究了智能配电网降损手段。     

分布式污水处理系统在白洋淀流域的应用

白洋淀大部分位于雄安新区,雄安新区是继浦东新区、滨海新区之后的第三个国家级新区,同时也是北京非首都功能疏解的集中承载地。然而,白洋淀水体中的总磷、总氮、悬浮性固体、氨氮、高锰酸盐指数等项目超标,水体富营养化严重。分布式污水处理系统可以实时监测白洋淀水环境,实现精准处理。因此,本文重点研究了分布式污水处理系统的工作流程及特点。     

基于改进卷积神经网络的短文本分类模型

基于卷积神经网络, 提出一种基于改进卷积神经网络的短文本分类模型. 首先, 采用不同编码方式将短文本映射到不同空间下的分布式表示, 提取不同粒度的数字特征作为短文本分类模型的多通道输入, 并根据标准知识库提取概念特征作为先验知识, 提高短文本的语义表征能力； 其次, 在全连接层增加自编码学习策略, 在近似恒等的基础上进一步组合数字特征, 模拟数据内部的关联性； 最后, 利用相对熵原理为模型增加稀疏性限制, 降低模型复杂度的同时提高模型的泛化能力. 通过对开源数据集进行短文本分类实验, 验证了模型的有效性.