风险矩阵法在A水泥工厂风险分级的应用初探

本文介绍“风险矩阵法”进行风险分级工作的基本思路，结合水泥厂的生产特点通过危险有害因素辨识，获得危险源分布情况，采用风险矩阵法对风险进行评估，按风险值将风险等级划分为重大风险、较大风险、一般风险和低风险，为水泥生产企业的安全风险分级工作提供参考。     

基于灰色关联支持向量机的河道预测在S油田N区的应用

由于陆源碎屑盆地储层条件复杂、岩相相变快等因素影响,应用常规地震属性预测河道难以达到精度的要求。以S油田N区XII7-12层系为例,通过地震正演分析得出,不同类型储层的地震剖面反射特征不同,合层层系的地震属性可以作为该区主河道预测的有效尺度。在此基础上,利用灰色关联分析与支持向量机结合的方法,完成N区基于灰色关联支持向量机(GRA-SVM)地震属性预测。经钻井证实,基于GRA-SVM属性预测的钻井符合率较高,借助地震反演预测河道砂边界的优势,通过对聚驱井组动静态资料综合分析,有效解决了S油田N区聚驱井组XII7-12层系的注采系统矛盾,从而进一步验证了基于GRA-SVM属性预测的准确性。综合研究表明,此方法用于河道预测精度较高,可作为复杂地质条件下一种较好的河道预测方法。     

基于多分类支持向量机的隧道挤压大变形预测

介绍了隧道挤压大变形的危害,提出了一种基于四个参数即直径(D),埋深(H),支护刚度(K)和岩石隧道开挖质量指数(Q)的多分类支持向量机(SVM)方法,对隧道挤压大变形的预测进行了研究,解决了隧道变形多分类预测问题,提高了预测精度。     

基于SAOR的Massive MIMO系统信号检测算法

大规模多输入多输出(Massive multiple input multiple output, Massive MIMO)系统采用最小均方误差(Minimum mean square error, MMSE)接收检测方法时存在矩阵求逆复杂度高的问题，已有较多降低复杂度的研究。在降低检测算法复杂度的同时，如何提高算法收敛速度和检测性能一直是人们关注的焦点。本文将对称加速超松弛(Symmetric accelerated over-relaxation， SAOR)迭代算法应用于Massive MIMO系统信号检测中，避免了复杂的矩阵求逆计算，实现了复杂度较最小均方误差算法降低了一个数量级。仿真结果表明，基于SAOR的检测方法通过较少的迭代次数就能逼近最小均方误差（Minimum mean square error, MMSE）算法的检测性能，为Massive MIMO系统中接收信号的快速检测提供了较好的实现方法。