First record of the genus Tanaostigma (Hymenoptera,Chalcidoidea, Tanaostigmatidae) from the Afrotropical region with description of three new species

ABSTRACT

The genus Tanaostigma is newly recorded from the Afrotropical region and three new species are described: Tanaostigma lasallei van Noort sp. nov. (South Africa), Tanaostigma mulu van Noort sp. nov. (Kenya) and Tanaostigma ukumbusho van Noort sp. nov. (Kenya). We provide comprehensive images of the holotypes and an illustrated identification key to the African species. New country distribution records are provided for Tanaostigmodes tambotis Prinsloo & LaSalle, 1995. All images presented here as well as supplementary images and online keys are available on www.waspweb.org

www.zoobank.org/urn:lsid:zoobank.org:pub:61D1A59D-3702-480A-B146-73067C29CD82     

页岩气水平井重复压裂关键技术进展及启示

由于页岩气水平井初始增产措施的种种不利因素，产量达不到预期，加之目前低迷的油价背景，页岩气水平井重复压裂技术越来越受到页岩气资源开发的关注。随着压裂技术的不断发展，许多页岩气区块已经成功实施了这一技术，以提高生产率，并增加页岩气井的最终采收率。综述了页岩气水平井重复压裂优化选井的程序，并讨论了关键工艺技术和监测分析技术，最后，结合目前不同技术的研究现状，对今后页岩气水平井重复压裂技术的研究方向进行了展望，提出了结合“大数据”技术选井、套损变形井柔性修复、基于损伤力学的裂缝监测以及新型材料的压裂液和支撑剂等技术攻关的建议。中国页岩气资源潜力巨大，加速形成适合中国页岩气水平井重复压裂配套技术，会对未来中国页岩气商业开发起到促进作用。     

一种局部与全局特征相结合的主题域识别模型

传统的主题域识别技术主要局限于单一领域，缺乏领域间的交互式协同，难以保证识别结果的准确性，因此提出一种局部与全局特征相结合的主题域识别模型.该模型一方面基于实体在领域内的局部特征进行局部识别，另一方面基于领域间协同作用、领域相关度等全局特征对各个局部识别结果进行一致化趋近，从而使识别结果更全面、有效.另外，针对相似矩阵的更新时机、协同作用的量化以及迭代终止条件的设定三个方面对主题域识别算法进行了优化.通过实验验证了本文所提出的关键技术的可行性和有效性.     

基于Box-Cox变换分位数回归与负荷关联因素辨识的中长期概率密度预测

中长期电力负荷预测是电力部门制定电力系统发展规划和稳定运行的重要前提.针对影响中长期电力负荷预测精度的多个因素,本文利用逐步回归方法,从众多影响负荷预测精度的关联因子中,对关键的影响因子进行辨识,并提出基于Box-Cox变换分位数回归和核密度估计相结合的概率密度预测方法,得出不同分位点下未来连续几年的概率密度预测结果,实现了对未来年用电量准确波动区间的预测.以安徽省的历史用电量和社会经济数据为例,进行仿真实验.结果表明:该方法不仅实现了中长期电力负荷概率密度预测,而且利用强关联因素提高了中长期电力负荷概率密度预测的精度,有效解决了考虑多因子的中长期电力负荷概率密度预测问题.     

一种基于视频图像的挖掘机工作状态识别方法

为了实现违法用地现象的实时监测,对土地间的挖掘机等施工机械的工作状态识别是非常重要的.实际场景下,因随机噪声和光照变化的影响,给挖掘机工作状态识别带来极大的挑战.本文提出一种基于视频图像的挖掘机工作状态识别方法,首先,对同一品牌挖掘机工作装置的各种姿态建立混合local binary features (LBF)形状回归模型并进行离线训练;其次,利用上述模型预测输入视频帧中挖掘机工作装置的形状信息,构建挖掘机的工作状态特征描述子;最后,利用support vector machine (SVM)分类器自动判别挖掘机的工作状态—-工作状态或非工作状态.实验结果表明,该方法很好地克服了多姿态导致形状变化的影响,对挖掘机工作状态识别准确率达到了93.53%.     

疏松砂岩油藏大孔道定性识别新方法研究

疏松砂岩油藏在长期注水开发过程中,往往伴随着大孔道的出现,这严重影响了油藏水驱开发效果,制约了采出程度的进一步提高,因此,大孔道识别及有效封堵成为该类油藏急需解决的关键问题.通过研究分析,确定了影响大孔道从形成到发展的7种主要静态因素,以及标志大孔道形成的6种主要动态因素.将层次分析法及灰色关联法相结合,分别计算静态及动态因素的权重,建立了全新的大孔道定性识别模型.示踪剂监测结果验证了该方法的实用性和有效性.     

对皖北地区白酒曲粉中酵母菌的分离筛选

本研究针对皖北地区某酿酒企业提供的中温大曲进行了分离、纯化,采用涂布法、划线法对微生物菌群进行恒温培养并对其中的酵母菌进行形态学和生理学的测定后,得到两株酵母菌F1与F2。将得到的菌株F1、F2转接至液体发酵瓶中摇床培养,在此发酵周期中提取发酵液进行各项生化指标的测定,数据分析后得知F1酵母菌的适宜生长p H范围为4.0~6.0,F2酵母菌在发酵过程中p H值呈现上升趋势;在发酵第3d时,两种酵母菌发酵液中残糖含量开始迅速减少,在实际生产过程中则需要及时填补料液以保证发酵过程的顺利进行,该研究为企业生产提供了有效的数据支撑,具有一定的现实指导意义。     

空中目标辐射源的个体识别方法

针对传统的辐射源个体识别方法在低信噪比环境下识别性能不佳的问题,提出了一种空中目标辐射源的个体识别方法,该方法利用经验模态分解和变分模态分解得到信号不同频率的模态分量,将各模态分量的多尺度排列熵作为特征,利用主成分分析对数据进行降维,并采用支持向量机分类器进行辐射源个体识别。仿真结果表明,该方法对相位噪声、频率漂移以及谐波失真等细微特征的识别性能明显优于传统方法,并具有良好的抗噪性。     

基于深度学习的建筑物识别

针对随着城市化的快速发展,城市与城市间的辨识度越来越弱,城市地标的概念越来越热门这一现象,提出了一种基于深度学习的建筑物识别方法;使用改进的Faster R-CNN算法作为训练模型,首先,将需要识别的图片输入深度神经网络,提取出特征框图;然后,模型通过区域建议网络预测目标建筑物所在位置的区域建议,并将这些区域建议映射到特征框图上,RoI Pooling层将这些区域建议转换成固定大小的特征框图;最后使用非极大值抑制从预测边界框中移除相似的结果,得到预测边界框以及边框中目标建筑物的类别和概率;实验结果表明:在训练数据集充足的条件下,使用此方法对地标建筑物的识别率能达到90. 8%,通过与其他模型比较分析,该模型具有较好的识别效果。     

基于深度残差适配网络的通信辐射源个体识别

为解决通信辐射源识别中传统的人工特征提取方法鲁棒性不足和深度学习方法需要大量带标签目标域数据的问题, 提出一种基于深度残差适配网络的通信辐射源个体识别方法。应用深度学习技术实现从源域到目标域上的迁移识别, 只需要将带标签的源域数据和无标签的目标域数据进行训练。原始通信辐射源信号经过预处理后输入网络训练, 将源域和目标域的分布差异和网络的损失函数作为优化目标, 反复迭代得到最终模型。在实际采集的通信辐射源数据集上的实验结果证明了该方法的可行性和有效性。