非常规气井产量递减与EUR预测方法评述

针对非常规气井产量递减与EUR(预测最终采收率)结果差别大、准确率不高的问题,对Wattenbarger线性流法、PLE幂指数递减模型法、SEPD扩展指数递减模型法等各种方法的理论基础和优缺点进行对比分析,评价各种方法的使用对象、所需数据和适用条件。同时,通过对PLE、SEPD、Duong、LGM 4种模型在线性流阶段和拟边界流阶段的预测结果与数值模拟井的预测结果进行对比,并进行实际应用。结果表明:各种常用的非常规气井产量递减方法均适用于不同的地层流态;Wattenbarger线性流、拟恒定流动压力、水平井多级压裂模型3种方法更适用于变产量、变井底流压的流动状况;PLE和Duong模型在生产时间为2 a内预测比较准确。该研究为非常规气井产量预测提供了借鉴。     

一种自主车全局速度的控制方法

本文讨论了自主式地面车辆的全局速度控制问题，提出了速度控制的层次控制方法和速度规划的概念，利用基于规则的知识表示方法和经验过程采样序列的 结合，方便的描述和使用速度控制的常识性知识和经验性过程知识。     

高温熔盐在螺旋槽管内流动与传热的数值模拟

利用Fluent软件对高温三元熔盐在4种不同槽深螺旋槽管内流动传热进行了三维模拟,揭示了高温熔盐在螺旋槽管内强化传热的机理,分析了槽深、雷诺数Re对螺旋槽管传热性能的影响,并进一步对阻力性能进行研究。采用有限容积法对连续性方程、动量方程和能量方程进行离散,采用标准κ-ε湍流模型,用Simple算法求解压力和速度耦合关系。研究结果表明,螺旋槽管3的管内传热努塞尔数Nu模拟值与试验值随Re的变化趋势一致,最大误差为13.5%,且试验值均比模拟值大;在相同的Re下,管内Nu和阻力系数f随着槽深的增加而增加,传热强化效果越好,阻力损失也越大。     

ZSM-5型分子筛对二氧化硫的动态吸附性能

采用ZSM-5型分子筛吸附脱除烟气中的二氧化硫,分析了其动态吸附过程的基本特性,以及硅铝物质的量比、温度、空速等影响因素.结果表明:ZSM-5型分子筛对二氧化硫的吸附符合Langmuir吸附等温线类型,属于单分子层物理吸附.用硅铝物质的量比为38的ZSM-5型分子筛,在温度为25 ℃、空速为700 h-1、入口二氧化硫体积分数为0.3%条件下,测量吸附饱和时间为180 min,饱和二氧化硫吸附容量为0.018 g/g.温度较低、硅铝物质的量比较小、空速较低的条件下,ZSM-5型分子筛对二氧化硫的吸附性能较好.     

红外图像中的道路识别与表示

对机器人视觉导航而言，道路识别和表示是一个非常重要的环节，它直接影响到后续的路径规划。该文针对红外道路图像，提出了基于区域方法的一套处理方案，该方法首先通过分割获得道路区域，利用链码跟踪获取道路边缘的链码。采用了一种通用的道路模型，然后基于链码以及该道路模型，设计了一种有效的道路边界拟合方法。在拟合过程中，首先依据一定的准则把链码分为两段，对于每一段再递归执行该分段过程，直到不能分为止，然后用分段直线去描述道路边界。该拟合算法可以有效地处理直道和非直道的情况。文中给出了相关的实验结果。     

基于SOAP协议的远程工程数据传输

计算机技术的飞速发展、全球经济一体化的不断完成，促使制造企业已不能局限于以往的地区性、集中式的采购、生产销售和服务的制造模式，而代之以全球性、分散式的制造模式。在这一改变中，远程数据的传输和存储无疑是最关键的技术。本文首先分析了目前在异构的异构的平台和应用程序之间远程工程数据传输和存储中的问题，然后介绍了最新的网络传输协议SOAP，提出一种新的解决方案：基于SOAP协议进行远程工程数据的传输和存储，并描述了系统的结构和软件流程。     

一种基于激光雷达传感器的行人检测方法

针对目前基于激光雷达点云的大多数特征不能描述行人目标的形状分布这一问题,本文提出了一种面向地面无人车辆的基于激光雷达传感器的行人检测方法。利用DBSCAN算法所有的非地面激光雷达点云进行聚类,并且提出了一种快速点特征直方图分布特征,用于训练支持向量机分类器进行行人的检测。本文在KITTI OBJECT数据库和一辆地面无人车辆上对方法的正确率和有效性进行了实验,结果表明:验证了本文提出的快速点特征直方图特征相比较于其他的激光雷达特征,可以有效提高行人检测的性能,同时能够满足地面无人车辆对行人检测的实时性要求。     

基于多核学习的协同滤波算法

协同滤波是当前推荐系统中一种主流的个性化推荐算法,通过近似用户对商品的评价进行推荐。核函数是解决非线性模式问题的一种方法。协同滤波通常会选用不同的核函数来分析用户之间的影响关系。由于单核函数无法适应于复杂多变场景。因此,结合多个核函数成为一种解决方法。多核学习能够针对场景来组合各个核函数以获取更好的结果。本文提出了一种基于多核学习的协同滤波算法。该算法在现有核函数的基础上,优化各个核函数的权重以匹配数据的分布。在大众点评数据集和Foursquare数据集上的实验结果表明：基于多核学习的协同滤波算法比经验给定的相似函数的性能要高,具有更好的普适性。     

提升KPCA方法特征抽取效率的算法设计

在PCA基础上发展出的KPCA方法能抽取样本的非线性特征分量。然而, 基于KPCA的特征抽取需计算所有训练样本与待抽取特征的样本间的核函数, 因此, 训练集的大小制约着特征抽取的效率。为了提高效率，假设特征空间中变换轴可由一部分训练样本(节点)线性表出，并设计了改进的KPCA算法(IKPCA)。该算法抽取某样本特征时，只需计算该样本与节点间的核函数即可。实验结果显示，IKPCA在对应较好性能的同时，具有明显的效率上的优势。     

模糊图像盲复原的鲁棒自适应滤波算法

运动模糊图像盲复原是图像处理中的关键问题之一.由于模糊信息估计的复杂性以及图像噪声的影响,现有算法往往难以做到高质量的图像复原.为改善模糊信息估计的效果,提出一种基于自适应线性滤波的改进算法.首先在原有模糊信息估计过程中引入自适应动态线性滤波以抑制噪声影响,达到改善模糊信息估计结果的目的,同时可以起到调整优化目标的作用,使原问题变得较容易求解,从而获得高质量的模糊信息估计;在此基础上提出了改进的重定权值split Bregman迭代法,用于获得模糊信息后求解原始图像的过程中,进一步改善模糊图像复原的效果.实验结果表明,与3种现有的模糊图像盲复原算法相比,该算法能更准确地估计模糊信息,对多数图像复原任务具有更好的鲁棒性,能有效地用于运动模糊图像复原任务.