改进大气散射模型实现的图像去雾算法

传统大气散射模型在图像去雾的求解过程中通常假设场景入射光为全局常量,然而这种假设并不合理,为此提出一种基于改进大气散射模型的图像去雾算法.首先基于亮通道先验和模糊聚类对雾图进行场景分类,并估计出各个场景的入射光照;然后根据光学辐射特性估计出场景结构,并利用雾气浓度估计模型进一步获得透射率的表达式;最后通过改进大气散射模型恢复出无雾图像.大量对比实验结果表明,该算法能够恢复出细节丰富、清晰自然的无雾图像,计算速度相对较快,能满足一般工程的实时性要求.     

象山煤矿11~#煤层带压开采危险性预测

采用突水系数法对象山煤矿北一采区11#煤层突水危险性进行了预测,结果显示,北一采区西北角、东南角属于相对安全区,突水系数0.06 MPa/m,北一采区北部B6孔附近为相对危险区,突水系数在0.1~0.119 MPa/m之间,其它区域处在临界区。该研究成果可为矿井防治水提供参考依据。     

结合深度学习的网络邻居结构研究及应用

通过研究网络的拓扑结构可以探索到丰富的知识,特别是网络中节点的邻居可以形成不同的邻居结构,而不同的结构蕴含着不同的意义,进而也有着不同的影响。实际上,邻居结构与节点的交互行为之间是互相影响、互为因果的。对三种最为普遍的邻居结构进行分析,并提出结合深度学习的网络邻居结构影响力模型DNSI(neighbor structure influence based on deep learning)。通过对图片格式的网络数据提取特征,DNSI可以得到三种邻居结构影响力。分别在几个真实世界网络数据集上进行节点属性预测、类别中心度度量和用户行为预测等任务,实验结果表明该模型在绝大多数情况下具有优越性。     

基于注意力机制与文本信息的用户关系抽取

随着社交媒体的发展,用户之间的关系网络对于社交媒体的分析有很大的帮助。因此,该文主要研究用户好友关系检测。以往的关于用户好友关系抽取的研究主要基于社交媒体上的结构化信息,比如其他好友关系,用户的不同属性等。但是,很多时候用户本身并没有大量的好友信息存在,同时也不一定有很多确定的属性。因此,我们希望基于用户发表的文本信息来对用户关系进行预测。不同于以往的潜在好友推荐算法,该文提出了一种基于注意力机制以及长短时记忆网络(long short-term memory,LSTM)的好友关系预测模型,将好友之间的评论分开处理,通过分析用户之间的评论来判断是否具备一定的好友关系。该模型将好友双方信息拼接后的结果作为输入,并将注意力机制应用于LSTM的输出。实验表明,用户之间的评论对于好友关系预测确实有较大的实际意义,该文提出的模型较之于多个基准系统的效果,取得了明显的提升。在不加入任何其它非文本特征的情况下,实验结果的准确率达到了77%。     

核电厂硼加热系统备用伴热缆异常投运原因分析

介绍了秦二厂３/４＃机组硼加热系统的作用,并对主控室长期存在的硼加热系统相关报警原因进行分析,结合理论设计核对了现场伴热缆的选型情况;依据现场设备布置情况而制定了相应的解决方案,而且通过试验和长期跟踪较好地解决了8RRB301AA 因设计布置等原因造成的故障,为其他同类故障的处理指明了方向。     

庄河地区水资源现状浅析

本文通过对庄河地区水资源的分析及未来需水量的预测,计算其区域余水量。以确定区域经济的规划。     

高浓度聚合物驱提高采收率方法实验研究

为探索一种新的提高原油采收率的方法,在外形尺寸为4.5 cm×4.5 cm×30 cm、气测渗透率0.9~1.0μm2、变异系数为0.72的二维纵向非均质人造岩心上,模拟大庆油田油藏流体性质及温度条件,研究了高浓度聚合物(HPAM)驱注入时机、聚合物相对分子质量、聚合物段塞体积及段塞组合对驱油效果的影响。通过注入大分子量、高浓度聚合物,结合合理的注入方式,在化学剂成本与三元复合驱相当的情况下,采收率比水驱提高20个百分点以上,接近或超过三元复合驱的水平。实验表明,采用高浓度聚合物驱油是一种较好的提高原油采收率的方法。     

美国混合动力汽车增长预测

JD Power and Associates的汽车预测部门就混合-电动汽车的前景报道，在2005～2012年期间，预期美国的混合-电动汽车的销售量会增长三倍多。将来，几乎在汽车市场的各个领域都可买到混合-电动汽车，诸如皮卡、微型车及豪华轿车等。     

基于投影寻踪的径向基函数网络在参考腾发量预测中的应用

径向基函数网络(RBFN)已广泛应用于参考腾发量预测等领域，但常用的K均值聚类和自组织特征映射等方法在求取径向基函数网络隐层节点中心时存在较大不足。针对这一问题，本文引入投影寻踪方法，在投影降维的基础上实现对大量高维数据的聚类，建立了基于投影寻踪的径向基函数网络模型，并将该模型应用于山西潇河灌区参考腾发量的预测，研究了不同气象因子输入对参考腾发量预测精度的影响。结果表明，基于投影寻踪的径向基函数网络具有较强的适用性，只需使用最高温度、最低温度、日照时数和旬序数作为输入因子，就能以较高的精度预测参考腾发量。