火山岩圈闭识别描述方法及其应用

中国沉积盆地内火山岩分布广泛，松辽、准噶尔及四川等盆地不断取得重大突破与发现，火山岩已成为我国油气勘探的重要领域之一。松辽盆地长岭断陷发育火石岭组和营城组火山岩，是油气增储上产的重要领域，但其勘探成效直接取决于对火山岩圈闭的识别与刻画成果。与碎屑岩圈闭相比，火山岩圈闭成藏条件要求更为苛刻，储层条件、侧向及顶底板封堵条件是控制火山岩圈闭有效性关键要素。在解剖已发现火山岩油气藏基础上，通过攻关研究，提出了火山岩体刻画和火山岩储层的描述是火山岩圈闭识别的重点。以火山岩岩性圈闭为例形成了火山岩岩性圈闭识别描述“五步流程”，并实际应用于龙凤山鼻状构造带。钻后结果表明，火山岩岩性圈闭与钻前认识整体一致，圈闭落实可靠，验证了火山岩岩性圈闭识别描述技术方法的有效性，推进了长岭断陷火山岩的油气勘探，对国内其他盆地火山岩油气勘探具有一定的指导应用价值。      

基于可穿戴传感器数据的人体行为识别数据特征提取方法

随着可穿戴设备的发展与普及,基于可穿戴传感数据进行人体行为检测展现了巨大的研究价值.目前大多人类行为识别工作都是基于视频图像展开的,然而,使用计算机视觉技术进行人类行为识别存在2个挑战:一是很难使参与数据采集的人员在自然状态下采集真实状态下的运动数据,在开展数据采集之前往往需要对参与数据采集的人员进行培训并严格规范其采集动作,最终得到的数据将是背离真实生活的数据,其研究价值将大打折扣;二是数据采集过程中还涉及采集人员的隐私保护问题.为此,提出一种基于深度学习的数据特征提取方法.首先在灵活设置卷积核的基础上引入神经网络的分支结构多尺度提取原始数据的深度特征;然后将各分支得到的数据特征进行融合并作为下一个卷积层的输入.实验结果表明,与目前主流方法相比,该方法在MHEALTH,WHARF和USCHAD这3个标准数据集上的准确率和召回率都取得了更好的效果.此外,该方法还在2个较新数据集Stanford-ECM Dataset和DATAEGO上做了验证,结果表明该方法具有较好的泛化能力.     

温度对核电站传热管阵列声透射特性的影响

为了研究温度分布对于管阵列结构中的声透射特性的影响，以核电站的实际工况为背景，构建了不同的温度场以及周期性变化的非均匀温度场，利用有限元方法进行数值模拟。结果表明：（1）温度分布会改变管阵列声透射频谱的“禁带”宽度以及中心频率位置。在同一介质中，温度变化对频率较高位置的影响大于频率较低的位置。（2）在同样为10℃的温度差下，当水的平均声速为1 653 m·s^-1、饱和水蒸气的平均声速为522.5 m·s^-1时，介质为水时的禁带宽度及中心频率位置变化较大，即声速大的介质的频谱对于温度的变化更敏感。（3）当温度差在10℃以内，在周期性变化的非均匀温度场和与均匀温度场中管阵列声透射特性在第一中心频率23 996.1 Hz之前，两频谱差别很小，在第一禁带之后会出现明显区别。该研究成果对完善核电站应用的声学检测提供了理论基础。     

CDBN‑IKELM的轴承变工况故障诊断方法

针对现有方法在轴承变工况方面存在的诊断精度低、人工提取特征不充分等问题，提出了基于卷积深度置信网络（convolutional deep belief network，简称CDBN）与改进核极限学习机 （improved Kernel?based extreme learning machine，简称IKELM）的滚动轴承故障智能识别方法。首先，由卷积深度置信网络对原始信号内的故障特征进行深层自适应提取；其次，利用等距特征映射对提取的多维特征进行降维，去除冗余特征信息；然后，采用改进的核极限学习机对特征进行分类，使用粒子群（particle swarm optimization， 简称PSO）对模型重要参数进行优化，实现滚动轴承变工况下的故障识别；最后，将所提方法应用于不同工况下多种轴承故障的诊断。实验结果表明，该方法能够智能有效地识别变工况的轴承故障，诊断结果优于已有的智能故障诊断方法。     

基于VMD和BSA-KELM的高陡边坡位移预测模型研究

边坡位移的时间序列曲线存在复杂的非线性特性,传统的预测模型精度不足以满足预测要求。为此提出了基于变分模态分解的鸟群优化-核极限学习机的预测模型,并用于河北省某水泥厂的边坡位移预测。该方法首先采用VMD把边坡位移序列分解为一系列的有限带宽的子序列,再对各子序列分别采用相空间重构并用核极限学习机预测,采用鸟群算法优化相空间重构的嵌入维度和KELM中惩罚系数和核参数三个数值,以取得最优预测模型。最后将各个子序列预测值叠加,得到边坡位移的最终预测值。结果表明：和KELM、BSA-KELM、EEMD-BSA-KELM模型相比,基于VMD的BSA-KELM预测精度更高,为边坡位移的预测提供一种有效的方法。     

国际青年日:IAEA亚洲核科学技术新学生竞赛北大核心CSCD

2022年5月,一次虚拟核科学技术(NST)教育竞赛的学生和教师获奖者访问了奥地利的国际原子能机构(IAEA)总部,向原子能机构专家介绍他们的项目,并亲身体验核技术的许多用途。每年8月12日是国际青年日,可持续发展需要年轻人的精力、技能和动力。今年的重点是建立和促进更大的代际团结。原子能机构支持这一努力,并正在努力通过在亚洲及太平洋地区举办一系列新的学生和教师竞赛,提高年轻人对核科学技术的兴趣———获奖者将参加2023年对原子能机构在奥地利的实验室和设施的考察旅行。《全球可持续发展议程》所设想的世界是当今青年将继承的世界,因此,他们参与全球发展挑战,熟悉科学支持的解决方案,将是成功的关键。原子能机构核科学技术(NST)学生竞赛通过及早激发兴趣并突出科学改变世界的潜力,帮助我们将接力棒传递给下一代。     

海藻酸钠/脲醛树脂复合微胶囊的缓释动力学特性

采用两步法制备海藻酸钠/脲醛树脂复合微胶囊。在树脂化阶段引入海藻酸钠(SA)参与脲醛树脂(UF)的缩聚反应形成复合壳层,制备了阿维菌素复合微胶囊。通过FTIR、TG、SEM、粒度分析等表征微胶囊的结构特征、组成成分、表观形貌、粒度分布。结果表明,SA的引入可有效改善脲醛树脂微胶囊的团聚现象,提高药物的包覆率至60%以上。释放性能研究显示,复合微胶囊的缓释能力较脲醛树脂微胶囊提高,72 d累计释放率由27.5%增至44.5%,且释放速率受pH、温度的影响,25℃下酸性介质中27d累计释放率超过50%。释放行为均可用Korsmeyer-Pappas动力学模型进行描述。     

柚子核中功能性成分的分离纯化研究进展

我国有丰富的柚子资源,柚子的综合开发利用价值极高。柚子核中的生物活性物质如黄酮类物质和类柠檬苦素化合物,经研究表明具有抗氧化、抗肿瘤、昆虫拒食等功效。分析近年来对植物中的功能性成分的提取分离纯化技术,比较溶剂提取、超声波辅助、超临界流体、亚临界流体不同萃取技术;比较结晶法、柱层析法、高速逆流色谱法、制备型HPLC法不同的分离手段对活性成分的提取优劣,为柚子核中功能性成分的深入研究应用提供依据。