靖安油田张渠一、二区储层控制因素分析

运用储层控制因素分析方法 ,系统分析了靖安油田张渠一、二区岩性、电性和沉积环境 ,认为张渠一、二区具有同一物源、同一水动力体系和同一沉积环境 ,由于水动力条件上的差异 ,导致储层电性、物性、砂体展布及油藏控制因素等方面具有差异性 :张渠一区以辫状河心滩的沉积为主 ,水道发育 ,储层由两个左右对称的 A,B砂体和 B砂体的延伸部分 C砂体组成 ,非均质性强 ,含油饱和度低 ,含水率高 ;张渠二区以低弯度曲流河边滩的沉积为主 ,储层由上下对称的上、中、下三个砂体组成 ,沿河道呈长条状分布 ,横向连通性好 ,含油饱和度高 ,含水率低 .     

如何有效地组织听力课

本文针对学习者在将英语作为外语学习时所存在的英语听力方面的问题,例如,外语及母语的差异性,及学习者对外语的潜在认知能力等进行了深刻细致的分析.基于此,本文论述了如何将关于英语听力的理论知识的讲解和实景练习及各类型的活动融于有效的课堂之中.实例证明了该方法具有成功性和有效性.同进,本文将听力课堂这一有机整体分解为既有区别又有联系的几个步骤来阐述课前听力准备、课内实听部分及课后总结部分的重要性及必要性.     

基于FPGA的遥感图像纹理特征提取算法实现技术

针对遥感图像在轨云检测技术中图像纹理特征提取功能的实现需求,采用FPGA来实现纹理特征提取算法,以此提高遥感图像的纹理特征的提取效率。设计中充分利用FPGA片上RAM、ROM、寄存器等逻辑资源,发挥FPGA并行处理的优势,构建了16个灰度共生矩阵并行计算的结构,进一步计算得到4个纹理特征参数。利用Xilinx公司的System Generator工具实现设计并通过仿真。以Spartan-6 LX45 FPGA为目标芯片的验证实验表明:设计具有运算性能高、耗费逻辑资源少的特点,能够满足遥感图像在轨云检测的实时处理需求。     

基于概率图模型技术的柱面全景图生成算法

为解决复杂场景下的全景图生成问题,应用了基于概率图模型的图像匹配技术,提出了一套完整的柱面全景图生成算法。采用动态阈值法对从图像中提取的H arris角点进行初步筛选,并结合图模型算法进行精确匹配,通过对匹配后特征点的迭代投影获得摄相机焦距,对原始图像进行柱面投影并融合。该算法具有对光照不敏感和全局最优化的特性,对图像噪声和特征点提取不准确有强健的承受能力,并有效地降低了计算复杂度,使算法更具有实用性。实验结果表明:能够对存在人车移动噪声和相机几何畸变的复杂场景正确合成360°全景图。     

图像识别在吻合器漏针检测中的应用

提出了一种基于图像处理和模式识别技术的计算机吻合器漏针自动检测方法.该检测系统通过微机控制CMOS摄像机拍下吻合器图像,采用二值化、特征提取和模糊聚类等一系列计算机视觉技术检测漏针.实践表明,该方法准确率高、速度快,比传统检测方法有着更高的可靠性和效率.     

遗传优化神经网络实现的人民币号码识别系统

目前人工神经网络广泛的应用于各种模式识别以及自动控制等系统中,该系统利用了图像去噪,分割,倾斜度调整,字符分割,字符归一化等图像预处理之后,将人民币号码图像进行特征提取,应用神经网络进行识别.同时,用遗传算法对人工神经网络进行网络权值的优化,加快了训练速度,提高了识别率.     

中国第一本《物理学》内容研究

研究了饭盛挺造编纂、藤田丰八翻译、王季烈润词重编,于1900—1903年由江南制造局出版的《物理学》的内容和特点．经梳理、解析全书的内容．表明此书具有标注规范、内容生动、图文并茂、逻辑严密以及适合教学等特点．     

基于深度学习的公路路面病害检测算法

针对公路路面病害图像存在背景干扰多、病害信息弱、尺度差异大等问题,提出了一种基于深度学习的公路路面病害检测方法。以YOLOv4算法为基础,在检测网络中引入可变形卷积,并提出基于路径聚合网络(path aggregation network, PANet)的自适应空间特征融合结构,充分学习公路路面病害的细节特征,实现不同尺度特征信息的高效融合;采用平均准确率损失(average precision loss, AP-loss)函数作为分类损失函数,促使网络在训练过程中更加注重于正样本。实验表明,在公路路面病害检测中,改进YOLOv4算法的平均准确率达到了95.34%,每张图像的平均检测时间为0.071 s。与快速基于区域的卷积神经网络(faster region-based convolutional neural networks, Faster R-CNN)算法相比,所提出的算法在持有较高检测准确率的同时,减少了运算时间,可以满足公路路面病害检测的准确性与实时性需求。     

基于多生理信息迁移学习的脑力负荷分类

在复杂的人机系统中,保持对实验人员脑力负荷状态的监测对于维护人机系统的安全、高效运行具有极为重要的理论和应用意义。针对现有脑力负荷分类方法识别率低及实际应用时测试样本数据偏移问题,提出了采用迁移学习及脑电和心电特征融合的脑力负荷分类识别方法。基于多任务航空情境操作的MATB-II平台同步采集12名健康受试者的脑电信号和心电信号,分别从时域和频域上提取各生理信息特征并进行融合,在此基础上引入迁移学习,基于迁移成分分析(transfer component analysis, TCA)方法进行特征空间变换,实现源域和目标域的边缘分布适配,并进行脑力负荷分类。实验结果表明,基于多生理信息特征融合识别率高于传统脑力负荷识别方法,使用迁移学习可取得较高的识别准确率,为多生理信息脑力负荷分类研究提供了新方法。     

基于近邻成分分析的短期风电功率集成预测

针对短期风电功率预测关键气象因素影响程度的差异和单一模型预测精度不足的问题,提出一种基于近邻成分分析(neighborhood components analysis, NCA)特征加权和Stacking集成预测的短期风电功率预测模型。考虑气象特征对风电功率影响程度不同,利用NCA对气象特征进行加权,将加权特征作为模型输入,强化关键特征的影响程度;在此基础上,构建多个基预测器预测风电功率,并利用结合器将预测结果融合,建立Stacking集成预测模型。算例分析表明,以加权特征作为输入的Stacking集成预测模型具有更高的短期风电功率预测精度。