基于TDFFCNN模型的电能质量扰动分类

为提高电能质量扰动(power quality disturbances,简称PQD)分类准确率，提出双模态特征融合的卷积神经网络(two-dimensional feature fusion convolutional neural network,简称TDFFCNN)模型，该模型包含2个轻量化子模型.子模型1运用全局最大池化，在大量降低数据量的同时学习电能质量扰动(power quality disturbances,简称PQD)时间序列的时序特征，以增加模型提取时序特征的能力；子模型2使用小卷积核与小步长为参数的堆叠单元提取图像振幅特征，对高中低层特征进行融合，以获得细节与结构性语义.实验结果表明：TDFFCNN模型具有较强的抗噪性能；相对于其他3种模型，TDFFCNN模型的平均准确率最高.因此，TDFFCNN模型具有更强分类性能.     

非线性Schrodinger方程长时间稳定性的一个估计

本文考虑了一维环面上的非线性 Schrodinger 方程小振幅解的稳定性. 在正则指标s满足1/2相似文献   

西湖凹陷平湖组沉积背斜强振幅成因与沉积相和储层识别

为了查清西湖凹陷平湖组沉积背斜的强振幅成因及其沉积和储层特征，通过地震正演和测井约束反演等手段，分析煤层、砂岩增厚或减薄时的振幅变化，探讨不同井点振幅强弱与反演速度、岩性含量的关系。结果表明，煤层和砂岩增厚均可导致振幅增强，薄层干涉和断裂带附近等也会造成振幅变化。同生背斜核部的振幅增强由平下段三角洲前缘砂岩增厚和平中—平上段三角洲平原煤层含量增多共同造成。强振幅和高速层指示的砂体朵状平面形态指示了该区受波浪改造的河控三角洲类型。该研究对该区沉积相分析、储层预测和目标评价具有重要的参考意义。