地下综合管廊电力舱火灾演化行为和特性

针对2017-2020年国内城市地下综合管廊和电力舱火灾主要相关研究进行综述,总结电力舱火灾研究重点,对火灾演化机理进行简要探讨,并进一步提出未来研究方向.     

融合朋友关系和标签信息的张量分解推荐算法

针对大众标注网站项目推荐系统中存在数据矩阵稀疏性影响推荐效果的问题,考虑矩阵奇异值分解(SVD)能有效地平滑数据矩阵中的数据,以及朋友圈能够反映出一个人的兴趣爱好,提出了一种融合朋友关系和标签信息的张量分解推荐算法。首先,利用高阶奇异值分解(HOSVD)方法对用户-项目-标签三元组信息进行潜在语义分析和多路降维,分析用户、项目、标签三者间关系;然后,再结合用户朋友关系、朋友间相似度,修正张量分解结果,建立三阶张量模型,从而实现推荐。该模型方法在两个真实数据集上进行了实验,结果表明,所提算法与高阶奇异值分解的方法比较,在推荐的召回率和精确度指标上分别提高了2.5%和4%,因此,所提算法进一步验证了结合朋友关系能够提高推荐的准确率,并扩展了张量分解模型,实现用户个性化推荐。     

基于EPNET模型和多期预测的时间序列预测

文中主要研究了基于EPNET(Evolutionary Programming Net)的时间序列预测问题。EPNET是一种进化人工神经网络模型，它能够同时代化网络权值和网络结构。该模型没有采用遗传算法中的交叉算子，而是采用了五个变异算子来获得比较理想的进化效果。在此基础上，提出了基于该模型的时间序列预测算法，介绍了该算法实现时的有关问题。     

断层——低熟油烃源岩排油的控制因素

苏北盆地洪泽凹陷管镇次凹与顺河次凹阜宁组低熟油烃源岩（Ｒｏ〈０．７％）生油史与排油史模拟结果的对比表明，低熟油烃源岩相对于成熟烃源岩通常较难达到含油饱和度排油门限，但是只要低熟油烃源岩区断层发育，在断层作用下石油的初次运移可以发生，并形成工业性油藏。就石油初次运移机理而言，达到排油饱和度门限并不是必要条件，断层可以导致烃源岩在生油主带阶段之前的低熟阶段形成低熟油藏。     

复杂背景下的人脸检测

提出了一种亲折复杂背景下的人脸检测方法。首先,根据图象的灰度直方图,把图象分割成若干子图象区域,然后分别在这些子图象区域中搜索可能的人脸,进行全局特征－奇异值特征的提取,最后根据特征匹配检验的结果作出决策。     

应用于不平衡多分类问题的损失平衡函数

传统分类算法一般要求数据集类别分布平衡,然而在实际情况中往往面临的是不平衡的类别分布。目前存在的数据层面和模型层面算法试图从不同角度解决该问题,但面临着参数选择以及重复采样产生的额外计算等问题。针对此问题,提出了一种在小批量内样本损失自适应均衡化的方法。该算法采用了一种动态学习损失函数的方式,根据小批量内样本标签信息调整各样本损失权重,从而实现在小批量内各类别样本总损失的平衡性。通过在caltech101和ILSVRC2014数据集上的实验表明,该算法能够有效地减少计算成本并提高分类精度,且一定程度上避免了过采样方法所带来的模型过拟合风险。     

高温熔盐在螺旋槽管内传热特性的试验研究

以熔盐为传热介质对不同几何参数的螺旋槽管内的传热特性进行了试验研究,结果表明,与光管相比,螺旋槽管可以有效提高管内传热系数,且槽深的增加有利于强化传热。工作温度较高时,熔盐粘度低而流动阻力小,螺旋槽管的强化传热效果更为突出。通过多元线性回归法得到高粘度和低粘度熔盐在螺旋槽管内努塞尔数的准则方程式,为吸热器的工程设计提供了理论依据。     

粗糙表面接触角滞后现象分析

通过引进滞后张力的方法替代传统研究对粗糙表面凹凸细节的描述 ,解释接触角的滞后现象。采用CCD数字影像技术测量粗糙不锈钢表面的滞后性。结果表明 :接触角的滞后性与表面粗糙度和液相表面张力相关 ,随表面粗糙度的增加 ,前进接触角增大 ,后退接触角减小 ,滞后性增强 ,且以 90°的 Young接触角为界 ,前进接触角和后退接触角的变化趋势不同 ,随液相表面张力的增加 ,滞后性增强。这些实验结果和观察与理论预测相一致     

裂缝储层空气泡沫驱注入参数优化实验

为提高裂缝性油藏空气泡沫驱的采收率,以王窑中西部地区长₆段储层为研究对象,开展前期水驱、空气泡沫驱、后续水驱实验,优化气液体积比、泡沫段塞体积、注入压力、注入速率和注入时机等参数。结果表明:泡沫注入岩心后,含水率迅速降低,采出程度迅速提高,裂缝岩心相对基质岩心封堵更快,但封堵效果较差;注入空气泡沫时间越早,最终采收率越高;最优气液体积比、泡沫段塞体积、注入压力、注入速率与岩心渗透率呈负相关,但因裂缝渗透率较大,渗透率变化对最佳注入参数的敏感性较弱。该研究结果可为低渗透油藏裂缝性储层空气泡沫驱精细化注入提供重要的理论依据。     

基于Actor-Critic帧间预定位的改进SiamRPN模型

目标跟踪在智能监控、无人驾驶、航空航天等领域有广泛的应用,其目的是在视频每一帧中找到运动目标并用目标框将其定位出来,但由于运动模糊、外观变化、遮挡、光照变化和背景混杂等原因,跟踪器在跟踪过程中极易丢失跟踪目标.由于SiamRPN模型搜索目标区域面积较小,模型有丢失目标的风险,为了提高跟踪准确率和成功率,论文提出了一种扩大搜索区域的改进SiamRPN模型ACSiamRPN,利用目标在图像前后帧间的运动信息进行目标预定位的方法,扩大目标搜索区域,借助强化学习中的Actor-Critic方法,训练预定位网络来回归目标位置,并利用预定位结果来校正SiamRPN模型搜索区域中心,从而提高跟踪准确率和成功率.在OTB2013、OTB2015、DTB70、NFS30以及VOT2016数据集上,论文提出的改进SiamRPN模型ACSiamRPN的跟踪准确率和成功率均超越了SiamRPN,运行速度达到65fps,仍然保持良好的实时性能,与当今较为先进的一些跟踪方法相比具有明显优势.