方型Koch曲线的定义,分维及性质

文中定义了基本方型Koch曲线和方型Koch曲线,计算了它们的分维(相似性维数),证明了方型Koch曲线的分维集在区间〔1,2〕中稠密。这样就可用方型Koch曲线来研究和描述任意分形曲线的某些性质(如曲线的复杂程度)。     

一种耐热低膨胀钢种的设计

通过对稠油热采井使用工况的研究,针对性设计了一种耐高温、低膨胀钢种.此钢种采用中碳Cr--Mo系加微量晶界强化合金元素及稀土的设计思路.实验室试验证明,其高温拉伸性能和线膨胀系数均较C--Mn系钢种优越,适用于稠油热采工况条件,有望用于稠油热采井专用套管的生产.     

加压密相气力输送空隙率的实验

在加压密相气力输送中试实验台上进行内蒙烟煤的输送特性实验,考察操作条件和物性参数对空隙率的影响规律.结果表明:提高输送压力有利于实现较低空隙率的输送;随着流化风量的增大,空隙率先减小后增大;补充风量的增大会提高空隙率;随着总差压的增大,52μm煤粉的空隙率先减小后增大,而115和300μm煤粉的提升段空隙率持续增大,且同一总差压下,粒径较大煤粉对应的提升段空隙率较小;煤粉水分的增加会降低固相体积流量,同时增大两相流空隙率;随着表观气速的减小,300μm煤粉的流型从悬浮流向沙丘流转变,管路空隙率逐渐减小.     

利用密度描述符对应的视觉跟踪算法

针对稀疏描述符由于关键点检测不稳定及其误匹配造成跟踪失败的问题,提出了一种利用密度描述符对应实现目标跟踪的算法。该算法通过计算目标在相邻两帧之间的密度描述符流,考虑目标的空间分布特性和描述符的权重,得到目标的运动矢量,获得目标在当前帧中的估计;根据密度描述符的运动矢量与目标运动矢量的关系及其匹配程度,更新密度描述符的权重。在大量测试数据上对所提算法进行实验,并与相关跟踪算法进行比较,定性和定量分析表明:当发生光照、遮挡、姿态变化时,所提算法能够稳定地跟踪目标,跟踪成功率均在90%以上,跟踪误差要小于其他算法。     

LF拓扑空间中的S-第一纲集和S-第二纲集

作为[2]的续篇,给出LF拓扑空间中的S-稠密集,S-无处稠密集,S-第一纲集,S-第二纲集的定义,并讨论它们的一些性质。     

基于双重介质嵌入式离散裂缝模型的致密油藏产能影响因素

致密油藏具有显著的超低孔超低渗特征,天然微裂缝和水力压裂缝对油藏有效动用至关重要,相关数值模拟研究工作备受关注。研究者们广泛采用嵌入式离散裂缝模型研究致密油藏流动规律,通过修改基质网格渗透率表征天然微裂缝,无法精细刻画微裂缝与基质间流体交换对流动产生的影响。为克服以上不足,考虑基质、复杂天然微裂缝和人工压裂缝间传质机理,建立了致密油藏双重介质嵌入式离散裂缝模型;进一步,对模型进行数值离散处理,编制了相应的模拟器;最后,基于所建立模型研究了天然微裂缝、水平段长度、裂缝间距等多因素对致密油藏产能影响规律。研究结果表明,本文所建立模型产能高于传统EDFM模型;水平段长度越长,产能越大;裂缝间距越小,产能越大;应力敏感对致密油藏生产动态有一定影响,并且随着时间推迟,影响逐渐增强;本文所建模型实现了对基质、复杂天然微裂缝和人工压裂缝间复杂传质机理的精细刻画,相关研究结论可为致密油藏经济高效开发提供借鉴。     

双通道多感知卷积神经网络图像超分辨率重建

基于深度卷积神经网络的单幅图像超分辨率重建取得了显著研究成果.但随着深度卷积神经网络规模的不断扩大,如何降低网络构建难度和计算成本成为一个难点.为此,提出了一种双通道多感知卷积神经网络(DMCN)模型.该模型在两条具有不同卷积核的通道上建立了稠密连接,并构建了带有动态调节能力的层间融合结构.这种结构的设计使得小规模卷积神经网络便能获得图片特征信息的全面感知能力.实验结果表明,DMCN重建效果优于目前多数具有代表性的重建算法.     

大厚层致密砂砾岩油藏直井多段压裂开发研究

针对纵向厚度比较大的低渗砂砾岩油藏,须选用直井压裂多段纵向裂缝的开发方式,本文采用数值模拟的方法展开研究.首先对比了分别采用分支水平井和多段压裂直井两种开发方式在厚层低渗油藏里的效果;然后分析了裂缝导流能力、供油面积、地层渗透率等产能影响因素,做出裂缝长度、Cf/Km(裂缝导流能力与地层渗透率之比)与累产的图版以用于压裂设计优化,同时研究了韵律与极差对开发的影响;最后研究了裂缝长度、高度、间距分布等布缝原则,以指导实际压裂方案。     

深度学习技术在影像密集匹配方面的进展与应用

在计算机视觉及摄影测量领域中,影像的密集匹配一直是研究的重点与难点之一。它在影像三维重建、数字表面模型生产中都具有不可或缺的作用。近几年来,随着深度学习的快速发展,基于深度学习的影像密集匹配算法也是层出不穷。本文通过对目前具有代表性的技术方法进行回顾,按照基于图像块的相似性度量学习和端对端生成视差图两类研究思路,叙述了深度学习在影像密集匹配中的研究进展与趋势,总结了现有方法的优点与不足,以期为影像匹配的研究提供具有参考价值的文献综述。     

基于跨域字典学习算法的人体行为识别

将一种跨域字典学习算法应用于人体行为识别中, 通过引入辅助域数据集, 与原始训练集（目标域）共同进行字典学习, 获得字典对, 进而得到动作类的稀疏编码, 有效扩充了训练集的类内多样性. 该算法为字典学习与训练分类相结合的学习框架, 可利用字典对学习过程中的重建误差进行分类. 实验在MATLAB仿真条件下进行, 将UCF YouTube数据集作为原始训练集, 将HMDB51数据集作为辅助域数据集, 选取两个数据集动作类别一致的7个动作, 根据提出的算法流程进行识别. 将该方法与其他两种人体行为识别算法进行对比. 结果表明, 该方法识别率显著提高, 证明了跨域字典学习算法在人体行为识别上的有效性.