一种新型调剖参数优化设计方法研究

研究一种新型调剖参数优化设计方法。以某油田调剖施工井为例,根据油田调剖工艺施工特点将施工参数分为人为可控参数和目的参数,结合灰色关联分析和BP神经网络两种技术实现人为可控参数的优化,预测此人为可控参数对应的调剖结果。     

基于时域有限积分技术的四级串联快脉冲直线型变压器驱动源电磁特性

快脉冲直线型变压器驱动源（FLTD）感应腔内部结构和媒质分布复杂,支路放电时快速上升沿脉冲将使空间离散更为繁密,导致计算量剧增。该文利用时域有限积分理论首次研究4级串联共用、独立腔体结构MA级FLTD在支路放电时的电磁场分布规律。使用场路耦合将电路中电容元件的放电电流作为激励耦合至三维场模型,使用非均匀网格对FLTD初级感应腔内的关键部件剖分网格进行加密处理,使用表面阻抗边界条件描述良导体以降低求解自由度数量,使用基于等效原理的区域分解算法将4级串联FLTD划分为24个不同的求解子区域。结果表明,时域有限积分技术可有效分析FLTD初级腔体内脉冲放电瞬态过程,两种感应腔结构的输出性能和电磁场分布基本一致,4级串联共用腔体结构FLTD设计方案可行。     

低复杂度的空间调制IFDMA信号检测方法

空间调制是近年来提出的一种新型多天线传输技术。本文考虑了空间调制的多址设计,并首次将其与交织频分多址相结合以实现多用户通信。其次,本文根据空间调制交织频分多址的系统模型,提出了一种基于信道QR分解的信号检测算法。再次,还提出了一种简化的信号检测算法,能够有效的降低计算复杂度,且不会影响传输性能。最后,本文通过数值仿真,证明了所提出的空间调制交织频分多址信号检测算法的有效性。     

浅谈大学物理实验教学改革的探索与实践

为了进一步加强高职高专学生的动手操作能力及响应学校新课改的要求,我们对大学物理实验的教学方法、实验内容及考核方法等进行了全面改革,并且实行了物理实验室的网络化,在一定程度上增强了实验室的对外开放性。促进了教与学的相互提高,在很大程度上调动了学生学习的积极主动性,使得学生的实践能力、创新能力等得到了明显的提高。     

GOOSE技术在继电保护中应用的研究

对IEC61850标准中的报文快速传输机制(GOOSE)进行深入研究。基于IEC61850标准,应用GOOSE快速报文机制,使用GOOSE报文来传送启动、合闸、跳闸、闭锁等实时信号,通过信息共享的方式来提高数字化保护的可靠性和选择性进行理论分析和实际应用研究,并分析了GOOSE报文机制的实时性、可靠性和安全性,对其中存在的诸多问题进行探讨并提出相应措施加以解决。     

内蒙古某地浸铀矿山氡的控制措施

介绍了内蒙古某地浸采铀过程中氡及其子体释放的规律,结合地浸矿山工艺提出了控制地浸采铀过程中氡浓度的防护措施。利用大气辐射与监测技术,采用"两封一通"、作业分区处理、合理布局、统一处理、加强通风等方法,降低生产过程中氡对人员健康产生的影响。对大气环境及个人剂量的监测结果表明:周边环境氡最大平均活度浓度为10.7Bq/m~3,氡子体潜能浓度为0.006μJ/m~3,远低于国家标准限值;个人职业照射剂量符合要求,控制措施可行有效。     

税收数据大集中的问题和对策

税收数据大集中是税收信息化建设的必然，其优点已经是不言而喻的了。但在实际实施中，又必须面临许多不得不正视和解决的问题，并寻求解决之道。     

基于EJB分布式应用的动态配置

分布式应用程序在配置时需要引入传输和同步到应用程序代码的高级特性,EJB与CCM组件模型允许程序员声明其服务必须添加到组件的配置描述。然而,这种方法不允许将新服务动态地添加到整体组件。文中提出一种方法允许应用程序在运行时将新服务添加到整体组件。当一个新服务添加到一个组件时,已经运行并存在的服务组件通过平台进行动态地管理。     

分布式对象系统的角色安全访问控制

角色安全访问控制如何在分布式对象系统中实现越来越受到人们的重视。本文提出一种新方法具有自动角色激活的安全中间件组件,是一种容易觉察安全的基于角色访问控制应用系统。基于角色访问控制已经被认为是传统随意性与强制性访问控制模型的整合。     

基于代价敏感思想和自适应增强集成的SVM多分类算法

针对数据识别分类在传统的支持向量机(SVM)个体分类器上正确识别率不理想的问题，提出一种基于代价敏感思想(cost-sensitive)和自适应增强(AdaBoost)的SVM集成数据分类算法(CAB-SVM)。在自适应增强算法每次迭代训练SVM弱分类器之前，根据样本总数设置初始样本权值，并抽取样本组成临时训练集训练SVM弱分类器。其中在权重迭代更新阶段，赋予被分错样本更高的误分代价，使得被分错样本权重增加更快，有效地减少了算法迭代次数。同时，算法迭代过程极大地优化了个体分类器的识别鲁棒性能，使得提出的CAB-SVM算法获得了更优越的数据分类性能。利用UCI数据样本集的实验结果表明CAB-SVM分类算法的正确识别率高于SVM和SVME算法。