UMo-Zr单片式燃料板结构改进研究

基于有限元分析软件ABAQUS将燃料包壳和芯体的辐照-热-力本构关系引入数值模拟计算，初步建立了UMo-Zr单片式燃料板堆内热力行为的模拟方法。基于该数值模拟方法，针对均匀辐照的工况，通过改变燃料芯体长度、宽度、厚度3个方向的尺寸和边角的形状，研究芯体结构对辐照后温度场和应力场的影响。研究结果表明，辐照后的温度场和应力场对芯体厚度方向的尺寸变化最敏感；对芯体边角处进行倒角处理能够减小辐照后的米塞斯（MISES）应力峰值。      

卷积深度神经网络在基于文档的自动问答任务中的应用与改进

基于文档的自动问答,尤其是语义匹配,其目标是计算两个文本之间的相似度。这是自然语言处理中的典型任务,并且用以衡量对自然语言的理解程度。深度学习方法得益于可以自动化地学习到给定任务的最优特征表示,在许多研究中取得成功,也包括文本匹配。针对基于文档的自动问答,提出一个基于卷积深度神经网络的语义匹配模型,以便对每一对问题和文档提取特征,并据此计算它们的得分。通过问题和文档之间的交互计算,利用重叠词等文本特征,在中文开放域上的自动问答任务中取得的实际效果证明了该模型的有效性。     

云平台网络多重纹理图像匹配融合方法研究

传统的图像匹配融合方法在匹配多重纹理图像时,很容易出现误差匹配,融合后的图像清晰度不高,轮廓不鲜明,针对上述问题,在云平台网络上研究了一种新的多重纹理图像匹配融合方法。首先,计算多重纹理图像的匹配代价,分析图像像素的相似度和特异性,构建动态规划路径,在不同网络结构下匹配多重纹理图像;然后,建立树状图对图像进行融合;最后,利用视察矫正方法将匹配融合得到的误差点消除。为验证该方法的工作效果,与传统匹配融合方法进行实验对比,结果表明,给出的方法能够清晰地得到像素点云,使融合后的图像轮廓鲜明,画质清晰,适用于图像重构。     

重塑膨胀土制样长度对试样密度分布的影响

在对重塑膨胀土裂隙性问题的单元试验研究中,传统的分层制样法易产生"层间薄弱带",从而影响试验结果的准确性。针对这一问题,采用增加制样高度的单层压实制样方法,探讨了制样高度对重塑膨胀土试样密度的影响。试验结果表明:试样密度沿深度方向变化规律类似,均呈现出顶部大、底部小的分布特征;增加制样高度导致试样顶部与底部密度差及密度变化率发生改变;试样密度变化率随深度分布存在拐点,拐点以上部分密度变化率较小,以下部分较大;随着制样高度的增大,拐点位置向试样下部移动;以拐点位置为基础,初步给出了适合本制样方法的制样高度。     

关于大庆油田电网网损分析及降损优化措施的研究

网损是电力企业重要的经济指标,直接影响着企业的经济效益及技术管理水平,文章结合大庆油田电网网损管理的实际情况,总结管理经验,提出具体的降损措施,并做好了下一步的工作规划。     

基于多尺度高斯核的分布式正则化回归学习算法

针对工业、信息等领域出现的基于较大规模、非平稳变化复杂数据的回归问题,已有算法在计算成本及拟合效果方面无法同时满足要求.因此,文中提出基于多尺度高斯核的分布式正则化回归学习算法.算法中的假设空间为多个具有不同尺度的高斯核生成的再生核Hilbert空间的和空间.考虑到整个数据集划分的不同互斥子集波动程度不同,建立不同组合系数核函数逼近模型.利用最小二乘正则化方法同时独立求解各逼近模型.最后,通过对所得的各个局部估计子加权合成得到整体逼近模型.在2个模拟数据集和4个真实数据集上的实验表明,文中算法既能保证较优的拟合性能,又能降低运行时间.