长纤维高速过滤器的深层过滤过程与特性

以自行开发的长纤维高速过滤器为对象，通过在净水厂长期的过滤试验，从过滤器床层孔隙分布、 床层内滤液浓度及各层比积泥量和水头损失沿滤层的变化等方面，详细分析了长纤维高速过滤器基于结构 上独特特点而形成的积泥逐层向滤床深处推移，直至整个滤床“衰竭”的典型深层过滤过程与特征，为过滤技 术的深度开发提供了依据。     

孔隙率分布对陶瓷过滤元件过滤特性的影响

针对整体煤气化联合循环和增压流化床燃烧联合循环中陶瓷过滤元件之间的粉尘架桥现象，依据陶瓷过滤元件过滤流动的基本模型和理论，提出变孔隙率陶瓷过滤元件的新概念，推导出为消除或减小粉尘架桥现象的孔隙率沿轴向的分布函数．结果表明：为了避免或减小陶瓷过滤元件之间的粉尘架桥现象采用变孔隙率陶瓷过滤元件是可行的；所用陶瓷过滤元件的孔隙率沿轴向分布的函数表达式为幂指数形式，并且孔隙率沿轴向是逐渐增大的；当陶瓷过滤元件管内处于层流或紊流流态时，因管道摩擦系数不同孔隙分布函数的表达式也不同．     

济阳坳陷深层天然气致密砂岩储集空间成因

寻找深层天然气致密砂岩储层中有利的次生孔隙带是深层天然气勘探中值得重视的问题，本文通过分析成岩作用及沉积环境对储集性的影响，对致密砂岩中次生孔隙的成因进行了探讨，认为致密砂岩储集孔间的成因与深层有一定的流体运动有关，以体热对流循环机制较好地解释了深层次生孔隙带的形成，从而指出了济阳坳陷深层天然气的有利分布带。     

济阳坳陷深层天然气致密砂岩储集空间成因

寻找深层天然气致密砂岩储层中有利的次生孔隙带是深层天然气勘探中值得重视的问题，本文通过分析成岩作用及沉积环境对储集性的影响。对致密砂岩中次生孔隙的成因进行了探讨．认为致密砂岩储集孔间的成因与深层有一定规模的流体运动有关。用流体热对流循环机制较好地解释了深层次生孔隙带的形成，从而指出了济阳坳陷深层天然气的有利分布带。     

天津市深层粘性土对地面沉降的影响及其沉降量计算

阐述了天津市深层粘性土对地面沉降的影响，分析了深层粘性土的固结规律。通过研究孔隙结构和孔隙水运移特征，探讨了坚硬粘性土的固结变形机理。选取由固结旋回法得到的固结参数对深层粘性土引起的地面沉降量进行了计算，获得了较好的预测精度。     

东濮凹陷超压异常与次生孔隙

目的探讨东濮凹陷深层超压异常的形成原因和对储层的影响。方法利用实际资料，发现异常高压纵、横向分布特点，从宏观和微观两方面对其成因和对储层的作用进行分析。结果超压异常的形成与不均衡压实、孔隙流体增加、孔隙体积减小有关；超压异常控制成岩作用环境及孔隙的纵向演化，主要表现在高次生孔隙的发育和孔隙的分带性；次生孔隙的发育主要受微裂缝形成、生烃酸性环境溶蚀作用、热液循环溶蚀作用、热液交代作用和原生孔隙保存作用的影响。结论在异常超压控制下，东濮凹陷深层形成了次生孔隙发育带为主、次生孔隙递减带和致密带为辅的次生孔隙分布格局，次生孔隙带的广泛发育对扩大东濮凹陷深层勘探领域具有重要意义。     

济阳坳陷深层砂岩储层成岩作用及其阶段划分

在对大量薄片进行分析鉴定的基础上，运用扫描电镜、阴极发光和Ｘ衍射粘土分析等手段，对济阳坳陷深层砂岩储层的成岩作用、成岩序列进行了研究，总结出９种成岩标志、７种成岩事件以及５种成岩相类型．根据有机质的演化及粘土矿物的变化序列，对济阳坳陷深层砂岩成岩作用阶段进行了划分。由深层砂岩储层的成岩作用及孔隙演化规律认识到，济阳坳陷深层存在着较为有利的次生孔隙发育带．     

济阳坳陷深层砂岩储层成岩作用及其阶段划分

在对大量薄片进行分析鉴定的基础上，运用扫描电镜、阴极发光和Ｘ衍射粘土分析等手段。对济阳坳陷深层砂岩储层的成岩作用、成岩序列进行了研究，总结出９种成岩标志、７种成岩事件以及５种成岩相类型。根据有机质的演化及粘土矿物的变化序列，对济阳坳陷深层砂岩成岩作用阶段进行了划分。由深层砂岩储层的成岩作用及孔隙演化规律认识到，济阳坳陷深层存在着较为有利的次生孔隙发育带。     

一种新型深层纤维过滤器的初探

新型深层纤维过滤器，实验中选用直径５０－１００μｍ的柔性和为过滤介质，并利用上孔板在过滤时压紧纤维，反冲时振荡纤维，从而实现了高效过滤，并较好地解决了纤维状介质不易翻松清洗的问题。     

基于SNGAN的黑盒恶意软件对抗样本生成方法

基于变分自编码器的协同推荐算法可以帮助解决推荐算法中的稀疏性问题，但是由于变分自编码器模型先验是单一的高斯分布，使得表达趋向简单和平均，存在拟合不足的问题.高斯混合变分自编码器模型拥有更加复杂的先验，相对于原本的变分自编码器模型，它对于非线性的任务有着更强的适应性和效果，已被广泛应用于无监督聚类和半监督学习.受此启发，本文研究基于高斯混合变分自编码器模型的协同过滤算法.本文基于Cornac推荐系统比较框架设计实验，将高斯混合变分自编码器改进后用于协同推荐任务中，利用生成模型重新生成的用户-物品矩阵进行推荐.在推理模型和生成模型中分别用一层隐藏层提取深层特征增加模型鲁棒性，并且使用提前停止的训练策略以减少过拟合.本文在多组公开数据集上进行实验，与其他推荐算法在NDCG和召回率指标上进行对比.实验证明，改进的基于高斯混合变分自编码器模型的协同过滤算法在推荐任务中表现优异.     

深度学习在引力波数据处理中的应用初探

截至2018-01-16,LIGO已成功探测引力波事件6次.可以预期,引力波探测事件会越来越多,引力波天文学会很快进入到大数据阶段.深度学习在大数据处理方面近年来得到迅速发展.它在数据处理速度,准确度等方面都表现出极大的优势.深度学习在引力波数据处理中的应用讨论还不多.本文引入此问题,并对其进行初步研究.引力波数据最大的特点是强噪声、弱信号.现行的数据处理方法是利用匹配滤波的方式把引力波信号从强噪声中挖掘出来.同时,匹配滤波方法还可以确定引力波源的性质,定量确定其参数.匹配滤波方法的弱点是计算量巨大.这导致数据处理速度很慢.对于将来的大数据引力波天文学,这更将是一个巨大的隐患.匹配滤波方法的另一个潜在问题是,完备准确的理论波形模板是其工作的前提条件.这个潜在问题的后果是很难找到理论预期之外的引力波信号.深度学习的数据处理方法有可能在这些问题上提供出路.同时,深度学习也会遇到其自身的若干困难和问题.本文将从网络结构、训练数据制备、训练优化、对信号识别的泛化能力、对数据的特征图表示以及对特征数据遮挡的响应等方面来展开讨论.     

国内外超细粉体液固分离技术的发展概况

过滤是固液分离的组成部分。过滤的目的一般是从悬浮液中分离出固体和液体。膜技术作为一种新兴的过滤技术具有其代表意义。它可以截留小到几个纳米的细微颗粒,多用于制造纯净水或化学工业上的某些分子提纯浓缩。     

基于Kalman滤波的ARIMA-NAR神经网络模型

深基坑变形监测在城市建设安全施工中显得越来越重要.鉴于监测数据不可避免地存在噪声及单个预测模型存在的预测残差问题,为提高基坑监测预测精度,以兰州市某深基坑监测中具有明显沉降的ZJ52为例,采取一种基于Kalman去噪的ARIMA-NAR神经网络组合模型进行预测分析.结果发现,经Kalman去噪后建立的ARIMA-NAR组合模型的预测结果的平均绝对误差、平均相对误差和残差方差分别为0.43、0.04、2.23 mm,预测结果均优于单一的ARIMA和NAR神经网络模型的预测结果,预测精度较好,其结果可为本项目的安全施工提供可靠指导.     

图像去噪的几种方法分析比较

图像去噪是图像处理中的重要组成部分，对均值滤波、中值滤波、维纳滤波和图像小波域滤波四种用于图像去噪的平滑技术进行分析比较。     

基于广义S变换的动态滤波技术及应用

分频解释技术已广泛应用于地震资料综合解释流程中。以广义Stockwell变换时频谱为基础,提出了一种针对瞬时谱的动态滤波技术,该方法分别对各时刻瞬时谱进行频率域滤波,且各时刻滤波参数由该时刻瞬时谱动态决定。详细介绍了该方法的原理及实现流程;通过单道地震信号分析了动态滤波技术的优势;并结合实际工区和衰减梯度含油气性检测技术,对比了滤波前后检测的衰减异常,得出利用动态滤波方法处理后的地震数据能够更准确的检测气藏的衰减异常,更符合工区实际情况,证实了该方法的可行性和实用性。动态滤波方法为地震信号分频处理提出了一种新思路。     

一种二维均值滤波快速算法及其应用

作者将盒滤波技术成功的应用于基于灰度立体匹配中的相似性测度的计算和数学形态学中矩形结构元素的处理中 ,算法的复杂性被大幅度的降低 .另外 ,还对盒滤波技术进行了实际应用的改进 ,进一步减少了整个运算的时间 .     

选择性搜索和多深度学习模型融合的目标跟踪

提出一种基于深度学习的多模型(卷积神经网络和卷积深信度网络)融合目标跟踪算法.该算法在提取候选粒子方面,使用选择性搜索和粒子滤波的方法.CVPR2013跟踪评价指标(50个视频序列、30个跟踪算法)验证了:该算法在跟踪中能有效地缓解目标物体由于遮挡、光照变化和尺度变化等因素造成的跟踪丢失情况的发生.     

采用曝气生物滤池作预处理对絮凝剂投加量的影响

以聚合氯化铝PAC为絮凝剂,抽取珠江原水,分别直接投加和经过曝气生物滤池处理后再投加絮凝剂,对比两种情况下的絮凝剂投加量.结果表明,在沉淀池出水浊度基本相同的情况下,经过曝气生物滤池处理后絮凝剂投加量大为减少.曝气生物滤池在作为深度净水工艺的预处理时对减少絮凝剂投加量有一定作用.     

Application of GIS-Based Spatial Filtering Method for Neural Tube Defects Disease Mapping

This study is to assess the prevalence rates spatial pattern of neural tube defects with geographic information system and spatial filtering technique. A total of 80 infants who diagnosed from neural tube defects in the area being studied between 1998 and 2001 were analyzed. Firstly, the geographic information system （GIS） software ArcGIS was used to map the crude prevalence rates. Secondly, the data were smoothed by the method of spatial filtering. We evaluated that the effect of changes in spatial filtering radius size was assessed by creating maps based on various filtering radius sizes. The 3 miles or larger filtering radius gives better section variability than the 2 and 2.5 miles or smaller ones. The maps produced by the spatial filtering technique indicate that prevalence rates in the villages in the southeastern region are to produce higher prevalence than that in the other regions. The smoothed maps based on Heshun County display a more adequate data representation than the raw prevalence rate map.     

基于深度学习的二值图像目标轮廓识别算法

针对传统目标轮廓识别算法对图像目标轮廓识别精度较低、 效果较差的问题, 提出一种基于深度学习的二值图像目标轮廓识别算法. 首先, 选取深度学习算法中的深度卷积网络算法识别二值图像目标轮廓, 将二值图像划分为不重叠的、 大小相同的子块图像输入深度卷积网络第一层; 其次, 卷积网络中的滤波器（卷积核）采用传统神经网络算法优化的代价函数对输入子块图像实施卷积滤波, 并将卷积滤波后下采样图像发送至第二层, 第二层经过相同处理后将结果输入第三层, 第三层输出图像即为该子块目标轮廓识别结果; 最后, 所有子块识别结束后在输出层通过全连接方法将其聚类, 并输出最终二值图像目标轮廓识别结果. 实验结果表明, 该算法识别15幅二值图像目标轮廓的识别精度平均为98.75%, 信噪比平均为2.42, 识别效果较优.