Predicting Initial Formation Temperature for Deep Well Engineering with a New Method

With the progress of science and technology, human beings explore the energy under-ground with thousands of meters. As a thermophysical parameter, initial formation temperature (IFT) plays an essential...     

超高层建筑-18.7m的深基坑施工优化

介绍了深达 18.7m的基坑围护措施 ,对超高层建筑深基坑支护结构与施工技术进行优化     

鄂尔多斯盆地腹部下古生界天然气赋存系统研究

运用深盆气圈闭的基本原理，综合分析了鄂尔多斯盆地下古生界天然气赋存的基本地质因素，论证并提出了盆地腹部下古生界深盆气圈闭的新认识，并依据盆地地质构造特征将其进一步划分为：西部前渊拗陷型和中东部复式向斜型两大深盆气赋存系统．     

舰载超视距雷达背景杂波统计特性分析

海杂波的统计特性对于岸基与舰载表面波雷达目标检测算法的设计非常重要。岸基雷达测试下海杂波的统计特性已有论述 ,主要阐述舰载雷达情形下背景海杂波的理论与数学统计模型 ,并提出了海杂波序列的参数自回归模型 ,对海杂波的重要统计参数如相关性进行了统计分析 ,最后得出了舰载雷达情形下一阶与二阶海回波皆为正态分布的结论 ,为在舰载雷达情形下进行信号检测奠定了理论基础。     

A 2500-year sea level change record in Fildes Peninsula, Antarctica

A detailed record of sea level changes during the last 2500 years is preserved in the northernwest coast of Fildes Peninsula in Antarctica. Fourteen marine alga layers were deposited in the beach with an altitude of 2.80 m, and one diatom layer deposited in the ancient lake on the terrace with an altitude of 6.84 m. A radiocarbon age of 695±70 aBP was obtained for the modern marine alga, and the age was used in correction for the carbon reservoir effect of the marine alga. Sea level fell 4.98 m from the 4th century B.C. to the early 13th century, at an average of -0.31 cm/a, then rose about 0.78 m during the early 13th to the middle 18th century, at an average of 0.14 cm/a. It has risen about 0.16 m since the middle 18th century, at an average of 0.07 cm/a.     

基于 FEM 的深基础工程数值模拟及其实现

简要介绍了有限元法的原理和解题步骤,在借鉴国内外众多有限元分析软件包优点的基础上,开发了自身的FEM三维非线性程序,并用所研发的程序对具体的工程进行了应用和模拟,与实测数据的逼近表明了整个软件系统的准确性和实用性。     

临近铁路深基坑开挖防护技术

考虑到周边建筑物安全及在动荷载下施工人员和机械设备的安全,选择了防护桩方案并进行了设计及计算,为临近铁路深基坑施工提供了参考。     

基于深度学习的红外与可见光图像融合综述

图像融合技术是指从不同的源图像中提取并融合互补的信息,生成一幅信息量更丰富、对后续高级视觉任务提供足够支持的图像.红外与可见光图像融合（Infrared and Visible Image Fusion,IVIF）是图像融合领域的一个重要分支.近年来,深度学习技术在视觉计算领域表现出了良好的性能,尤其是基于自编码器、卷积神经网络、生成对抗网络等几种基于深度学习的IVIF技术得到了蓬勃发展.为此,对基于深度学习的IVIF算法的方法、数据集和评估指标等进行了总结和阐述;通过大量的实验,进行定性和定量的结果分析,对比了各类基于深度学习IVIF算法的性能;最后,讨论了该领域未来发展的一些前景和研究方向.     

具有优先级的深度确定性策略梯度算法在自动驾驶中的应用

深度确定性策略梯度(deep deterministic policy gradient,DDPG)算法在自动驾驶领域中应用广泛,但DDPG算法因采用均匀采样而导致低效率策略比例较高、训练效率低、收敛速度慢等.提出了基于优先级的深度确定性策略梯度(priority-based DDPD,P-DDPG)算法,通过优先级采样代替均匀采样来提升采样利用率、改善探索策略和提高神经网络训练效率,并且提出新的奖励函数作为评价标准.最后,在开源赛车模拟(The Open Racing Car Simulator,TORCS)平台上对P-DDPG算法的性能进行了测试,结果表明相对于DDPG算法,P-DDPG算法的累积奖励在25回合之后就有明显提升而DDPG在100回合之后训练效果才逐渐显现,提升约4倍.P-DDPG算法不仅训练效率提升且收敛速度加快.     

基于轻量化深度学习网络的数字仪表识别

数字式仪表常用于变电站、工厂等生产环境,是一种直观的设备监测仪器。然而当前数字式仪表的读取方式还依赖于人工巡检,手动记录等,这些传统的巡检方式来监测设备的运行状态大大降低了巡检效率。为了实现传统行业的数字化转型,本文提出基于轻量化深度学习的数字仪表识别方法,通过改进的YOLOv5的目标检测框架,针对数字仪表目标区域在整张图片大小不一致的情况,提出对于感兴趣区域（ROI）的迭代目标检测方法,首次检测将感兴趣区域进行检测并切割统一到相同的尺度,随后迭代检测网络针对感兴趣区域内的字符进行检测并分类,以达到精确读数的目的。为提升多尺度检测性能,本文采用Res2Net模块主干网络中的的残差模块。采用GIoU取代通用的IoU作为位置损失函数加速模型训练效果的收敛。实验表明,改进后的框架实现了99.62%的准确率和99.55%的召回率,相比基线网络分别提升了12.72%和5.85%。通过将框架在边缘计算平台上的终端部署,在实际生产中取代了人工巡检,实现了商业化运行。