煤储层渗透率测试、模拟与预测研究进展

渗透率是煤层气开发的重要参数，煤储层较强的非均质性使得现场少量试井结果难以反映区域性渗透率规律，不同仪器、方法、样品尺寸、压力、温度及介质条件下获得的实验渗透率对比性也较差。对比分析了不同试井方法(钻杆测试、水罐测试、段塞测试、注入/压降测试)、不同实验测试方法(稳态法、非稳态法)的优缺点、适用条件及渗透率测试标准的演化历程，系统评述了单轴应变条件、恒定体积条件以及三轴应力条件下渗透率模拟模型的适用性，分析了基于裂隙、煤体结构、地应力、构造曲率等单一主控因素预测渗透率及人工智能(BP神经网络、灰色关联分析、支持向量回归机、多层次模糊综合评价)多因素预测的可靠性，总结了煤储层渗透率在测试、模拟和预测方面存在的问题，并提出了进一步研究的展望。研究结果表明现场注入测试是获取原位煤储层渗透率的主要方法，实验室非稳态法渗透率测试适合我国低渗煤储层；单轴应变条件下的P-M模型和S-D模型适用于恒定垂直外部应力条件下的模拟，恒定体积条件下的Ma模型对于多数煤类输入的参数均可测量，模拟结果可靠性较高，三轴应力条件下的Connell模型和Zhou模型更有利于通过实验室测定对模拟渗透率进行验证；基于煤层气...     

基于K空间理论的磁共振图像空间分辨率影响因素分析

空间分辨率是对磁共振成像设备进行质量控制的主要性能参数。利用美国体膜实验室生产的Magphan SMR100体膜在自旋回波序列T1加权模式下对磁共振成像设备的空间分辨率进行计量检测，基于K空间理论，结合扫描视野的形状及频率编码矩阵和相位编码矩阵的大小及取向，对决定图像空间分辨率的因素进行了深入分析，获得了在不降低空间分辨率的前提下以较小的信噪比损失成比例缩短扫描时间的参数选取规则，从而提高磁共振成像设备周期检定的实践水平。     

火电机组一次调频性能实时监测系统

为了实时监测和评价火电机组一次调频性能，开发了火电机组一次调频性能实测监测系统。该系统具有一次调频参数异动感知、一次调频性能量化预测及自适应校正等关键功能。某机组的实际应用表明，该系统能够实现火电机组一次调频关键参数的实时监测和调频性能的准确预测。     

基于近红外光谱的橙汁中酸土脂环酸芽孢杆菌的生长预测

酸土脂环酸芽孢杆菌（Alicyclobacillus acidoterrestris）是引起橙汁劣变的主要微生物，为研究酸土脂环酸芽孢杆菌在橙汁中的生长规律，利用近红外光谱获取橙汁中酸土脂环酸芽孢杆菌含量的信息，采用标准化（autoscale）、多元散射校正（multiplicative scatter correction,MSC）、标准正态变换（standard normal variate,SNV）、去趋势化（detrend）对光谱进行预处理，结合化学计量学，构建近红外光谱与酸土脂环酸芽孢杆菌含量预测模型。在此基础上，将近红外光谱转换为酸土脂环酸芽孢杆菌预测菌落数据，并采用“一步法”直接基于预测菌落数构建橙汁中酸土脂环酸芽孢杆菌的生长模型。结果表明，利用标准化进行光谱预处理建立的偏最小二乘（partial least squares,PLS）模型对橙汁中酸土脂环酸芽孢杆菌含量的预测效果相对较好，其预测决定系数（prediction determination coefficient,Rp2）与预测均方根误差（root mean square error of prediction...     

基于VMD和改进TCN的短期光伏发电功率预测

光伏发电功率存在波动性,且光伏出力易受各种气象特征影响,传统TCN网络容易过度强化空间特性而弱化个体特性。针对上述问题,文中提出一种基于VMD和改进TCN的短期光伏发电功率预测模型。通过VMD将原始光伏发电功率时间序列分解为若干不同频率的模态分量,将各个模态分量以及相对应的气象数据输入至改进TCN网络进行建模学习。利用中心频率法确定VMD的最优分解模态分解个数。在传统TCN预测模型的基础上,使用DropBlock正则化取代Dropout正则化以达到抑制卷积层中信息协同的效果,并引入注意力机制自主挖掘并突出关键气象输入特征的影响,量化各气象因素对光伏发电的影响,从而提高预测精度。以江苏省某光伏电站真实数据为例进行仿真实验,结果表明所提预测方法的RMSE为0.62 MW,MAPE为2.03%。     

双足机器人五质心模型的预测控制实现方法

为提高双足机器人的步行性能，提出了基于五质心模型的预测控制实现方法。该方法按照机器人的结构，将机器人质量分配在躯干、双臂、双腿中的五个质心，并推导出基于机器人腰部的零力矩点变换公式。应用模型预测控制方法，控制机器人在线跟踪优化的行走轨迹。为验证算法正确性，进行了3D动态仿真实验和现实环境中步行实验。实验结果与基于单质心模型和三质心模型的模型预测控制算法对比，证明这里算法具有更高的步行轨迹跟踪精度。     

基于多通道的ICU脑血管疾病死亡风险预测模型

死亡风险预测指根据病人临床体征监测数据来预测未来一段时间的死亡风险。对于ICU病患，通过死亡风险预测可以有针对性地对病人做出临床诊断，以及合理安排有限的医疗资源。基于临床使用的MEWS和Glasgow昏迷评分量表，针对ICU病人临床监测的17项生理参数，提出一种基于多通道的ICU脑血管疾病死亡风险预测模型。引入多通道概念应用于BiLSTM模型，用于突出每个生理参数对死亡风险预测的作用。采用Attention机制用于提高模型预测精度。实验数据来自MIMIC [Ⅲ]数据库，从中提取3?080位脑血管疾病患者的16?260条记录用于此次研究，除了六组超参数实验之外，将所提模型与LSTM、Multichannel-BiLSTM、逻辑回归（logistic regression）和支持向量机（support vector machine, SVM）四种模型进行了对比分析，准确率Accuracy、灵敏度Sensitive、特异性Specificity、AUC-ROC和AUC-PRC作为评价指标，实验结果表明，所提模型性能优于其他模型，AUC值达到94.3%。