内墙涂料施工质量通病及防治方法

介绍了几种常用内墙涂料施工质量通病产生的原因、防治措施和正确施工方法。     

面向反应再生过程的量子粒子群多目标优化

针对催化裂化反应再生过程难以有效解决提升效率、降低损耗、减少排放的多目标优化问题,利用改进的多目标量子粒子群算法进行求解。建立轻油收率、焦炭产率和硫化物排量的多目标优化模型;引入拥挤熵排序更新外部档案,精确估计非支配解集分布性;构造自适应因子以动态调整吸引子,平衡算法的收敛性和多样性;再引入高斯变异进行分段式扰动,增强算法的局部搜索精度,最后求解该优化模型。对某厂催化裂化进行实验,得到轻质油吸收率76.22%,焦炭产率5.72%和硫化物排放量626 mg/m~3的结果,均优于其他比较算法,表明改进后的算法可以快速、准确地获得分布均匀的Pareto最优解,能有效解决反应再生过程多目标优化问题。     

裂缝性油气田地质模型发展现状与趋势——致密油气资源在将来的能源领域将扮演十分重要的角色，我们面临的最主要的技术挑战是，如何刻画地质模型，如何描述裂缝——专访美国得州农工大学石油工程系Akhil Datta Gupta教授

在世界范围内,裂缝性油藏所提供的原油储量占总储量的20％以上,它是一种比较复杂的油气藏类型,在开发时,最关健的问题是如何刻画地质模型以及如何描述油藏中的裂缝。裂缝性油气藏通常用到的两种模型是双孔双渗模型与双孔单渗模型,后者应用更为广泛。塔里木油田是典型的裂缝性油藏,并且具有储层非常深、井底压力高和温度高的特点,世脊上还没有哪个油气田的开发技术可以直接应用到它的开发上。未来、致密油气藏以及其他一些以现有技术还难以开发的油气资源,将在能源供应中扮演越来越重要的角色。     

基于情景感知与移动数据挖掘的行人轨迹预测方法

移动数据挖掘是智能交通领域中各项应用的研究基础,对于理解复杂的人类行为模式和改善城市规划、交通和公共安全有着巨大的潜力。行人轨迹预测立足于移动数据挖掘,从中发现行人的移动规律,致力于在智能机器人、自动驾驶、智慧旅游等许多现代产业中发挥重要作用。考虑到传统的行人轨迹预测模型仅关注时空数据,没有充分考虑人与环境、人与人之间的相互作用以及情景信息,提出了一种基于空间社会力图神经网络(Spatial Social Force Graph Neural Network,SSF-GNN)的行人轨迹预测模型。SSF-GNN可以处理行人的历史轨迹,并从不同场景中提取特征。利用社会力理论量化了行人的互动和情景感知信息。SSF-GNN融合了行人的社会影响和隐藏状态,可以准确预测连续轨迹点。在两个经典数据集(ETH和UCY)上进行了大量的实验,结果表明SSF-GNN的性能优于当前主流算法。平均位移误差(Average Displacement Error,ADE)相较于对比方法的平均值减小了25.6%,最终位移误差(Final Displacement Error,FDE)减小了15.4%。预测行人在未来3.2 s的轨迹点时,现有对比方法的平均准确率为48.6%,SSF-GNN的准确率显著优于最先进的模型,达到67.7%。     

吴凌总经理答行业读者问

吴凌同志任职以来,积极应对经济新常态,践行新发展理念,深入分析行业发展问题,开创性实施以设计为龙头的工程总承包和全过程工程咨询"双轮驱动"战略,坚持守正创新,精诚团结、攻坚克难.