深度学习识别光网络单元故障的设计与应用

为解决依赖装维上门鉴别光网络单元故障带来的不便,可以从机器视觉入手实现自动化故障识别。近年,ImageNet挑战赛的成功推动了物体识别技术的跨越式发展,特别是基于卷积的深度学习技术在视觉识别方面已经达到人类水平,为光网络单元故障的自动识别提供了技术基础。文章对识别光网络单元的工作状态进行了研究,将设备工作状态分为7个场景,提出了利用手机APP采集图片识别故障的解决方案并投入了实际生产;重点阐述了深度学习模块的设计与实现,提出一种通过算法整合的方式综合运用物体检测和图像分类算法,分3阶段逐步求精,解决了图片过滤,光网络单元型号和状态识别等问题,实现了基于计算机视觉自动识别光网络单元故障。从数据上看产品的端到端准确率超过84%,识别速度达到10 FPS,月均提供服务超过1万人次,在减少用户等待的同时节约了人力资源。     

常村井田王庄村部分民房损坏原因实测与分析

针对地面居民房屋相继损坏这一问题,通过井上下实测、研究、计算,得出:王庄村部分民房损坏与常村煤矿采煤有一定关系,理清了常村煤矿应承担的法律责任,为常村煤矿赔偿提供了有力的技术依据,也保护了房屋受损村民的合法权益。     

属性分析技术应用于断陷盆地沉积相带划分

断陷盆地的油气勘探,对各种类型储层的研究是必不可少的,而湖盆沉积的各种储集层,主要表现为各种扇,包括扇三角洲,浊积扇、滑塌扇等。为了寻找优质的扇体储集层,就必须对扇体的沉积相带开展仔细研究。在划分沉积相方面,应用最为广泛的技术就是地震属性分析技术。本文主要讲述了在具有三维地震资料的情况下,综合应用地震属性分析技术成功地划分了沉积相和沉积微相,对扇体的岩性和物性都有较好的预测,为后续的油气勘探提供了技术支持。     

大型集会高负荷场景流量经营保障

文章论述随着智能机的普及和用户习惯的改变,天翼网络3、4G用户规模大幅度的增长,网络负荷逐步加重。尤其在集会场景中用户高度集中,话务流量并发产生,给覆盖区域的小区造成极大的负荷压力,很容易出现网络过载、底躁抬升、大部分用户无法接入的现象,严重影响客户感知的问题。本案例为宝安体育馆酷派年会成功保障的实际案例,通过合理规划网络资源、充分提高网络的资源利用率、差异化设置系统参数有效满足大量用户并发使用的需求。     

因素空间理论下基点分类算法研究

目前，基于因素空间理论的背景基提取算法计算过程复杂，初始化必须依赖各因素极值，基点数量提取冗余等原因，未能在应用中取得很好效果。为此，结合内点判别法和知识可继承、可扩展的思想，提出一种计算简单、初始化独立、基点数量小的改进的背景基提取算法。然后，利用改进的背景基提取算法构造出一种全新的数据分类算法-基点分类算法，基点分类算法以提取每一类样本的背景基为预测模型，再通过新定义的λ-背景基，优化预测模型。数值实验表明:基点分类算法原理简单、构造难度小、分类模型泛化能力强，预测能力准确率高，同时严格的模型限定区域又能为识别新类别提供新方法。     

测井资料在优选压裂层位中的应用

压裂是低孔、低渗油层改造的主要增产措施。根据常规测井资料、岩石物理实验分析数据及试油成果。研究储层四性关系，确定区块的低孔、低渗储层评价标准。进一步对油层进行分类，有针对性地为油层压裂提供施工层位和准确的储层参数。通过商543区块实例，阐述了选择压裂层位的方法。     

接轨站设置位置和布置图型的影响因素及其分类

通过对接轨站设置位置和布置图型主要影响因素的分析。按照能够充分反映接轨站作业特点的交接方式。对接轨站所采用的布置图型进行了归纳和分类。