一种开放式地理信息系统开发平台的设计

为了便于大量动态目标实时地理信息系统的开发,基于开放式地理信息系统,通过系统体系结构和数据处理2方面的设计,给出一种跨操作系统的开放式地理信息系统开发平台的设计方案。该方案所设计的开发平台具有良好的后台数据处理能力和动态刷新性能,同时具有较强的可靠性、开放性和一定的实用价值。     

周期前导结构OFDM帧信号的检测

该文研究了具有多周期前导字WLAN OFDM帧信号在多径弥散信道、存在载波频偏条件下的检测。考虑到接收机自动增益控制(AGC)的影响,帧检测可以看作一个含未知参数的假设检验问题。根据广义似然比检验原理,并利用信号周期性的特点,导出一个具有恒虚警特性、对载波频偏不敏感的帧检测器。文中用广义Lambda分布描述帧检测器在无信号时的统计特性,并根据Neyman-Pearson准则给出一定虚警概率下的判决阈值,最后通过计算机仿真得到帧检测性能。     

针对垂直数据分布数据库的一种关联规则挖掘算法

频繁模式树算法是一种优秀的关联规则挖掘算法．频繁模式树算法的挖掘对象是水平数据分布的数据库，现实中有大量数据垂直分布的数据库不能直接应用频繁模式树算法进行挖掘．本文针对垂直数据分布的数据库，提出一种有效的频繁模式树生长算法，只需两次数据库扫描，即可生成相应的频繁模式树．     

基于效用距离的分层多播反馈控制算法

源自适应的分层多播存在着因反馈信息爆炸而导致的缩放性问题，反馈信息合并是一个较好的解决办法。本文给出一个以效用最优为目标的自适应分层多播模型UALM，分析了在反馈树的支持下，通过反馈合并策略实现反馈控制的方法，提出了一种基于加权效用距离的分层多播反馈合并算法。仿真结果表明，该算法能够有效地控制反馈信息数目，同时使得在此基础上完成的动态分层效用接近于不进行反馈合并时的系统效用，满足分层多播的缩放性要求。     

Azeotrope formation in gasoline–ethanol blends. Part 1 – Impact of nonionic on E10 distillation curve

Blending 10?vol% of ethanol into hydrocarbon base gasoline (HBG) increases significantly the vapour pressure of the blend (E10), and exhibits near-azeotrope behaviour that severely affects the shape of E10 distillation curve. The distillation curves of HBG and E10 fuel blend, were constructed using ASTM D86 distillation data, and the areas under each distillation curve, were calculated through the numerical trapezoid rule (NTR) and calculus definite integration (CDI) methods. Consequently, the area due to azeotrope formation (ADAF), was estimated. In this paper, we present the impact of small concentration of nonionic surfactant on the area under distillation curve (AUDC) of E10 fuel blend and the area due to azeotrope formation (ADAF). Also, the influences of the added surfactant on the volatility criteria of the investigated E10 fuel blend were discussed.     

胜坨油田二区沙二段83层储层润湿性变化及对开发效果的影响

胜坨油田二区沙二段80层经过数十年的注水开发，已进入特高含水开发阶段，储层润湿性发生了很大的变化。利用不同含水开发阶段检查井岩心分析资料及物理模拟和数值模拟等技术手段，研究了储层润湿性的变化规律，揭示了储层润湿性变化的机理，分析了润湿性变化对开发效果的影响。研究表明，长期注水冲刷使储层润湿性由弱亲水转变为亲水，而且随着含水率的上升，其亲水性逐渐增强；注水过程中束缚水剥蚀力和界面收缩力的增大是储层润湿性变化的主要原因；储层亲水性增强有利于剩余油的采出和最终采收率的提高，使开发效果变好。     

宝浪油田气测变化规律及解释方法改进

新疆焉耆盆地博湖坳陷宝浪油田开发初期气测特征明显，但经过10年的开发，随着注水量增大，气测异常发生了很大变化，主要表现在C1相对含量呈上升趋势，而重烃组分与全烃的比值呈下降趋势。在这种情况下沿用原来的气测录井解释方法已很难准确划分油气水层。为此，提出了人工神经网络油气水层解释模型，阐述了模型特征参数的优化及确定方式、模型的产生过程和权系数的确定途径，经过反复训练与试验，实际输出与期望输出最大误差小于0．01。应用表明，采用人工神经网络油气水层解释模型更有利于准确评价油气水层，其解释符合率可达到86．7％。     

一种新的混合相位反褶积方法

在地震资料处理中,常用预测反褶积方法提高地震资料的分辨率,它具有两个基本的假设条件:①地震子波是最小相位;②反射系数序列是随机过程。上述假设条件与实际地震子波的混合相位存在较大差别。为此,笔者在借鉴前人研究的基础上,提出了一种新的混合相位反褶积方法。其实现过程为:①根据地震记录的自相关和地震子波自相关之间的关系,由最小二乘法拟合出地震子波的振幅谱,进而计算出地震子波的自相关;②利用计算出来的地震子波自相关设计一个最小相位滤波器,然后加一个延迟量于自相关函数的主对角线上,将最小相位反滤波器分解为一个长度很短的滤波器,再与一个长度较长的滤波器进行褶积,可得到一系列的混合相位子波和混合相位滤波器;③将得到的混合相位滤波器和原始地震道进行褶积,选取一定的判别准则,以选出最佳的混合相位滤波器以及相应的混合相位子波。通过模型试算和实际资料处理可知,分时窗反褶积的效果要好于单时窗反褶积,混合相位反褶积效果好于最小相位反褶积。在分时窗求取地震子波时,为了得到更好的反褶积效果,要注意时窗宽度与算子长度之间的关系。     

神经网络中将任务学习与模型学习相结合的E-H和E-H-W学习方法

本文从获取好的神经网络泛化能力出发,首先提出了将Hebbian学习与增加问题复杂性统一起来的思想,并通过在总的误差函数中增加一限制函数来实现Hebbian学习.基于此,提出了一种将误差驱动的任务学习与Hebbian规则的模型学习相结合的E-H方法.然后,根据模型学习应同时考虑减小网络复杂性和增加问题复杂性的思想,又提出了一种将误差驱动的学习与Hebbian规则、简单的权退化法结合起来,共同来提高神经网络的泛化能力的E-H-W方法.最后通过大量实例仿真将它们与纯误差驱动的方法、权退化法、其它文献中的相关方法进行了比较.结果表明我们的方法具有最好的泛化能力,是很有效的神经网络学习方法.     

基于自适应融合规则的多分辨率图像融合算法

针对可见光与红外图像融合,设计了一种基于边缘检测的自适应融合规则.其思路是对小波变换分解后的高频子图像进行边缘检测,对边缘点的融合采用绝对值取大并一致性检验的方法,而对非边缘点的融合采用基于区域方差的融合规则;对低频子图像的融合采用任一原始图像的低频成分.和其他7种融合规则从不同角度进行了对比实验,结果表明该融合规则即保留了可见光图像的边缘信息,又融合了红外图像的高灰度值信息,而且目标和背景的对 比度变得更好.