G-非扩张映射有限族的多步迭代方法及其数值实验

在带有有向图的一致凸的Banach空间中,构造了一种关于G-非扩张映射有限族的公共不动点的多步迭代方法,并利用所构造的迭代方法证明了G-非扩张映射有限族的强、弱收敛定理,最后给出数值例子验证所提出的迭代方法的有效性。     

非结构网格下两步压力校正算法的潮流模拟

针对非结构网格下的潮流数值计算,采用有限体积法离散基本方程,对流-扩散项离散采用幂率格式,交叉扩散项引入超松弛校正方法,水位校正方程应用Rhie-Chow动量插值思想和SIMPLEC类算法导出.采用两步压力校正法将交叉扩散项单独考虑,以提高模型对高度畸变网格的适应能力.计算结果表明,该处理方法可提高压力欠松弛系数,并能有效改善复杂区域潮流模拟的健壮性.通过对黄浦江感潮河段潮流的模拟,表明该模型的预测结果与实测资料吻合良好,模型对潮流的模拟结果是可靠的.     

低渗透油藏五点法井网见水时间计算方法研究

针对低渗透油藏储层发育特征、流体渗流规律及五点法井网特点划分流动单元,建立了考虑压敏效应、变启动压力梯度、排距井距、裂缝与井排角度、裂缝长度及非均质性等因素的见水时间计算模型,分析了不同因素对见水时间的影响规律。与已有成果相比,所建立见水时间计算模型考虑因素更加全面,更趋于矿场实际情况。分析结果表明,井距与排距之比越大、非均质性越强、裂缝长度越大、启动压力梯度越小、原始地层压力越小,见水时间越早;随着裂缝与井排夹角的增大,见水时间呈波动性变化;原始含水饱和度在0.4～0.5,见水时间早。研究成果可为低渗透裂缝性油藏开发调整方案编制提供理论保障。     

比例方程的多步变步长Runge-Kutta方法的H-稳定

研究多步隐式Runge-Kutta方法H-稳定性,证明了带有非奇异矩阵A的Runge-Kutta法是H-稳定的充分必要条件是多项式P∞(z)=ξ2-ξ(1-θ-bTA-1e)-(θ-b~TA-1e)是schur多项式,并且没有重根.     

增长曲线模型的两步估计及其优良性

讨论了增长曲线模型回归参数阵的两步估计问题,给出了回归参数阵的可估函数的两步估计具有无偏性的一个基本结论,并验证了两种常见两步估计均具有无偏性．     

近断层地震动峰值加速度特性研究

在收集了世界范围内自由场地的近断层地震记录基础上,综合考虑台站场地和震级的差别,应用统计分析方法对近断层地震动的峰值加速度的衰减关系进行了研究,并与实际记录进行了比较,发现场地和震级的共同作用对近断层地震动的影响是显著的,为进一步的研究提供了参考.     

陇东X平台页岩油水平井减摩降阻配套技术研究与应用

为降低陇东大偏移距页岩油长水平段钻井中管柱摩阻,提高钻井时效,在前期井眼轨道优化设计、钻井液体系优化的基础上,强化了基于轨道优化的钻具组合优选、钻柱扭摆滑动钻进,应用自研的钻井液信息技术智能分析系统实现了事故复杂预警和实时钻井液性能快速调整辅助决策,形成了陇东大偏移距页岩油水平井特色的减摩降阻配套技术。理论分析和现场实测摩阻对比分析表明,系列配套技术的实施,减摩降阻效果明显,提高了钻井时效。     

大型铝合金筒节轧制过程圆度控制及影响因素分析

针对大型6061铝合金筒节轧制过程中的圆度变化机理和影响因素进行了研究.首先在Gleeble-3800热模拟实验机上进行热模拟实验,获得6061铝合金材料的真应力-真应变曲线.其次基于有限元方法建立了大型6061铝合金筒节轧制过程模型,通过与自建模型计算结果和模拟实验结果进行对比,验证了有限元模型的可靠性.然后基于有限...     

中距协同空战决策过程二次聚类重构与评估

未来空战将以中距空战为主,找出导致中距空战结果的原因是开展贴近实际的中距空战智能决策需解决的重要问题。针对空战训练过程中记录数据分布的复杂特点,建立了中距协同空战训练评估模型,提出了基于高阶导数聚类和相对模糊熵聚类的二次聚类方法,计算编队协同决策集,实现编队中距协同空战决策过程重构。以编队协同搜索和协同机动决策的角度,寻找编队协同决策与中距空战结果的相关性,并通过实例评估验证了聚类算法的合理性。     

小样本条件下SCGAN+CNN低分辨雷达目标一步识别算法

现有低分辨雷达目标识别方法,通常采用先特征提取、再进行目标分类的两步识别算法,这种算法存在识别率难以提高和方法泛化性不足的问题,对此,提出一种增强条件生成对抗网络（strengthening condition generative adversarial network,SCGAN）+卷积神经网络（convolutional neural network,CNN）的低分辨雷达目标一步识别算法。该算法利用CNN自动获取采样数据深层本质特征,无需特征提取,实现对目标的一步识别。为进一步提高小样本条件下的识别效果,基于CGAN理论来提高样本在特征空间的覆盖程度,并对CGAN的判别器进行改进,在损失函数中增加混叠惩戒项,通过SCGAN生成不混叠的生成样本来更好地训练CNN,提高其在小样本条件下的识别能力。仿真对比实验校验了一步识别算法较传统两步识别算法的优越性,以及SCGAN+CNN的低分辨雷达目标一步识别算法在小样本条件下的有效性。