一种架空蒸汽管滑动支座保温结构的优化方案

以山西某市工业园区架空蒸汽管网工程为例,提出了一种架空蒸汽管滑动支座的保温新结构,计算了普通滑动支座和新保温结构滑动支座的散热损失,并结合前期施工成本和后期运行费用,对普通滑动支座和新保温结构滑动支座进行了技术经济分析。结果表明,新保温结构滑动支座在施工阶段成本费用较高;但在运行期间可有效减少由于滑动支座弧形板处热损失所导致的蒸汽损耗的运行费用。因此采用新保温结构滑动支座实现了运行阶段的稳定、安全、节能、节省费用等。     

方形砾岩大小对地层电阻率的影响研究

文章根据砾岩地层的物理特性,建立了方形砾岩地层,推导了地层电阻率的计算公式,并在COMSOL软件中建立合理的地层模型,数值模拟了砾岩大小对地层电阻率的影响,并与理论结果进行了比较,验证了数值模拟的合理性。     

基于深度学习的秀丽隐杆线虫显微图像分割方法

利用计算机实现自动、准确的秀丽隐杆线虫(C.elegans)的各项形态学参数分析,至关重要的是从显微图像上分割出线虫体态,但由于显微镜下的图像噪声较多,线虫边缘像素与周围环境相似,而且线虫的体态具有鞭毛和其他附着物需要分离,多方面因素导致设计一个鲁棒性的C.elegans分割算法仍然面临着挑战。针对这些问题,提出了一种基于深度学习的线虫分割方法,通过训练掩模区域卷积神经网络(Mask R-CNN)学习线虫形态特征实现自动分割。首先,通过改进多级特征池化将高级语义特征与低级边缘特征融合,结合大幅度软最大损失(LMSL)损失算法改进损失计算;然后,改进非极大值抑制;最后,引入全连接融合分支等方法对分割结果进行进一步优化。实验结果表明,相比原始的Mask R-CNN,该方法平均精确率(AP)提升了4.3个百分点,平均交并比(mIOU)提升了4个百分点。表明所提出的深度学习分割方法能够有效提高分割准确率,在显微图像中更加精确地分割出线虫体。     

基于多尺度双线性卷积神经网络的多角度下车型精细识别

针对多角度下车辆出现一定的尺度变化和形变导致很难被准确识别的问题，提出基于多尺度双线性卷积神经网络（MS-B-CNN）的车型精细识别模型。首先，对双线性卷积神经网络（B-CNN）算法进行改进，提出MS-B-CNN算法对不同卷积层的特征进行了多尺度融合，以提高特征表达能力；此外，还采用基于中心损失函数与Softmax损失函数联合学习的策略，在Softmax损失函数基础上分别对训练集每个类别在特征空间维护一个类中心，在训练过程中新增加样本时，网络会约束样本的分类中心距离，以提高多角度情况下的车型识别的能力。实验结果显示，该车型识别模型在CompCars数据集上的正确率达到了93.63%，验证了模型在多角度情况下的准确性和鲁棒性。     

CJZ凸起北坡中古生界油气潜力分析

CJZ凸起北坡中古生界成藏以层控成藏模式为主,油气成藏主控因素为储层发育特征和含油高度。远剥蚀线、近油源通道和地层倾角大有利油气成藏。     

低渗砂岩气藏地层水回注研究

新场气田目前地层水采用集中处理后外排的方式,规模小,成本高,环境保护压力大;新场气田须家河组气藏上产任务重、产水量大,该处理方式已不能满足生产需求。针对川西一系列气藏进行筛选后,在气藏精细描述和落实剩余气分布的基础上进行了新场蓬二气藏地层水回注选区选层及地层水配伍性先导研究,形成了一套适合低孔、低渗、岩性气藏的地层水回注选区选层技术方法。初期回注运行试验已取得成功,创造了良好经济效益,实现了降本增效以及消除环保隐患的目标,为川西气田下一步规模化回注提供了理论依据和实践经验。