东营凹陷古近系砂岩储集层特征对比

东营凹陷可分为北部陡坡带、中央隆起带和南部缓坡带，由于地质背景有差异，古近系砂岩储集层在不同地区的特征不同：北部陡坡带以近岸水下扇砂砾岩沉积为主，进入晚成岩期的时间早，深度浅，次生孔隙发育中等，主要分布在1650-2450m深度，3200-3500m深度存在第二次生孔隙带，碳酸盐溶蚀和胶结作用在垂向具有分带性；中央隆起带以浊积扇砂岩为主，但由于断裂发育，酸性水活跃，进入晚成岩期的时间也较早，次生孔隙最发育，又分布范围大，1800-3500m深度均发育次生孔隙，碳酸盐胶结弱，储集层物性最好；南部缓坡带以滨浅湖和三角洲沉积为主，进入晚成岩期的时间晚，次生孔隙发育少，北部和中部物性相对差。图4表1参31     

朗盛:助力涂料行业客户提升竞争力——朗盛携高品质颜料和杀菌剂亮相2007中国国际涂料展

朗盛,作为全球领先的特殊化学品企业,每年以不同的形象亮相于中国国际涂料展。2007年,朗盛以一系列用于涂料行业的高品质颜料和杀菌剂亮相,以期助力中国涂料行业客户提升竞争力。期间,本刊特对朗盛无机颜料业务部亚太区负责人韩乐福博士及材料保护品大中华区负责人顾其峰就朗盛产品及市场方面进行了专访。     

基于Tate对的无线医疗匿名监护系统

针对目前无线医疗系统对用户隐私以及数据安全保护力度不足的现状,采用椭圆曲线Tate对和AES,设计了新型的安全可信的无线医疗监护系统,实现对病人身份的匿名认证、医疗数据的安全传输等功能。同时,系统提供对跨平台、异构网络的数据传输,并拥有完备的紧急情况处理机制,具有较大的实用价值。系统创新性地将匿名认证引入无线医疗系统,并结合FPGA板卡的强大运算能力,高效而可靠地解决了在无线医疗系统中的信息安全隐患。     

基于影像特征分析的架空输电线路三维实景建模

随着人们生活水平的不断提高,架空输电线路的规模不断扩大,人为进行输电线路巡视出现了短板,使用三维架空输电线路进行巡视成为了一种发展趋势。由于传统的倾斜摄影测量三维重建技术只针对一般地表物模型有着优良的建模效果,对杆塔和导线的三维建模效果不佳,本文针对传统方法这一缺点提出了一种基于影像特征数据的参数拟合建模方案,使其现场真实状态和三维模型效果更加有效结合起来。最后根据具体建模实例对比了这两种方法的建模整合效果,验证了本文所提出的建模方案的有效性。     

基于学习分类器的多机器人路径规划收敛性研究

近年来,学习分类器LCS已广泛用于基于归纳学习的强化学习领域,但很少用于多机器人领域.提出了一种基于集成强化学习和遗传算法的学习分类器用于多机器人路径规划领域.由于遗传算法具有早熟收敛、局部最优解和占据较大的存储空间等缺陷,针对静态和动态环境因素对多机器人路径规划的不同影响,设计了在静态和动态环境下不同的适应度函数,在理论上推导并证明了信用分配算法的收敛性,为路径规划算法的收敛提供了理论保证.仿真实验结果也表明遗传算法和学习分类器结合用于多机器人的路径规划是有效的,遗传算法的早熟收敛、局部最优解、占据存储空间较大和收敛速度慢等难题得到很大改善,提高了多机器人发现安全路径的能力.所以LCS在机器人领域的应用前景是非常广阔的,是今后需要努力研究的方向.     

XCSG在多机器人强化学习中的应用

XCS分类器在解决机器人强化学习方面已显示出较强的能力,但在多机器人领域仅局限于MDP环境,只能解决环境空间较小的学习问题。提出了XCSG来解决多机器人的强化学习问题。XCSG建立低维的逼近函数,梯度下降技术利用在线知识建立稳定的逼近函数,使Q-表格一直保持在稳定低维状态。逼近函数Q不仅所需的存储空间更小,而且允许机器人在线对已获得的知识进行归纳一般化。仿真实验表明,XCSG算法很好地解决了多机器人学习空间大、学习速度慢、学习效果不确定等问题。     

基于学习分类器的自主地面车在狭隘环境中的路径规划

提出了一种基于学习分类器(LCS)的避碰路径规划方法,设计了集成适应度函数,在确保安全避碰的前提下,解决自主地面车(ALV)在狭隘环境下的路径优化问题.不同环境的仿真实验结果表明,遗传算法和学习分类器结合用于自主地面车的路径规划是收敛的,提高了ALV在狭隘环境中快速发现安全路径的能力.     

基于多LCS和人工势场法的机器人行为控制

基于遗传算法的早熟收敛、局部最优解、占据较大的存储空间等缺陷,提出了一种基于多LCS和人工势场法的机器人行为控制方法,设计了特殊的适应度函数。不同算法的仿真实验结果表明多LCS和人工势场法相结合用于机器人行为控制是收敛的,很大程度上改善了遗传算法的早熟收敛和收敛速度慢等问题。     

耗尽型脉冲神经P系统的矩阵表示及GPU实现

各类P系统并行计算的实现是膜计算的一个研究热点。针对耗尽型脉冲神经P系统,提出了其并行计算的矩阵表示,并以此为基础研究了耗尽型脉冲神经P系统的GPU实现。仿真实验分析了耗尽型脉冲神经P系统的并行计算在GPU上的加速性能,在10次实验中,GPU对CPU的平均加速比为1.4。