微裂缝性特低渗透油藏产量递减方程及其应用

裂缝系统对于低渗透油藏的经济开发极其重要,微裂缝性特低渗透油藏产量递减规律一直是特低渗透油藏开发生产中的重点问题.以相对渗透率曲线的研究为基础,利用低渗透油藏渗流理论,推导了微裂缝性特低渗透油藏的产量递减方程.分析发现此类油藏产量递减符合指数递减规律,递减指数受多种因素控制,且无水采油期和低含水期是特低渗透油藏开发的重要阶段.研究表明,大庆油区榆树林特低渗透油田东16井区中,无论是单井还是整个区块,其产量递减都符合指数递减.     

毛细管气相色谱法测定水产品中敌百虫残留量

利用毛细管气相色谱法,通过对敌百虫在气相色谱进样口定量裂解产物三氯乙醛的检测,建立了水产品中敌百虫残留检测方法。样品用乙腈提取,石油醚去除脂肪等杂质,乙醚反萃,过无水硫酸钠柱去除水分,乙醚经浓缩后用丙酮定容,经气相色谱-电子捕获检测器(GC-ECD)检测,外标法定量。平均回收率为84.6%～91.9%,相对标准偏差(RSD)为3.44%～13.0%,最低检测限为0.5μg/kg。     

寄居于非旁轴矢量光束的李萨如线的相互作用

从理论和数值模拟两方面研究了寄居于非旁轴矢量光束的两条李萨如线的相互作用。研究发现：李萨如线因不稳定而在传输中消失，并有李萨如奇点出现。当传输距离、振幅因子、离轴距离和光束波长变化时，李萨如奇点的位置，偏振度和李萨如图形可能发生改变，还会发生成对李萨如奇点因带有相反拓扑电荷而接近和湮灭。研究结果对深入理解非旁轴多色矢量光束奇点光学和寻找奇点光学潜在应用具有一定参考价值。     

高速电子开关可靠供电岛拓扑结构及策略分析

阐述高速电子开关的拓扑结构及其功能，包括高速电子开关的两个特征：高信用度和高质量，探讨高速电子开关的开关系统控制和变换器控制策略。     

不同粒度遥感信息的非线性优化Otsu分割算法

遥感影像具有覆盖面广、光谱信息丰富及不同粒度的遥感信息应用需求特点,传统的图像分割算法不能较好地适用于这类图像的信息提取。针对遥感影像多波段的特性和遥感信息不同粒度需求的特点,基于最大类间方差算法(Otsu算法),设计了不同粒度遥感信息的非线性优化Otsu分割算法:(1)引入PCA算法对遥感影像的多波段数据进行降维,降低了遥感影像的信息冗余度;(2)基于最小值判断,添加分割算法的终止条件,提高了不同粒度遥感信息分割的计算效率。最后,以舟山海域的空间地物信息提取为例,比较了非线性优化Otsu分割算法与传统的Otsu、2D-Otsu、K-means、FCM分割算法的优劣性。结果表明,非线性优化Otsu分割算法:(1)兼顾了遥感影像的波谱信息,降低了遥感信息的错分率;(2)通过降低遥感影像的信息冗余,提高了计算效率;以两类地物类别提取为例,与Otsu算法相比,时间效率提高了59.88%;(3)通过添加计算约束条件,求解不同地物类别的分割阈值,满足了不同粒度遥感信息的应用需求。     

多种任务调度混合的IB-LBM并行优化方法

在使用浸入边界-格子玻尔兹曼方法（IB-LBM）求解流场时,为了得出比较精确的结果,往往需要规模较大、较密集的流场网格,这就会造成模拟过程时间长的问题。为了提高模拟的效率,利用IB-LBM局部计算的特点,结合OpenMP中三种不同的任务调度方式,给出了IB-LBM的并行优化方法。在并行优化中混合使用三种任务调度方式,以弥补单一任务调度造成的负载不均衡问题;将IB-LBM进行结构化分解,测试每一结构部分的最优调度方式,根据实验结果选择最优的调度组合方式,而在不同线程数下,最优的组合方式是不同的。优化结果通过并行加速比来检验,可以得出：在线程数较少的情况下,加速比趋近于理想状态;在线程数较多的情况下,虽然线程开辟和销毁的额外时间消耗对性能的优化产生了影响,模型的并行性能仍有了很大的提升。流场的模拟结果显示,在进行并行优化后, IB-LBM对流固耦合问题模拟的准确性并没有受到影响。     

基于迁移学习及气象卫星云图的台风等级分类研究

针对传统卫星云图特征提取方法复杂且深度卷积神经网络（Deep Convolutional Neural Network, DCNN）模型开发困难的问题,提出一种基于参数迁移的台风等级分类方法。利用日本气象厅发布的近40 a 10 000多景台风云图数据,构建了适应于迁移学习的台风云图训练集和测试集。在大规模ImageNet源数据集上训练出3种源模型VGG16,InceptionV3和ResNet50,依据台风云图低层特征与高层语义特征的差异,适配网络最佳迁移层数并冻结低层权重,高层权重采用自适应微调策略,构建出了适用于台风小样本数据集的迁移预报模型T-typCNNs。实验结果表明:T-typCNNs模型在自建台风数据集上的训练精度为95.081%,验证精度可达91.134%,比利用浅层卷积神经网络训练出的精度高18.571%,相比于直接用源模型训练最多提高9.819%。     

不同颜色模型下自适应直方图拉伸的水下图像增强

目的 水下图像是海洋信息的重要载体,然而与自然环境下的图像相比,其成像原理更复杂、对比度低、可视性差。为保证不同类型水下图像的增强效果,本文提出在两种颜色模型下自适应直方图拉伸的水下图像增强方法。方法 首先,进行基于Gray-World理论对蓝、绿色通道进行颜色均衡化预处理。然后,根据红绿蓝（R-G-B）通道的分布特性和不同颜色光线在水下传播时的选择性衰减,提出基于参数动态优化的R-G-B颜色模型自适应直方图拉伸,并采用引导滤波器降噪。接下来,在CIE-Lab颜色模型,对‘L’亮度和‘a’‘b’色彩分量分别进行线性和曲线自适应直方图拉伸优化。最终,增强的水下图像呈现出高对比度、均衡的饱和度和亮度。结果 选取不同类型的水下图像作为数据集,将本文方法与融合颜色模型（ICM）、非监督颜色纠正模型（UCM）、基于暗通道先验性（DCP）的水下图像复原和基于水下暗通道先验（UDCP）的图像复原方法相比较,增强后的图像具有高对比度和饱和度。定性和定量分析实验结果说明本文提出的方法能够获得更好视觉效果,增强后的图像拥有更高信息熵和较低噪声。结论 在RGB颜色模型中,通过合理地考虑水下图像的分布特性和水下图像退化物理模型提出自适应直方图拉伸方法;在CIE-Lab颜色模型中,引入拉伸函数和指数型曲线函数重分布色彩和亮度两个分量,本方法计算复杂度低,适用于不同复杂环境下的水下图像增强。