深层砂泥岩薄互层的地震识别方法

深层砂泥岩薄互层油气藏是一类典型的低孔、低渗型油气藏,储层一般具有埋藏深、横向变化快、深层物性差的特点。利用常规的薄层定量描述方法只能识别地层厚度不小于λ／4的孤立薄层,很难实现精细解释。为此,采用正-反演联合预测技术,通过建立符合地下实际情况的的地球物理模型,从正演角度分析目的层的地震波场特征;同时对正演结果进行模型反演,定量分析反演砂体的横向及纵向展布特征。结果表明这种基于模型正演的地震识别方法既能够发挥地震资料在地层横向展布上的优势,又能够提高纵向上的解释精度,为识别前梨园地区深层砂、泥岩互层结构的隐蔽性储层提供参考。     

新安矿深部软岩巷道大变形特征及原因

新安煤矿是在建矿井,煤系地层属中生代地层。巷道埋深达1 000 m,不仅应力高,地质构造复杂,而且煤层顶底板以泥质岩石为主,含膨胀性矿物,岩石松散破碎、强度低。巷道开挖后,出现严重底臌、折帮和顸沉等非线性大变形破坏现象。运用工程地质学、软岩工程力学、黏土矿物学等多学科理论,采用工程地质调研、室内实验研究相结合的手段,对新安矿回风石门软岩巷道的变形破坏特征及其原因进行深入研究。研究认为:深部软岩巷道所处地质环境和围岩特征是产生非对称变形破坏的客观原因;普通支护的局限性是造成大变形破坏的主观原因。应该有针对性地采用有效支护方式,实现围岩与支护体在强度、刚度和结构变形三方面的耦合,有效控制变形,保证巷道稳定。该研究为下一步有针对性地进行支护设计提供了理论依据和指导性建议。     

工程陶瓷高效深磨工件表面粗糙度研究

介绍了工程陶瓷高效深磨的研究现状,阐述了高效深磨的实验方案.阐述了三种实验工程陶瓷材料的性能.对工程陶瓷高效深磨工件磨削表面粗糙度进行了实验研究.     

基于深度学习的CT影像肺结节检测

为辅助医生检测大量肺部CT( Computed Tomography) 图像中难以发现的肺结节的问题,提出使用深度U-Net网络对肺部结节进行分割。由于U-Net 网络出自于全卷积网络( FCN: Full Convolution Network) ,特点是端到端,像素到像素,网络对每个像素点进行分类,能将深层特征抽象的特征信息和浅层特征具象的位置信息相结合得到CT 图像的分割掩膜。实验结果表明,该方法对肺结节的检测效果良好。     

口语对话系统中对话管理的演变

为了对人机语言交互领域的主要工作进行归纳和总结,分析了口语对话系统的各个组成模块,包括主要研究内容和关键技术; 然后,针对其核心的对话管理技术进行了综述,通过详细分析并比较几类主要对话管理实现方法,力求在分析现有算法的同时勾勒出其技术的发展与演变过程; 最后,对对话管理领域的深入研究进行了分析与展望。     

基于特征语谱图和自适应聚类SOM的快速说话人识别

为获得说话人发音特征,基于仿生思想,提出一种基于语谱图统计的方法,通过对说话人短时语谱图的线性叠加获得可表征说话人稳定发音特征的特征语谱图。为解决资源受限的设备中说话人识别系统网络训练速度慢、识别效率低的问题,基于传统自组织映射(self-organizing feature map,SOM)神经网络提出了一种自适应聚类SOM (adaptive clustering-SOM,ACSOM)算法,随着待识别说话人数的增加,自动调节增加竞争层神经元个数,直至聚类数达到说话人个数。采用该AC-SOM模型对100人的自建特征语谱图样本库进行聚类识别,最大训练时间只需304 s,最大单张识别时间小于28 ms;在识别人数相同时,相对于所对比的其他识别方法,该方法大大提升了网络训练速度和识别速度,满足了边缘智能(edge intelligence)系统中对数据处理与执行的实时性的要求。     

卷积神经网络在MRl图像诊断中的应用

基于卷积神经网络对颅内组织器官疾病诊断提出了创新思路.选取帕金森病患者图像通过灰度映射、直方图均衡化、改进的小波去噪、图像增强等预处理,以VGG-Net网络模型为基础设计并搭建卷积神经网络,采取正则化策略避免过拟合问题,用患者MRI图像集对网络模型进行5次十折交叉验证,同时通过反卷积网络实现特征可视化,挖掘疾病潜在特征.实验结果和客观评价表明,本文搭建的网络可根据患者MRI图像实现良好的辅助诊断.     

深度学习在中厚板轧后超快速冷却系统中的研究与应用

传热系数是冷却控制模型的核心参数.传统学习模型对传热系数的修正存在不稳定、鲁棒性不强等问题.为解决上述问题,进一步提高控制精度,基于深度学习技术,建立了传热系数自学习的深度神经网络,对神经网络框架的超参数进行了优化和算法选型,增强控冷模型的稳定性.通过在某钢厂3500mm中厚板生产线的应用验证,采用深度学习的控冷模型对终冷温度预报精度有明显提高,鲁棒性较强,满足现场实际生产的需要.     

基于表示学习的情感分析研究

提出一个基于表示学习的文本情感分析模型C&W-SP。首先基于C&W模型的词表示改进训练模型, 实现在词表示训练过程中融入情感信息和词性信息的不同模型设计; 然后利用NLP&CC’2013中的评测数据集, 进行多种模型的实验对比。实验结果表明, 融入情感信息和词性信息的C&W-SP模型性能效果最优, 验证了所提方法的有效性。     

木星轨道卫星深层介质充电电势仿真研究

采用GEANT4-RIC方法, 对处于木星轨道的星用电路板FR4 (环氧玻璃布层压板)介质和电缆PTFE (聚四氟乙烯)介质的充电过程进行模拟研究, 计算不同接地状态、不同介质厚度和不同屏蔽层厚度条件下, 介质内部的充电电势。研究结果表明, 介质充电电势与介质接地方式密切相关, 双面接地可以大大降低介质的充电电势; 使用薄介质以及增加屏蔽层厚度也是降低介质内部充电电势的有效方法。