济阳坳陷东营三角洲前缘斜坡重力流成因砂体特征及形成条件

运用最新的深水重力流理论开展系统研究,细分大型三角洲前缘斜坡重力流成因砂体类型,并建立各类型砂体的判识标准,探讨砂体展布的控制因素。研究表明:大型三角洲前缘斜坡发育一系列重力流成因砂体,砂体并非由单一流体形成,包含了塑性体、砂质碎屑流及浊流等多种流体的有序转化和多个岩相组合;根据纵向上序列组合的差异,可把重力流砂体类型划分为滑动成因砂体、滑塌成因砂体、碎屑流成因砂体和浊流;利用岩心沉积构造特征、粒度特征、测井相和地震相等多角度对比可识别砂体类型;三角洲前缘斜坡重力流成因砂体的形成与展布受控于古物源、古沉积坡角、同沉积断层和沉积基准面旋回变化等因素,其中充足的物源是重力流砂体发育的物质基础、适宜的古坡角是重力流砂体有序展布的必要条件、同沉积断层下降盘是砂体发育的有利区,而基准面旋回变化决定了重力流砂体的纵向分布样式。     

山土瓜化学成分的研究

山土瓜(Ipomoea hungaiensis Lingelsh.et Borza)根茎用甲醇提取,利用硅胶柱层析、Sephadex LH-20柱层析和反相柱层析进行化学成分分离纯化,从中分离得到7个化合物.根据现代波谱技术和理化性质对化合物结构进行鉴定,鉴定结构为:3β-friedlinol(1)、lupeol3-(3'R-hydroxy)-octadecanoate(2)、6,7-dihydroxycoumarin(3)、octadecyl caffeate(4)、syringic acid(5)、β-sitosterol-β-D-glucopyranoside(6)和β-谷甾醇(7).其中化合物(2)、(5)为首次从该植物中分离得到.     

六棱菊的质量标准初步研究

目的建立六棱菊的质量分析方法。方法根据2015年版《中国药典》的方法对六棱菊药材的水分、总灰分及醇溶性浸出物进行测定。结果广西10批不同产地及不同采集时间的六棱菊药材均具有相同的植物形态和药材性状,实验测定结果:水分为5.19%~10.86%,总灰分为5.91%~10.74%,酸不溶性灰分为0.44%~0.92%,浸出物为14.64%~19.95%。结论此六棱菊鉴别方法,可用于该药材的质量控制,研究结果可为六棱菊药材的开发利用以及建立其药材的质量标准提供科学依据。     

辨识与控制分离的广义预测控制算法

提出了一种自适应广义预测控制策略．其中，对象参数辨识及预测模型参数计算等以较大的采样周期进行，滚动优化控制以较小的采样周期进行．将辨识与控制运算分别放在２个不同的中断服务程序中，使辨识与控制分离，通过不同采样周期的模型变换建立起辨识与控制的联系，可大大缩短控制运算时间，提高控制的实时性     

七种天南星块茎的生药鉴别

对七咱天南星块茎从粉末显微特征、理化试验方面进行了比较鉴别。     

Peripheral Nonlinear Time Spectrum Features Algorithm for Large Vocabulary Mandarin Automatic Speech Recognition

IntroductionCurrentautomaticspeechrecognitionsystemsarebasedoncontext-dependentorcontext-independentphonicsorsyllablemodelsdescribedintermsofse-quencesofhiddenMarkovmodel(HMM)states,whereeachstateisassumedtobecharacterizedbyastationaryprobabilitydensityfunction.Thetimecorre-lationandconsequently,thesignaldynamicsinsideeachHMMstate,arealsousuallydisregardedalthoughtheuseofdynamicfeatures,suchasdeltaanddelta-deltaparameters,cancapturesomeofthecorrelations.Consequently,onlymedium-termdependenc…     

面向话题的中文微博观点倾向性分析研究

随着微博快速崛起,每天数以千万的人通过微博分享自己对各类话题的观点与情感,如何自动感知微博社区对特定话题的观点倾向性,已经成为中文微博计算亟待解决的问题。由于微博内容短小且不规范,传统的情感分析效率低下且效果很难满足实际需求。现提出一种将情感词典分类的方法进行实验研究,针对腾讯微博20个话题约17 500条微博32 000个句子的数据进行实验,实验结果表明提出的情感词典分类方法效果很好。     

基于堆栈式LSTM网络的通信辐射源个体识别

针对现有通信辐射源个体识别方法预处理过程复杂及特征提取较难的问题,提出了一种基于堆栈式长短期记忆(long short-term memory, LSTM)网络的辐射源个体识别算法。该算法直接使用IQ时间序列信号训练LSTM网络,即可实现对通信辐射源个体的高效识别,避免了复杂的信号预处理过程。为使LSTM网络能更好地适用于通信辐射源个体识别,利用3层LSTM网络提取辐射源深层特征,并通过实验优化了网络参数。然后对该算法的实际应用泛化性进行了实验探究,结果表明该算法在其他辐射源数据集上也取得了较好的效果。最后,通过实验对算法进行了验证,结果表明相比于传统算法,在样本数较多时,该算法的识别准确率可以达到98%,而且简单快速智能,便于工程化与实用化。     

细菌生存优化在非线性模型辨识中的应用

提出了一种新的基于细菌生存优化(Bacterial Foraging Optimization BFO)的非线性模型辨识方法.它是利用群集智能仿生BFO算法对一类Hammerstein系统进行辨识,从而估计出它的参数模型.通过对这类输入非线性模型进行辨识,并用仿真实验说明BFO算法的参数设置与选择方法.比较基于粒子群优化(Particle Swarm Optimization PSO)的非线性模型辨识算法,特别是对有色噪声的鲁棒性、模型的辨识精度、辨识收敛速度进行对比分析,以得出BFO辨识算法的优缺点及其有效性.     

基于PIλDμ控制器的一种线性系统辨识方法研究

近年来,分数阶控制研究愈来愈被关注.传统系统参数辨识算法主要基于在某种意义下的最优数据拟合思想,往往比较复杂、计算量大.我们将辨识误差的抑制问题,看作是以误差方程来描述的系统的状态渐近稳定性来处理,从而将反馈控制的思想引入辨识算法中,提出了一种基于分数阶PIλDμ控制器的线性系统参数时域辨识算法,给出了递推算法的详细推导,并用已知系统仿真验证了算法的有效性.该算法简便、计算量小.仿真结果表明,该算法优于传统最小二乘法.