战略性新兴产业集聚区建设的理论视阈与现实构想

战略性新兴产业是我国未来产业发展的着力点,也是我国实现产业结构升级和经济方式转变的关键点,培育和发展战略性新兴产业集聚区则是实现这一转变的必然要求。与其他学者理解不同的是,战略性新兴产业是新战略、新产业和新技术三个层面而谋定的产业,战略性新兴产业集聚区是在关键核心技术驱动下,服务于国家战略目的,具有辐射范围广,反映全球竞争力的集聚区。基于我国的实际,战略性新兴产业集聚区建设应以"重大技术创新—战略性新兴产业集聚—集聚区创新体系建设""三位一体"为目标,并在集聚区规划、市场体系、财政创新等方面给予扶持和引导。     

防护工程建设方案评价与选优

在以往研究方法的基础,提出一种评价防护工程建设方案的模型。首先确定方案的评价因素指标和对有关因素指标进行量化处理,然后运用灰色系统理论的关联分析方法构建评价选优模型。该模型可用于新建防护工程和已建防护工程加固改造的方案优选,也可用于建防护工程的评优评差,以使决策者获得定量分析的评价结论。     

基于模糊AHP 的道路选优评价方法研究

针对一般层次分析法标度繁琐、判断矩阵一致性难以达到的不足，采用了模糊层次分析法(FAHP)并结合物资供应道路选优这一课题，为道路选优评价中各指标权值的确定提供了一种新方法。     

考虑地质分层约束的长短期记忆循环神经网络测井曲线重构

延长油田东部裸眼井区早期测井资料普遍只有自然电位（SP）、自然伽马（GR）及梯度电阻率(R2.5)三条曲线,因缺失声波（AC）、地层电阻率（RT）等测井曲线,难以满足精细油藏地质研究需求。东部裸眼井区开发时间长、单井产量低,重新测井缺乏可行性及经济性。采用长短期记忆循环神经网络(Long Short-Term Memory,LSTM)进行缺失测井曲线重构是一种经济有效方法,适用于地层测井序列数据。然而延长油田东部浅层油藏上覆黄土层段测井数据信号干扰大,直接应用模型精度较差。针对此问题,本文采用考虑地质分层约束的LSTM模型进行缺失测井曲线的重构,通过分层数据截取每口井长6层段测井数据作为样本数据,既保留了LSTM模型处理序列数据的优势,同时又避免了上覆黄土层测井数据对模型的干扰。利用裸眼井区完整测井数据进行模型训练优化和验证,讨论了考虑地质分层约束的LSTM测井曲线重构精度,结果表明通过引入地质分层约束,模型重构测井曲线精度更高。应用优化后模型实现裸眼井区50口仅有GR、SP、R2.5三条曲线数据井的AC、RT曲线重构,对50口井的142个射孔段进行二次解释,对比试油解释结论符合率达到89.4%,验证了该方法对测井曲线重构的实用性和有效性。     

融合多尺度CNN与双向LSTM的唐卡问句分类模型

当前大语言模型的兴起为自然语言处理、搜索引擎、生命科学研究等领域的研究者提供了新思路,但大语言模型存在资源消耗高、推理速度慢,难以在工业场景尤其是垂直领域应用等方面的缺点。针对这一问题,提出了一种多尺度CNN与双向LSTM融合的唐卡问句分类模型,本模型将数据的全局特征与局部特征进行融合实现唐卡问句分类任务,全局特征反映数据的本质特点,局部特征关注数据中易被忽视的部分,将二者以拼接的方式融合以丰富句子的特征表示。通过在Thangka数据集与THUCNews数据集上进行实验,结果表明,本模型相较于Bert模型在精确度上略优,在训练时间上缩短了1/20,运算推理时间缩短了1/3。在公开数据集上的实验表明,本模型在文本分类任务上也表现出了较好的适用性和有效性。     

考虑压敏效应的低渗透油藏CO2辅助重力驱合理配产方法

高倾角低渗透油藏在进行水驱开发时,在油藏高部位存在大量剩余油,采收率较低,采用CO2辅助重力驱,可以充分利用高倾角的地质特征,有效提高该类油藏的采出程度。但是由于CO2对原油物性影响要远大于水对原油物性的影响,CO2驱替过程中流体的渗流过程更加复杂,因此有必要对低渗透油藏CO2重力驱合理配产优化进行研究。首先,依据油藏中任意一点压力与最小混相压力的关系,分别建立了考虑压敏效应的低渗透油藏CO2重力驱混相和非混相模型;其次,运用Python对模型进行求解,同时分析了压敏系数、地层倾角、注采井距和注气速度对油藏配产的影响;最后,结合现有工作制度法和增产倍数法,对比本模型计算结果,运用tNavigtor软件对三种方法进行采收率预测。研究结果表明：运用本文方法对油藏进行合理配产具有较好的开发效果,油藏采收率相对较高,研究成果对该类低渗油藏的开发具有较好的借鉴意义。     

CNS-Net:一种循环多注意力特征聚合架构

基于卷积神经网络(convolutional neural network, CNN)方法在高分辨率遥感图像分类时,提取全局特征信息和局部特征信息方面有一定优势,但不能有效区别关键信息和干扰信息。由此,提出一种端到端的CNS-Net网络来提取图像显著性特征。首先,设计了一个全局增强性模块(global enhancement module, GEM)通过显示建模通道之间的相互依赖关系,使网络选择性提取关键区域;其次,提出了一个多级循环注意模块(multi-stage cyclic attention module, MCAM)来捕捉特征信息的长期依赖关系和上下文感知信息;最后,在4个公共数据集上进行实验,结果表明所提方法达到了最优的分类性能。     

基于改进信息熵和LSTM网络的轴承故障诊断

针对传统的时频域故障诊断方法无法对故障实现自适应识别和分类,且准确率较低的问题,提出一种基于改进信息熵(improved information entropy, IIE)的长短时记忆网络(long-short time memory network, LSTM)方法。首先对原始信号分别进行集合经验模态分解(ensemble empirical mode decomposition, EEMD)和变分模态分解(variational mode decomposition, VMD);将包含故障信息的所有本征模式分量(intrinsic mode functions, IMF)进行信息熵的求取;通过信息熵反映IMF的信息量和峭度指标对描述冲击成分的优势改进信息熵,构成特征向量;最后结合LSTM处理非线性数据的优势,利用组合特征训练LSTM网络建立诊断模型。实验结果表明：该方法能准确、高效地识别多种故障,准确率要比单一的EEMD-LSTM、VMD-LSTM、人工神经网络等传统方法更高。     

基于高度冲突专家意见融合的水利工程应急决策

为解决D-S(Dempster-Shafer)证据理论无法有效集结高冲突专家意见对水利工程应急决策结果的影响,提出了基于Lance距离和信息熵改进D-S证据理论的水利工程应急决策中的专家意见融合方法。首先,利用改进的直觉模糊熵计算属性权重,充分考虑了决策信息的模糊性,得到各专家对方案的Mass函数;然后,使用Lance距离衡量任意两个专家之间的冲突和差异性得到评价证据的可信度,使用信息熵描述专家决策时的随机性问题得到评价证据的不确定度,并将二者折扣处理后得到专家综合权重,保证修正权重的准确合理;最后使用D-S证据组合规则计算修正后各专家对方案的Mass函数,得到最终决策结果。通过实例分析及方法对比验证了模型的有效性,结果表明,提出的方法可以有效集结高度冲突专家意见,与其他方法相比融合结果精度更高,考虑问题更为科学有效,可为水利工程应急决策提供依据。     

基于突变理论的深部煤柱稳定性

本文针对神华新街矿区盾构工法建设煤矿长距离斜井,研究了深部条件下保护煤柱的自身稳定性。研究发现,根据煤柱不同区域受力特征的差异性,可将其分成弹性核区和边缘塑性区,在此基础上建立了煤柱尖点突变模型,并经推导得到了煤柱的失稳判别公式。通过数值计算(UDEC)分析了深部盾构斜井保护煤柱在开采过程中的稳定状态。试验结果表明,随着煤层的开采能量缓慢释放,120m煤柱自边缘向内部逐渐屈服,并在单侧出现4.5m的塑性区。经公式判别,该工程中保护煤柱可以在深部开采条件下保持稳定,研究结果对相似工程中合理煤柱的留设提供了借鉴。