低勘探程度区域油气资源评价方法

目前中国油气资源勘探和开发面临后备可采储量不足，低勘探程度区域受到重视。为了提高低勘探程度区域的资源评价精度，在前人评价的基础上，通过研究并利用勘探程度较高区域的资源评价结果，求准低勘探程度区域的油气聚集量，进而模拟求出其烃排聚系数、储量密度系数、单储系数和单生系数等关键参数，提出了利用练台地质推断法对低勘探程度区域进行评价，并对该方法评价的风险进行了分析。综合地质推断法的成果更能准确反映一个盆地、坳（凹）陷或区带的油气潜力及其分布特征。     

搞好人才资源开发再创西部石油辉煌

西部是中国石油工业的发祥地，也是中国陆上石油工业再次腾飞的双翅。论述了党和国家提出的实施西部大开发战略对加快我国社会主义建设和实现石油工业二次腾飞、再创西部石油辉煌的重要意义。简要阐明了搞好石油企业职工人才资源开发和教育培训与再创西部石油辉煌的紧密关系，并详细论述了中国石油天然气集团公司领导重视，完善体制，建立激励体制，采用多种方式，加强石油职工人才资源开发和教育培训的基本作法、模式以及已经取得的显著成果。     

盆地模拟技术在油气资源评价中的作用

盆地模拟软件系统有一维、二维和三维系统,模拟研究内容不仅涵盖了传统的“五史”——地史、热史、生烃史、排烃史和聚集史,还增加了许多非传统的研究内容。通过对技术现状的分析和总结,认为盆地模拟技术正朝着“系统化”和“工具化”的方向发展。新一轮全国油气资源评价的应用表明,盆地模拟技术在具体应用中不断发展完善并发挥越来越重要的作用:①促进基础地质参数研究的规范化,使资源评价参数更可靠;②解决有效烃源岩原始分布面积、排烃效率和裂解气计算等难题,使生烃量与排烃量的计算结果更准确;③结合多元统计技术的研究成果,更准确地预测油气资源量及其分布。     

浅议广州石化信息资源管理

分析了广州石化信息资源管理存在的问题。企业内部信息资源是管理的难点，需要从控制信息发布作为信息资源管理的切入点。信息资源管理的目的是提高信息服务的水平，信息资源管理中需加强信息服务，提高企业的竞争力。     

国外天然气经济研究动态及建议

国外近期天然气经济研究的重点主要集中在天然气资源及其供应潜力、市场需求预测与展望、天然气工业数据统计与分析、天然气价格分析与预测、LNG的经济问题、市场改革与重组、天然气供应安全等方面。我国天然气经济研究除了继续关注国内天然气工业动态,研究天然气工业和天然气市场发展中的热点问题外,还应加强国内外天然气资源潜力和供需远景、市场管制和运行机制改革、进口天然气资源(包括LNG)的经济问题、天然气供应的安全性与稳定性、国外天然气价格变化与形成机制对我国天然气价格和市场需求的影响等方面的研究。     

基于遗传算法的作战任务分配和资源调度问题研究

在作战行动中出现多任务与多种保障资源合理调度困难的问题十分常见。笔者以任务完成的总时间最短为目标函数构建数学模型,使用遗传算法进行迭代优化得到保障资源调度的全局最优解。对遗传算法进行自适应改进、移民交叉算子操作和迭代条件优化,解决了过早收敛无法求出全局最优解的问题,并使算法运行效率提高了76.4%。仿真实验结果表明：该方法切实可行,可以快速准确地完成多种保障资源调度并形成任务分配方案,满足现阶段作战部队资源保障的现实要求。研究成果在高效完成保障资源调度的同时不产生冗余负担,具有较好的应用价值和发展前景。     

Resource allocation for OFDM relay systems with statistical QoS guarantees

By integrating the concept of effective capacity, we propose the resource allocation schemes for subcarrier‐pair based OFDM decode‐and‐forward and amplify‐and‐forward relay systems for quality‐of‐service (QoS) guarantees. The objective is to maximize the system throughput subject to a given statistical delay QoS constraint. First, we pair the subcarriers over the source‐relay channel and the relay‐destination channel by the descending order of the subcarriers' channel gains. Second, by making use of the derived equivalent end‐to‐end channel gains of the subcarrier pairs, we apply joint water‐filling power allocation over the subcarrier pairs and then partition the power of the subcarrier pairs between the source and the relay. We prove that as the equivalent end‐to‐end channel gains of the subcarrier pairs are given, the combination of sorted subcarrier pairing and joint water‐filling power allocation is jointly optimal to maximize the effective capacity. The simulation results show that our proposed schemes achieve the highest effective capacity for OFDM decode‐and‐forward and amplify‐and‐forward relay systems as compared with other existing schemes. The results also verify that our proposed schemes can efficiently provide different levels of delay QoS guarantees, even if under the stringent delay QoS constraints. Copyright © 2012 John Wiley & Sons, Ltd.     

一种多无线电系统中基于公平性和精细化带宽分配的资源分配算法

该文针对以OFDMA(Orthogonal Frequency Division Multiple Access)为多址接入方式的多无线电系统中用户比例公平性和系统效率问题进行了研究,提出一种联合资源分配算法,不仅保证了用户比例公平性下系统的吞吐量,还充分考虑了分配的带宽是子信道带宽整倍数的特点,对分配给每个终端的带宽进行子信道整数倍调整。最后通过仿真对比,从系统吞吐量和公平性两方面给出了算法的性能。     

基于资源签名的Android应用相似性快速检测方法

由于盗版Android应用（Android Application,简称APP）通常保持着与正版APP相似的用户体验,因此本文提出一种基于资源签名的APP相似性快速检测方法.该方法将APP的资源签名视为字符串集合,利用计算任意一对APP资源签名集合的Jaccard系数判断两者的相似性.为了避免遍历全部的APP对,该方法将MinHash和LSH（Locality Sensitive Hashing）算法的思路引入其中,通过从APP集合中挑选候选对并对候选对进行检验的方式获得最终的检测结果.由于挑选候选对的方式将大量相似性较低的APP对排除在外,因此该方法可以明显地提高APP相似性的检测速度.实验结果表明,该方法的检测速度比现有方法FSquaDRA提高了大约30倍,而检测结果与FSquaDRA几乎完全相同.     

Cloud resource prediction model based on triple exponential smoothing method and temporal convolutional network

The container cloud represented by Docker and Kubernetes has the advantages of less additional resource overhead and shorter start-up and destruction time.However there are still resource management issues such as over-supply and under-supply.In order to allow the Kubernetes cluster to respond “in advance” to the resource usage of the applications deployed on it,and then to schedule and allocate resources in a timely,accurate and dynamic manner based on the predicted value,a cloud resource prediction model based on triple exponential smoothing method and temporal convolutional network was proposed,based on historical data to predict future demand for resources.To find the optimal combination of parameters,the parameters were optimized using TPOT thought.Experiments on the CPU and memory of the Google dataset show that the model has better prediction performance than other models.