基于深度学习的显微离焦图像法颗粒深度测量

显微成像条件下的三维流场测量是微通道流动等研究的基础,其难点在于颗粒深度位置的测量。由于显微镜头景深极小,成像时通道内大部分颗粒处于离焦状态。本文首先基于几何光学原理分析了显微成像前后离焦 不对称的特点,随后基于Inception V3卷积神经网络搭建了颗粒深度预测模型,并通过光线追踪方法生成粒径 1~10μm的10种颗粒在深度范围-50～50μm内的仿真显微图像,应用深度预测模型对其进行训练及预测,颗粒深度预测结果显示1～3μm颗粒的相对误差在±13%以内,4～10μm颗粒的相对误差小于±5%。最后在微通道中拍摄粒径分别为2.6μm和5μm的聚苯乙烯微球在深度范围-50～50μm内的显微图像,应用同一深度预测模型进行训练及预测,两种颗粒深度预测结果的相对误差分别为小于±15%和±5%。结果表明,所提出的基于深度学习的显微离焦图像法能够有效测量微通道内颗粒深度位置,为图像法流场测量技术增加了新的思路。     

大庆喇嘛甸地下储气库建设与管理

天然气地下储气库具有优化供气系统、减少干线和压气站投资、季节用气调峰、事故应急、战略储备等优点。大庆喇嘛甸地下储气库是在一个带油环气顶上建设的，是我国投产最早的地下储气库之一，既能保证储气库运行，又能正常开采油环在油气分离处设立了缓冲带。从论述地下储气库库址优选入手，就喇嘛甸地下储气库建设中涉及的库容量测算、注采气系统节点分析、动态系统监测及调整技术等一套系统的储气库开发技术论证，对我国今后地下储气库的设计、建设、运行管理和分析评价等具有一定的指导作用。多年的注采实践证明：利用地下储气库储采天然气，有效解决了大庆地区冬、夏季用气不均衡、保护了油气资源的综合开发和环境。     

松辽盆地白垩系营城组火山机构储层定量分析

根据火山岩形态和内部结构,将松辽盆地白垩系营城组火山机构划分为火山口—近火山口相带、近源相带和远源相带。基于304个钻井岩样的孔隙度、渗透率和压汞法毛细管压力曲线资料,对火山机构3个相带的储层特征分析结果表明,火山口—近火山口相带的储层具有大孔隙、宽长裂缝、孔喉半径大、孔喉分选好的特征,实测孔隙度为2%～25%,平均为7.74%,实测渗透率为(0.01～100)×10^-3μm²,平均为1.99×10^-3μm²,属于中孔高渗储层,局部为高孔高渗储层。近源相带的储层具有中等孔隙、窄小裂缝、孔喉半径较大、孔喉分选较好的特征,实测孔隙度为1%～15%,平均为7.47%,实测渗透率为(0.01～20)×10^-3μm²,平均为0.95×10^-3μm²,属于中孔中渗储层,局部为中孔高渗储层。远源相带的储层具有中小孔隙、宽长裂缝、孔喉半径小、孔喉分选差的特征,实测孔隙度为1%～10%,平均为6.95%,实测渗透率为(0.02～1)×10^-3μm²,平均为0.13×10^-3μm²,属于中低孔低渗储层。目前火山岩勘探的有利目标为火山口—近火山口相带。     

崇钢转炉除尘工艺参数的优化

介绍了崇钢转炉及其除尘系统,分析了影响除尘的因素,对转炉工艺参数进行合理优化后,除尘效果有了明显改善,达到了国家环保标准要求。     

粉末橡胶的开发与研究进展Ⅱ.研究及应用

综述了凝聚共沉法粉末橡胶与粉末接枝橡胶的制备及应用进展,介绍了超细粉末橡胶的开发与应用,并对粉末橡胶的发展前景作出了展望.     

频敏变阻器的合理调整与选用

本文根据频敏变阻器使用中的实际情况,提出了在选择好频敏变阻器后的合理调整问题,全面论述了需要调整的各种情况、有关原因与具体方法,在实用中收到了良好的效果。     

钢坯连续加热炉计算机在线控制数学模型

在离线模型的基础上.开发了加热炉在线计算机控制数学模型;这种模型系统不仅能够最大程度地节能,而且保证了出钢温度的准确控制,结果表明:出炉钢坯温度与目标出炉温度偏差小于15℃.     

中国古典园林三维造型研究

论述了采用层次结构化及参数化三维造型方法，建立一个以造型函数库为核心，从而构造各类、各级园林景观构件表面模型的方法和过程。对于某些非建筑类的园林配景构件，采用了Ｆｒａｃｔａｌ方法进行造型。     

基于改进蝗虫算法优化长短时记忆神经网络的多参数瓦斯浓度预测模型研究

为了高效挖掘煤矿安全监测监控系统海量数据中包含的有效信息,提高煤矿瓦斯浓度预测精度,提出一种改进的蝗虫优化算法(IGOA)优化长短时记忆神经网络(LSTM)的多参数瓦斯浓度预测模型。首先对瓦斯多参数时间序列进行相关性分析和小波去噪;其次通过重构线性缩减因子c、引入柯西-高斯混合变异和最优邻域扰动策略联合改进蝗虫优化算法,提高其全局寻优能力,以此来优化LSTM相关超参数,构建瓦斯浓度预测模型;最后,以实测数据为样本进行实验验证,将提出的模型与BP、LSTM、PSO-LSTM以及GOA-LSTM模型对比,可得到提出的模型具有更好的预测效果,平均绝对百分比误差和均方根误差两种误差评价指标分别为0.531%、2.48×10^-3。结果表明,提出的瓦斯浓度预测模型具有更高的预测性能。     

结合剪枝与流合并的卷积神经网络加速压缩方法

深度卷积神经网络因规模庞大、计算复杂而限制了其在实时要求高和资源受限环境下的应用,因此有必要对卷积神经网络现有的结构进行优化压缩和加速。为了解决这一问题,提出了一种结合剪枝、流合并的混合压缩方法。该方法通过不同角度去压缩模型,进一步降低了参数冗余和结构冗余所带来的内存消耗和时间消耗。首先,从模型的内部将每层中冗余的参数剪去;然后,从模型的结构上将非必要的层与重要的层进行流合并;最后,通过重新训练来恢复模型的精度。在MNIST数据集上的实验结果表明,提出的混合压缩方法在不降低模型精度前提下,将LeNet-5压缩到原来的1/20,运行速度提升了8倍。