古龙页岩油高温高压注CO2驱动用效果

为了明确古龙页岩油高温高压注CO₂驱动用效果，首先根据页岩压汞和氮气吸附实验结果，给出页岩T2值与孔喉半径转换系数，根据饱和页岩的T₂谱特征，将页岩孔隙分为小孔、中大孔和页理缝；然后通过计算页岩油采出程度，考察吞吐周期、闷井时间、裂缝对吞吐驱油效果的影响，并且分析吞吐后岩心孔隙结构的改变程度；最后对比页岩油CO₂吞吐和CO₂驱替的驱油效果，并给出最优的驱油方式。结果表明：吞吐动用幅度最大的是中大孔和页理缝中的页岩油，小孔中的页岩油采出程度最低，增加闷井时间，页岩油采出程度仅提高0.81百分点，压裂可以使小孔中的页岩油采出程度提高11.33百分点，使小孔中的页岩油得到有效动用；吞吐比驱替可以使页岩油采出程度提高30.98百分点，并且可以动用干岩样中的页岩油，效果优于驱替；驱吞结合驱油方式比只进行吞吐可以使页岩油采出程度提高12.88百分点以上，并且可以大幅度提高小孔中页岩油的采出程度；吞吐后岩心孔隙结构发生明显变化，页岩砂砾含量不同是导致页岩吞吐前后孔隙结构变化差异大的重要原因。研究成果可为古龙页岩油...     

一种改进的自适应增强-支持向量回归机的故障预测方法

针对支持向量回归(SVR)方法对突变故障预测精度较低的问题,提出了一种改进的自适应增强算法(AdaBoost)提升SVR故障预测性能。该方法通过AdaBoost算法获取训练样本中突变点的权重并构造加权支持向量回归机增强突变点的训练,以提高对突变故障预测精度。利用自适应权重裁减方法剔除权重较小的样本点,来提高算法的训练速度。将本文方法用于发动机磨损元素的时间序列预测中,一步预测相对误差达到了0.025. 实验结果表明该方法在保证预测精度的前提下有效地提高了故障预测速度。     

百色水库和龙滩水库淹没土地补偿概算单价比较

通过对百色水利枢纽和龙滩水电站土地补偿概算单价进行比较分析,找出控制土地补偿的关键因素,对 制定广西实施《大中型水利水电工程征地补偿和移民安置条例》办法和编制两工程调整概算,提供参考。     

英汉习语的文化差异与翻译

习语是一种语言在使用过程中形成的独特、固定的表达方式。由于地理环境、社会习俗、宗教信仰、神话故事、社会历史背景等的不同导致了英汉习语的文化差异，使其具有独特的文化内涵，这给习语的理解和翻译带来很大的困难。本文结合实例，提出了英汉习语互译五种有效的翻译方法。     

反应堆温差法液位传感器的研究

国内新建的三代核电技术基于安全考虑,提出了温差法液位测量技术。本文据此设计了一种基于温差法的液位传感器。其根据水与水蒸气的传热系数的显著差异,通过安装于电加热器加热区处热电偶与远离加热区热电偶之间的测量温度差值,判断测点处液位情况。通过软件模拟计算和试验实测数据,证实了所设计的液位传感器结构设计合理,性能可靠,能够有效地判断反应堆内液位变化情况。     

基于Rollout算法的测试不可靠条件下的诊断策略*

实际复杂装备系统测试时存在虚警和漏检,其导致的误诊费用往往超过了测试成本。针对复杂系统故障诊断中诊断精度低、虚警率高的问题,进行了不可靠测试条件下,基于Rollout算法的诊断策略优化方法研究。首先建立综合考虑测试点的故障检测能力、信息量、测试费用以及测试结果信任度的启发函数,然后利用Rollout算法生成诊断策略,最后用阿波罗检测系统实例验证了该算法的优越性。理论和实验表明,Rollout算法的平均测试费用低于贪婪算法,而且计算时间在可接受范围内,因此可用于测试不可靠条件下的诊断策略设计。     

基于模拟退火粒子群算法的不可靠测试点优化

针对实际复杂系统测试与诊断时存在虚警和漏检的情况问题,提出在不可靠测试条件下,基于模拟退火粒子群(SA-PSO)算法的测试点优化方法。首先综合考虑不可靠测试条件下测试点的故障检测能力、故障隔离能力及结果信任度设计了评价测试点性能的启发函数;然后,将该启发函数与测试费用最小原则相结合,并根据测试性指标的要求,构建确保测试点最优的适应度函数;最后,设计基于模拟退火粒子群算法的不可靠测试点优化步骤,并用阿波罗发射系统实例验证了该算法的优越性。结果表明SA-PSO算法能够在满足测试性指标的要求下获得最小测试费用的测试点集,其故障检测率、隔离率都优于贪婪算法及遗传算法。     

基于模拟退火离散粒子群算法的测试点优化

针对复杂系统的测试点优化问题,提出一种基于模拟退火离散粒子群（SA-BPSO）算法的测试点优化算法。该算法利用模拟退火算法的概率突跳能力,克服了基本粒子群算法易陷入局部最优解的缺陷。阐述了该算法在系统测试点优化应用中的流程及关键步骤,并且理论分析了该算法的复杂度。仿真结果表明,该算法在计算时间和测试费用方面都优于遗传算法,能够应用于复杂系统的测试点优化。     

一种快速收敛的多级独立分量分析算法

为了解决传统独立分量分析算法存在的误差累积以及收敛速度慢等缺点,提出了一种多级串联结构的独立分量分析算法.该算法采用三级串联结构消除累积误差,第1级获取一组位于不同向量子空间的降维分离向量,第2级采用维度重构方法获取分离向量的初始迭代值,第3级采用非正交化的串行FastICA算法对初始值进行牛顿迭代来分离独立分量.为加快串联结构算法的收敛速度,采用了高阶收敛的牛顿迭代法对传统的二阶收敛算法进行了优化.理论分析和实验结果表明,该算法消除了传统FastICA算法存在的累积误差,同时提高了收敛速度,缩短了运行时间.