子集模拟中马尔可夫链蒙特卡洛抽样算法比较

文章着重研究子集模拟中马尔可夫链蒙特卡洛(MCMC)抽样算法的抽样效率与计算精度。首先，阐述可靠度子集模拟的基本原理与中间状态样本生成的各种MCMC抽样算法，在稳态马尔可夫链构造基础上提出延迟拒绝MMH(Modified Metropolis Hasting)算法，通过在MMH算法上增加备选样本的延迟拒绝步提高MMH算法的抽样效率；阐述基于随机游走与基于扩散方程MCMC方法中建议分布的差异，进一步对备选样本接受率为1的preconditioned Crank-Nicolson(pCN)算法和条件抽样(Conditional sampling, CS)算法开展研究，证明两种算法的等价性；推导有效样本量的计算方法，提出采用有效样本量与总样本量的比值定义MCMC方法的抽样效率。通过复杂目标分布的样本生成研究不同MCMC抽样算法建议分布及其参数对备选样本接受率与抽样效率的影响，最后通过计算实例研究子集模拟过程采用不同MCMC抽样算法得到失效概率的相对误差及其变异性，揭示不同MCMC抽样算法对失效概率计算精度的影响。研究表明：不同MCMC抽样算法生成备选样本的接受率及其自相关性受建议分布及其参数影响较大，对于复杂的目标分布，pCN算法和CS算法的抽样效率较高，延迟拒绝MMH算法次之；采用CS算法和延迟拒绝MMH算法进行子集模拟得到的失效概率精度较高且变异性较低；增加子集模拟中间状态样本量可以提高失效概率计算精度并降低其变异性。     

电流模式和焊接方向对316L不锈钢增材制造成形的影响研究

目的 研究电流模式和焊接方向对316L不锈钢增材制造成形、内部微观组织和硬度的影响。方法 保持其他焊接工艺参数不变，采用Pulse、SpeedPulse、SpeedPulseXT这3种电流模式及同向和往复2种焊接方向进行单道多层堆积，采用光学显微镜观察增材制造件的微观组织并用洛氏硬度计测量其硬度值。结果 采用不同电流模式和不同焊接方向会影响增材制造件的冷却速率和凝固方式，进而影响增材制造件的表面成形和力学性能。同方向焊接时，随着电流模式的改变，焊接热输入增大，液态金属的流动性和铺展行为逐渐增强，增材制造件的高度尺寸减小，宽度尺寸增大，熔合线处δ铁素体受冷却速率的影响由块状变为蠕虫状，Pulse模式存在元素偏析;往复方向焊接时，外形尺寸没有明显的变化，熔合线处δ铁素体以胞状和蠕虫状为主。硬度测试结果表明，SpeedPulse模式硬度变化最小，SpeedPulseXT模式次之，Pulse模式硬度变化最大。结论 采用MIG焊进行316L不锈钢增材制造时，不同电流模式会对增材件的成形、内部金相组织和硬度产生影响。采用同方向焊接比往复方向焊接对增材件形貌的影响更大。     

镍基高温合金GH202高温氧化后的微观组织演变

研究了镍基高温合金GH202在800~1100 ℃高温氧化后晶粒、碳化物和强化相的演变过程。采用透射电子显微镜、扫描电子显微镜和电子背散射衍射对其微观结构进行了表征。结果表明：镍基高温合金的硬度随氧化温度的升高而降低，1100 ℃氧化100 h后，硬度降低了43.5%。800和900 ℃氧化后晶粒生长速度较慢，而经900 ℃氧化后晶界碳化物析出显著增加。在1000和1100 ℃氧化后，晶粒尺寸明显增大。氧化过程中晶界迁移是由晶界两侧自由能差决定，温度越高，晶界向曲率中心迁移越快，大量细小晶粒被吞并形成了大晶粒。大块状碳化物（MC）分解成大量的碳原子，与Cr原子结合形成少量的富Cr颗粒状M₂₃C₆。在900 ℃氧化150 h后，M₂₃C₆演化为富Ti的M₆C。随着氧化温度的升高，碳化物在γ相中回熔。在800、900和1000 ℃氧化后，γ′相逐渐长大，在1100 ℃氧化100 h后，完全溶解于γ相。     

基于多变量时间序列及向量自回归机器学习模型的水驱油藏产量预测方法

提出了一种基于多变量时间序列(MTS)及向量自回归(VAR)机器学习模型的水驱油藏产量预测方法,并进行了实例应用。该方法在井网分析的基础上通过MTS分析对注采井组数据进行优选,并将井组内不同采出井产油量及注入井注水量作为彼此相关的时间序列,通过建立VAR模型从多个时间序列中提取出相互作用规律,挖掘注采井间流量的依赖关系从而进行产量预测。水驱油藏历史生产数据分析结果表明,与数值模拟历史拟合结果相比,机器学习模型产量预测结果具有更高精度,同时不确定性分析提升了预测结果的安全性。通过脉冲响应分析对注入井的采油贡献量进行评价,可为注水开发方案调整提供理论指导。     

基于预训练语言模型的关键词感知问题生成

问题生成任务是指根据给定的文本段落和答案来自动生成对应的问题。针对现有问题生成方法存在的误差累积现象以及问题生成任务固有的“一对多”情况，提出一种带有关键词感知功能的问题生成方法。在预训练语言模型的基础上，实现关键词分类模型与问题生成模型的网络结构设计。输入文本段落中蕴含关键词，为使所生成的问题中包含同样的关键词以保证问题与段落的语义一致性，利用关键词分类模型提取出文本段落中的关键词，将关键词与非关键词的区分特征融入问题生成模型的输入中，该特征作为问题生成过程的全局信息，用以消除问题生成模型仅依赖局部最优解的弊端，减少误差累积与“一对多”情况的发生。在SQuAD数据集上的实验结果表明，该方法能够提升问题生成的质量，其BLEU-4指标值可达24，优于带有复制机制、带有语义监督的问题生成模型，目前已经借助百度百科数据平台实现了大规模工业应用。     

我国H12MDA绿色制备技术居国际先进水平

2022年9月3日,陕西煤业化工技术开发中心有限责任公司(简称“陕煤技术中心”)与中国科学院过程工程研究所合作开发的4,4’-亚甲基二苯胺(MDA)催化加氢绿色制备4,4’-亚甲基双环己胺(H12MDA)技术在西安通过了陕西省石油和化学工业联合会组织的成果鉴定。以西北大学化工学院教授李稳红为主任的鉴定委员会一致认为,该技术采用自主开发的高效催化剂,未使用碱液,反应条件温和,达到国际先进水平。