5G核心网业务模型的智能化预测研究

摘 要：核心网业务模型的建立是5G网络容量规划和网络建设的基础，通过现有方法得到的理论业务模型是静态不可变的且与实际网络存在偏离。为了克服现有5G核心网业务模型与现网模型适配性较差以及规划设备无法满足用户实际业务需求的问题，提出了一种长短期记忆（long short-term memory，LSTM）网络与卷积LSTM （convolution LSTM，ConvLSTM）网络双通道融合的 5G 核心网业务模型预测方法。该方法基于人工智能（artificial intelligence，AI）技术以实现高质量的核心网业务模型的智能预测，形成数据反馈闭环，实现网络自优化调整，助力网络智能化建设。     

页岩油储集层压后焖井时间优化方法

建立了考虑毛管压力、渗透压、膜效应以及弹性能的压裂-焖井-生产多过程多相流模型，提出了以产能最大化为目标的页岩油水平井分段多簇压裂后焖井时间优化方法，采用现场生产数据和商业软件验证了该模型的准确性。基于该模型和方法，根据现场压裂压力数据反演裂缝参数，建立物理模型，模拟了压裂、焖井以及生产阶段储集层孔隙压力、含油饱和度的变化动态，并研究了7种因素对最优焖井时间的影响规律，通过开展正交实验明确了最优焖井时间的主控因素。研究表明，随着焖井时间增加，累计产量增量先快速增加后趋于某一稳定值，变化拐点对应的焖井时间为最优焖井时间。最优焖井时间与基质渗透率、孔隙度、毛管压力倍数及裂缝长度呈非线性负相关，与膜效率、注入液体总量呈非线性正相关，与排量呈近线性正相关。对最优焖井时间的影响程度从大到小依次为注入液体总量、毛管压力倍数、基质渗透率、孔隙度、膜效率、压裂液矿化度和排量。     

基于阶段注意力机制的电力线提取算法

电力系统维护是电力系统稳定运行的重要保障，应用智能算法的无人机电力巡检则为电力系统维护提供便捷。电力线提取是自主电力巡检以及保障飞行器低空飞行安全的关键技术，结合深度学习理论进行电力线提取是电力巡检的重要突破点。本文将深度学习方法用于电力线提取任务，结合电力线图像特点嵌入改进的图像输入策略和注意力模块，提出一种基于阶段注意力机制的电力线提取模型（SA-Unet）。本文提出的SA-Unet模型编码阶段采用阶段输入融合策略（Stage input fusion strategy， SIFS），充分利用图像的多尺度信息减少空间位置信息丢失。解码阶段通过嵌入阶段注意力模块（Stage attention module，SAM）聚焦电力线特征，从大量信息中快速筛选出高价值信息。实验结果表明，该方法在复杂背景的多场景中具有良好的性能。     

水平岩层软弱基座危岩体演化过程研究

以重庆市甄子岩29号危岩体为研究对象，基于现场调查和分析解剖，建立UDEC离散元数值计算模型，对其演化变形过程进行模拟分析。研究表明，在巨大的自重作用下，由于基座岩体岩质软，岩体较破碎，且基座外侧为直立的陡崖，具有完整的临空面，从而使基座岩体易发生压缩流变及剪切流变，进而使危岩体存在滑移垮塌的危险。     

microRNA在亨廷顿病中的研究进展

亨廷顿病(Huntington's disease, HD)是神经退行性疾病(neurodegenerative disorders)中一种单基因遗传病,由亨廷顿基因(the huntingtin gene, HTT)第一个外显子中的CAG三核苷酸序列重复扩增引起,尚无法治愈。HTT编码的蛋白产物被称为亨廷顿蛋白(Huntingtin protein, Htt)。突变亨廷顿蛋白(mutated huntingtin protein, mHtt)容易形成聚集体,具有毒性,导致一系列细胞学异常和神经元功能障碍。microRNA(miRNA)在基因转录后水平调控中起重要作用,其表达的改变与HD病理过程有关,成为治疗HD的潜在生物标志物。近年来,对一些特定miRNA在HD中调控机制及靶基因预测方面的研究可为HD提供潜在的治疗方法。本文就miRNA在HD中的相关研究进展进行综述。     

波纹角对波纹竖板冷凝换热特性的影响

为了提高板式换热器的换热性能,探究换热板片的波纹角对波纹竖板冷凝侧换热特性的影响,优化其结构参数,采用建模计算的方法定量分析了波纹角对板片换热面积、液膜下落时间、流体努塞尔数、摩擦系数等参数的影响,并用可视化实验观察了不同波纹角下液膜流动路径的特点。分析结果表明,波纹角的变化对板片换热面积影响很小,可以忽略。波纹角越小,液膜下落时间越短,排液速度越快,液膜厚度越小,越有利于冷凝传热。波纹角越大,冷凝液的流动路径越接近波纹状流型,扰动越剧烈,增大了流体的雷诺数和努塞尔数,且雷诺数值越大,努塞尔数对波纹角的变化越敏感。流体与波纹板的摩擦系数也会随着波纹角的增大而增大,蒸气冷凝时产生的摩擦压降也越大。     

基于多体动力学的大尺寸模锻过程长轴类坯料定位

大尺寸热模锻工艺中坯料操作放置困难,在模具上的定位精度会强烈影响最终锻件质量及所需设备吨位。为实现在实际模锻过程中,长轴类坯料在复杂模具上的快速便捷的定位过程,以某超长铁道异形件的整体锻造工艺预锻过程中坯料定位为例,从运动学势能分析出发,基于多体动力学分析软件Adams对初始坯料位置姿态偏差下的最终坯料定位偏差进行预测。在正交试验预测结果的基础上,分析了各初始偏差因素对最终坯料定位状态的位置偏差及姿态偏差的影响,并给出了可行的辅助定位方式来提升坯料初始位置的定位精度裕度,最后通过塑性成形过程仿真加以验证。