黎曼流形上具有变指数增长性条件的Dirichlet问题弱解的存在性

讨论了Nemytsky算子的性质,并应用变分法得到了一类黎曼流形上具有变指数增长性条件的非齐次p(m)-调和方程的Dirichlet问题弱解的存在性.     

基于卷积神经网络的直肠癌淋巴结转移的智能判断模型研究

近年来,直肠癌的患病率普遍提高,准确判断直肠癌周围淋巴结的转移情况,往往能显著提高患者的治愈机率。本文通过建立数学模型,运用卷积神经网络模型进行智能判断直肠癌淋巴结转移情况。以直肠肿瘤患者动脉期的CT图像和肿瘤掩模图为样本,建立基于U-Net的CT图像识别分割模型,通过下、上采样分割出直肠肿瘤所在的区域,对肿瘤区域已转移淋巴结的普遍特征进行深度挖掘,利用SIFT算法自动找出肿瘤区域特征点,以及传统的特征纹理、面积、周长和体素强度,分别送入传统卷积神经网络模型和改进后的卷积神经网络模型VGG16网络模型,进行训练、预测、对比。结果表明,传统卷积神经网络模型的准确率在75.32%,而改进后的VGG16网络模型准确率在90.04%,可见,VGG16网络模型对直肠癌淋巴结转移情况的预测效果更好。     

稠油蒸汽泡沫共混体系的流变性能研究

为了进一步加强对稠油蒸汽泡沫驱油过程中流体力学性能的认识,在油藏压力7.60 MPa下,利用高温高压流变仪测得了不同条件下稠油蒸汽泡沫共混体系的流变曲线.实验结果表明:稠油蒸汽泡沫驱油体系均为假塑性流体,其流变方程能很好地关联幂律模型;随蒸汽相饱和度和泡沫剂浓度升高,体系表观黏度增大;随蒸汽干度和温度升高,体系表观黏度降低;在低剪切速率时,表观黏度和温度关系满足Arrhenius方程,随着剪切速率增大,表观黏度和温度关系逐渐偏离Arrhenius方程;黏流活化能的绝对值随剪切速率增大而降低,在低剪切速率时,表观黏度对于温度变化更敏感.     

基于色彩空间和深度残差网络ResNet-50的复杂岩性油气藏岩石样本智能分类及识别

岩石样本的分类识别是油气和矿产资源勘探中的重要环节。目前,仍然以人工识别的实验方法作为主要方法,普遍存在主观性强、周期长、成本高等典型问题。机器学习的分类算法在图像分类领域已经得到广泛应用,然而由于岩石样本图像具有明显的差异性特征,甚至同类岩石样本图像也具有一定的色差,直接应用现成智能算法进行分类,验证集的准确度仅为85%左右。所以,基于色彩空间下岩石样本图像的颜色特征曲线,提出了一种基于颜色类别和深度残差网络ResNet-50的智能分类及识别方法。首先,以7种不同岩性的岩石图像为样本,提取样本的RGB颜色特征,应用无监督K-means聚类算法,按颜色分为3个大类,再通过有监督精细K-近邻(K-nearest neighbor, KNN)算法对颜色类别进行验证,平均分类精度为99%。然后,对于不同颜色类别下的岩石样本,利用深度残差网络ResNet-50进行分类识别。结果表明,不同颜色类别的岩石样本平均训练精度为93.15%,验证精度为88.21%,可以作为岩石样本分类的有效方法。