基于深度森林算法的油井产量预测研究

为了克服传统机器学习算法产量预测模型的缺点,以深度森林算法理论为基础,综合油井相关各项数据,建立了油井产量预测新模型。首先应用KNN最邻近方法和Z-Score标准化方法对油井相关数据进行预处理,利用MDI特征选择方法选择对油井产量影响最大的特征向量,然后将选出的特征向量作为深度森林模型的输入变量,建立深度森林产量预测模型,利用网格化搜索优化模型参数,最后在测试集上运行模型,对模型性能进行评估。研究结果表明,相对于BP神经网络等传统机器学习算法模型,深度森林模型的产量预测精度更高,可以准确预测油井产量,同时相对于深度神经网络等复杂学习算法,该算法参数少、调参及应用简单,为油井产量预测提供了一种新的方法和思路。     

马铃薯外部品质分级方法综述

马铃薯的外部品质决定了其附加经济效益,高效准确的外部品质分级可将经济效益最大化。通过梳理马铃薯外部品质分级的现有研究成果,综述了人工分级,机械分级和机器视觉分级的研究进展。重点论述了机器视觉分级方法,按照大小特征、形状特征、缺陷特征三个方面将机器视觉分级方法做出了详细的分类和评述。最后总结了三种方法各自存在的优点和不足,并为机械分级和机器视觉分级提供了新的研究思路。     

承压水地层管廊基坑开挖变形特征及抗突涌稳定性分析

管廊穿越富水软弱地层时,对其安全建设产生了不容忽视的影响。为了研究富水地层管廊基坑开挖变形的稳定性,依托济南新东站开源路富水地层管廊基坑工程,分析影响基坑开挖变形的关键因素,提出基坑周边土体变形破坏影响因素的敏感性评价指标,建立基坑底板抗突涌稳定性系数及隔水层临界厚度公式。结果表明:随开挖深度和承压水头增加,水平位移具有分层现象,深层呈“月牙形”,最大变形位于基坑底部两侧下部,呈现向桩后和基坑中心靠拢趋势;地表沉降呈凹槽形,从基坑边向两侧呈先增大后减小趋势,而隆起变形越靠近基坑中心越大,施工中应注意基坑底部两侧向中间过度时出现的较大隆起值。基坑周围土体变形破坏影响因素指标敏感性大小依次为开挖深度、加固厚度和承压水头,施工时要适当采取降水措施,预留足够的隔水层厚度,加固坑底以增强其稳定性,更要适当控制基坑开挖深度;与传统法相比,考虑土体抗剪强度所计算的基坑抗突涌稳定性系数较大,隔水层临界厚度较小,与现场情况更加吻合。     

基于LTL预测语义的高效监控器构造

运行时验证中的一个重要研究内容就是从高层规约生成高效的监控器,并有效控制监控器的生成复杂度与监控器运行时开销.基于线性时序逻辑(LTL)的预测语义,通过删除与合并Büchi自动机中的大部分状态,提出一种高效的预测监控器构造技术.通过该方法,可以大大降低最终预测监控器的规模,提高监控器产生的效率;同时保证把监控器的运行时开销控制在合理的范围内.基于上述预测监控器构造技术,实现了相应工具monitor_tool,该工具比LTL3_tool工具更小,且能够为更多的LTL性质产生监控器. 同时,产生的监控器能够尽可能早的识别一个持续被监控的执行轨迹是否满足指定的正确性性质.     

混凝沉淀-超滤-消毒组合工艺对二级出水中条件致病菌的去除效能及风险评价

再生水回用是解决水资源危机的重要途径,但污水厂二级出水中存在的大量条件致病菌,会对人体健康构成潜在风险。本研究采用混凝沉淀-UF-NaClO消毒组合工艺作为二级出水的深度处理工艺,探究该组合工艺对条件致病菌（军团菌、铜绿假单胞菌、鸟分支杆菌）和大肠杆菌的去除效能,并以再生水景观回用（划船游湖、孩童玩水、叠水花台观赏）作为评价场景,对条件致病菌进行健康风险评价和参数不确定性因素的敏感性分析。结果表明,混凝沉淀-UF-NaClO消毒组合工艺对水中三种条件致病菌及大肠杆菌的去除效果较好,去除率均能达到98%以上,但出水中的大肠杆菌浓度与三种条件致病菌之间不存在显著相关性,其含量不能够完全地指示三种条件致病菌的含量。二级出水经组合工艺处理后回用于城市景观休闲活动中,三种条件致病菌的单次感染概率较低,对人体健康的安全保障率可达70.9%~100.0%。敏感性分析结果表明：三种暴露途径中感染军团菌和鸟分支杆菌的年健康风险值均受年暴露频率f的不确定性影响最大;划船游湖、孩童玩水两种暴露途径中感染铜绿假单胞菌的年风险值受暴露体积v和铜绿假单胞菌浓度值C的不确定性影响较大。综上,混凝沉淀-UF-NaClO组合工艺可有效控制二级出水中的条件致病菌的浓度,回用于景观休闲活动中的微生物健康风险较低。     

深部砂岩力学实验及储层开采出砂影响规律

为研究深部储层砂岩在高温、高压、高应力状态下的开采出砂规律及主控因素,以克深区块为研究对象,开展了相应的岩石力学实验和数值模拟分析。实验岩心取自该区块致密砂岩储层,通过实验获得了高温高压下岩石的弹性模量、内聚力和内摩擦角等参数及其变化规律。结合实验结果和该地区地质特征,建立了深部砂岩储层直井开采热流固耦合模型,并利用有限元软件进行求解;通过分析储层Mises应力、等效塑性应变等参数变化特征,结合出砂判别标准,得到了不同开采条件下的出砂影响规律。采用正交试验设计方法进行了出砂敏感性因素分析,获得了其出砂的主控因素。研究结果表明：水平地应力的非均匀程度对储层开采出砂的影响最大,岩石胶结强度和生产压差的影响次之,地层温度变化影响相对较小。     

改进YOLOv5的多车辆目标实时检测及跟踪算法

多车辆目标跟踪时间主要花费在车辆检测模块和对每个车辆表观特征提取模块,一般情况下,车辆检测和车辆表观特征提取是在不同的神经网络中进行的,且一张图中的车辆目标越多,对车辆表观特征提取耗费时间的也越多,推理时间也相应变长。针对这一问题,基于经典的Tracking-By-Detection模式,提出一种改进的YOLO模型：在YOLO网络中添加ReID特征识别模块,使YOLO在输出目标位置信息的同时输出目标特征信息,以提高算法的跟踪速度。针对车辆间彼此覆盖的情况,提出一种基于动态IOU阈值的非极大抑制算法,以提高算法的跟踪精度。最后将YOLO输出的信息进行数据匹配,从而实现多目标跟踪。在UA-DETRAC数据集上验证改进模型的有效性,实验结果表明,将YOLOv5网络进行改进后运用在目标跟踪算法中,相对于经典的YOLO+DeepSORT跟踪模型,在车辆密集的情景下平均推理时间减少了17%;在改进后的网络上添加动态IOU阈值非极大抑制,跟踪精度提高了3.9个百分点。改进后的模型有较好的实时性与跟踪准确率。     

低压配电智能监控系统的产品化设计

针对“集美大学自动化研究所”自行研制开发的LVMS2002低压配电智能监控系统进行产品化设计．主要涉及监控系统的硬软件、抗干扰、接地等方面的内容,并进行工业标准化与可靠性的设计研究,完成了基于功能特点的产品化设计。     

基于深度学习跨清晰度的鞋面检索——从足迹图像到视频中锁定犯罪嫌疑人的应用

如何有效利用鞋样联合监控视频中提取行人所穿鞋子信息进而锁定嫌疑人在视频中的位置是一个新的课题。基于深度学习的跨清晰度的鞋面检索算法可以解决视频提取的低清鞋子与高清鞋面比对检索的难题,从而打通从足迹到视频中锁定嫌疑人的通路。算法在实现过程中,加入网络分支、特定损失函数、随机变换等手段。在1172组样本检索测试中,算法累计查中率首位达到66.2%,前5达到85.8%。实验证明,在客观指标和主观验证均达到较高的应用级别水准。     

基于深度学习的气象资料迹线识别

气象历史资料数字化是中国气象局“气候变化应对工程”的重要建设内容之一。气象历史资料数字化主要内容是完成珍贵纸质气象资料中字符和迹线信息的数字化处理,建立历史长序列气象资料数据集。气象自记纸记录的迹线信息是气象历史资料的重要内容,气象资料迹线信息的准确跟踪和提取是实现气象历史资料数字化的重要环节。然而,由于纸质气象资料存放时间长,气象迹线识别面临迹线记录模糊或迹线晕染等问题。传统的图像分割和迹线提取算法依赖局部或单一的图像特征,无法有效识别复杂背景中的气象迹线信息,特别是变化的、模糊的、晕染的迹线。为了解决上述问题,本文提出了一种基于深度学习模型的气象资料迹线自动识别方法。该方法结合传统算法和U-network (U-net)语义分割网络自动提取不同尺度的光谱和空间特征,实现气象迹线的高精度识别。本文以达因型风自记纸为例,以《地面气象观测规范》为依据,对不同台站、不同年份的3200多张达因风自记纸进行迹线识别验证,风向迹线平均识别正确率达95%,风速迹线平均识别正确率达95.5%。 结果表明该方法能够准确识别迹线,高度还原了气象迹线信息。该方法适用于风、气压、温度、湿度等气象资料迹线自动识别业务化处理,能够大大减少工作量和降低人工成本,为气象预报预测业务和科研工作提供基础数据支撑。