日本国立大学的改革及其对我国地方高校发展的启示

介绍了日本国立大学的改革历史、当前日本国立大学存在的主要问题、日本国立大学法人化改革的基本内容,及其对我国地方高校改革发展的启示。     

扇三角洲沉积储层地质知识库的建立及应用——以北部湾盆地涠西南凹陷流沙港组为例

以北部湾盆地涠西南凹陷流沙港组为例,利用密井网资料,结合现代沉积考察,建立了扇三角洲沉积储层定量地质知识库.通过分析研究,将研究区流沙港组扇三角洲前缘沉积细分为5种微相类型,这些微相砂体有6种叠置模式.对现代扇三角洲沉积考察的定量数据采集统计分析结果显示,辫流坝长宽比为1.65～4.25,辫流坝与辫状水道宽度比为0.65～5.00,该数据为刻画实际地下地质体的展布提供了重要依据.扇三角洲地质知识库显示,辫状水道宽厚比为150～200,辫流坝宽厚比为170～220,分支水道宽厚比为180～230,河口坝宽厚比为400～545.依据地质知识库数据,研究区注水井部署方案将注采井距定在420～800m,现场实施该方案后注水效果好.     

面向21世纪金属压力加工专业教学内容和课程体系改革研究

对传统的金属压力加工专业教学改革的思路、措施提出了“三个适应 ,三个加强” ,对课程设置 ,教学内容进行了较大幅度的调整 ,对取得的教学效果进行了概括和分析     

提高大型扁挤压简寿命的分析研究

介绍大型扁挤压筒的结构及其破坏形式,用有限元法分析了扁挤压筒的受力及其破坏原因,通过优化分析和模拟实验给出了局部预应力结构扁挤压筒的研究结果.     

涠西南凹陷WA油田流一段储层特征及物性影响因素

根据岩芯和测井资料,结合薄片鉴定、扫描电镜分析,对北部湾盆地涠西南凹陷WA油田流一段扇三角洲储层沉积相和储层特征展开了详细全面地研究,并从沉积和成岩作用等方面对储层物性影响因素进行分析。结果表明:流一段为扇三角前缘亚相,包括辫流坝、辫状水道和席状砂3种微相类型。岩石类型主要为长石石英砂岩,成分成熟度中等偏高,结构成熟度中等偏低;储层空间类型主要为原生粒间孔,其次为粒间溶孔和粒内溶蚀孔。喉道形态为缩颈状和弯片状,孔喉类型主要为中孔粗喉型、中孔中喉型和中孔细喉型。孔隙结构特征为储层排驱压力较低、有效孔喉体积大,最大连通孔喉半径和中值喉道半径分布范围广,有利于油气储集。储层物性整体上表现为中孔中渗和中孔低渗特征。储层物性主要受沉积作用和成岩作用影响;沉积作用中沉积微相是影响储层物性的决定性因素,辫流坝微相为中粗砂岩,分选系数小,储层均质,储层质量最好;成岩作用中压实作用是储层物性变差的主控因素,孔隙损失12.5%~17.5%,而溶解作用改善了储层物性。综合分析认为,WA油田流一段储层以砂砾岩和粗细砂岩为主,发育的辫流坝和辫状水道微相沉积储层质量较好,可作为后续油田开发挖潜调整目标。     

神经网络模型的透明化及输入变量约简

由于神经网络很容易实现从输入空间到输出空间的非线性映射,因此,神经网络应用者往往未考虑输入变量和输出变量之间的相关性,直接用神经网络来实现输入变量与输出变量之间的黑箱建模,致使模型中常存在冗余变量,并造成模型可靠性和鲁棒性差。提出一种透明化神经网络黑箱特性的方法,并用它剔除模型中的冗余变量。该方法首先利用神经网络释义图可视化网络;再利用连接权法计算神经网络输入变量的相对贡献率,判断其对输出变量的重要性;最后利用改进的随机化测验对连接权和输入变量贡献率进行显著性检验,修剪模型,并以综合贡献度和相对贡献率均不显著的输入变量的交集为依据,剔除冗余变量,实现NN模型透明化及变量选择。实验结果表明,该方法增加了模型的透明度,选择出了最佳输入变量,剔除了冗余输入变量,提高了模型的可靠性和鲁棒性。因此,该研究为神经网络模型的透明化及变量约简提供了一种新的方法。     

复杂化工过程神经网络模型的透明化

神经网络具有优良的非线性映射逼近能力,广泛应用于化工过程建模,但神经网络建模方法属于黑箱法,所获得的模型缺乏透明性,各变量的解释性差,限制其指导化工企业优化技术决策.结合神经网络释义图、连接权法和改进的随机化测验三种方法,对复杂化工过程神经网络模型进行透明化研究.首先利用神经网络释义图可视化模型,再用连接权法对决策参数贡献率定量分析,最后利用改进的随机化测验,对模型的连接权、决策参数的综合贡献度和相对贡献率进行显著性检验,进而修剪模型.通过对复杂化工过程氢氰酸生产模型验证研究,结果表明该方法获取了过程变量的内部信息,极大地提高了模型的“可理解”能力.因此,本研究为复杂化工过程神经网路模型的透明化提供了一条很好的途径.     

薄板压缩起皱的模拟研究

提出了薄板压缩起皱模拟试验方案,讨论了方案的可行性,试验探明了薄板厚度、亮度、半波夹角与起皱的关系,给出了包括广义折减模数的失稳条件式。