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。      

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。     

一种基于机器视觉的表面缺陷快速检测方法

实际生产过程中,产品表面会不同程度地留下污渍和印记,这对基于机器视觉的表面缺陷识别带来严重干扰.基于图案统计分析的识别方法速度虽快,但抗干扰能力弱,出现较高的误判率.基于深度学习的人工智能识别方法计算量巨大,速度慢,难以满足生产实际的高速要求.因此介绍一种改进SIFT算法,并给出了相关参数的设置方法和经验公式,通过实际表面缺陷的检测,对比验证了SIFT算法较强的鲁棒性和抗干扰能力,以及相关参数设置方法的正确性和可行性.实验数据表明,SIFT算法在凹陷类和斑点类缺陷的检出率上具有明显优越性,在裂纹类的误检率上也具有较大优势.特别是在有噪声图像干扰情况下,检出率比神经网络提升了20％,误检率降低了3％.     

腔磁力系统中的诱导透明和快慢光传播

为了在腔磁力系统中实现可控的磁子诱导透明、磁力诱导透明以及快慢光传播,建立了一个混合腔磁力系统.该系统由一个含有YIG球的微波腔和在z方向对球施加一个均匀的偏置磁场组成,并用强泵浦场驱动磁子和弱探测场驱动微波腔.研究表明,通过调节腔与磁子之间的相互作用强度和微波腔与磁子的耗散比,可以增加磁子诱导透明(MIT)、磁力诱导透明(MMIT)的效果和提高快慢光传播的速度.该研究结果可为磁力诱导放大、量子光学操纵和量子信息存储以及灵敏光开关的研究提供参考.     

具有Ricci孤立子的仿Kenmotsu流形

Ricci孤立子在切触与仿切触几何中都是一个研究热点，文中考虑其一分支仿Kenmotsu流形，得到具有Ricci孤立子的Ricci recurrent和φ-recurrent的仿Kenmotsu流形的分类定理。     

基于拼接缝自适应消除和全景图矫直的快速图像拼接算法

针对图像拼接存在色差过渡不均匀、图像倾斜扭曲及拼接效率低的现象，提出一种基于拼接缝自适应消除和全景图矫直的快速图像拼接算法。首先，用尺度不变特征变换（SIFT）提取图像指定区域特征点并用双向K近邻（KNN）算法进行图像配准，有效提高算法效率；其次，利用动态规划思想提出自适应公式找到最优拼接缝并用图像融合算法对其自适应消除，解决拼接缝色差过渡不均匀问题；最后，针对累积拼接误差形成全景图倾斜的现象，利用边缘检测算法提出自适应拟合四边形矫直模型，把原始全景图矫直为一个全新的全景图。所提算法与分块图像拼接和二叉树图像拼接算法相比，图像质量提升了5.84%~7.83%，拼接时间仅为原来的50%~70%。实验结果表明，该算法不仅通过自适应更新机制减少不同图像背景下拼接缝色差过渡不均匀的现象，从而提高了图像质量；而且提高了拼接效率，降低了全景图倾斜扭曲程度。     

一种使用多跳事实的端到端知识库实体描述生成方法

自动化实体描述生成有助于进一步提升知识图谱的应用价值,而流畅度高是实体描述文本的重要质量指标之一。该文提出使用知识库上多跳的事实来进行实体描述生成,从而贴近人工编撰的实体描述的行文风格,提升实体描述的流畅度。该文使用编码器—解码器框架,提出了一个端到端的神经网络模型,可以编码多跳的事实,并在解码器中使用关注机制对多跳事实进行表示。该文的实验结果表明,与基线模型相比,引入多跳事实后模型的BLEU-2和ROUGE-L等自动化指标分别提升约8.9个百分点和7.3个百分点。