基于3G无线网络的多媒体传输关键技术研究

由于3G无线网络具有高丢包率、信道带宽有限且不稳定等特点,使用传统可靠的TCP协议传输视频,往会造成无线信道拥塞,出现画面延迟长、抖动严重等问题。而使用简洁、实时性更好的UDP协议传输视频,容易造成大量的数据丢失,大大降低视频的质量。针对上述出现的问题,提出了一种结合自适应的加权平均码率传输控制机制和基于TCP/UDP混合协议的视频帧分级传输模型的传输技术,使得视频传输的实时性和画面质量都能达到一个比较好的表现。     

手机游戏的渲染引擎研究

针对目前手机游戏开发中存在的问题,提出了一个自适应的手机游戏渲染引擎的框架——AnyRender。在这个框架中,整合了一个适合于不同手机平台的能有效压缩图像及快速渲染的算法集。使用AnyRender开发的游戏,将根据具体的平台,在算法集中自动选择最适合这个平台的一个算法,减少了因移动设备差异性而带来得移植困难,能有效的利用手机的有限资源。     

基于核极限学习机的多标签数据流集成分类方法

极限学习机因具有高效处理、性能优越以及更少人工参数设定等优点,已成功应用于批处理多标签分类问题.然而,实际应用领域涌现的数据流呈现海量快速、多标签和概念漂移等特点,使得这些传统的多标签分类算法面临精度与时空的挑战.本文提出一种基于核极限学习机的多标签数据流集成分类方法.首先,为适应数据流环境,利用滑动窗口机制将数据流划...     

服藿香正气水后驾车易被当酒驾

藿香正气水是家庭常备的中成药,具有去暑解表、化湿和中、扶正去邪的功效,适用于恶寒发热、头身困重、胸闷腹满、恶心呕吐、泄泻等症状,临床应用很广,     

基于混合法的电网连锁故障评估模型

综合解析法和随机模拟法,提出了基于混合法的电网连锁故障评估模型。应用Markov空间理论建立了计及主保护和远后备保护作用的故障切除概率模型,从而将基于预想事故行为指标和同心松弛法快速筛选出的预想线路故障集划分为不同的初始故障状态,确定出初始故障集;根据实时运行条件下的发电机、线路、负荷的可靠性模型模拟相应的后续故障;基于风险理论定义了连锁故障路径严重度指标,以此评估出系统中的薄弱环节。算例结果验证了该模型的合理性和有效性。     

“双控”地质建模技术的实践与认识——以渤海湾盆地SZ36-1油田为例

目前渤海湾盆地多数油田已进入高含水期开发阶段,油藏模型、油水系统及面临的开发问题十分复杂,严重制约了油田可持续发展。为此,提出一套基于地震反演和沉积微相约束的建模方法,结合渤海湾盆地SZ36-1油田地质资料,以地震合成记录为桥梁,构建了基于相控“硬约束”和地震反演“软约束”的孔隙度模型。可信度分析认为该方法优势体现在：①基于双控的地质模型消除了硬约束的“痕迹”,与岩相砂体发育趋势相吻合,且具有一定的井间预测功能,模型更符合地质认识;②模型具有较高精度的同时降低了地震约束建模的局限性。后验井平均符合率达92.51%,说明地震约束建模技术能够降低地质模型的不确定性,可信度较高。基于地震约束地质模型方法有助于进一步提高水驱采收率。     

干预作业下深水气井井筒水合物沉积规律研究

了解水合物沉积规律,可为深水气井干预作业方案优化及井筒内水合物防治提供思路。在气液两相流动模型的基础上,结合干预作业工具下放引起的热量交换和摩阻梯度变化,建立了干预作业下井筒压力和温度预测模型,采用迭代法对温度和压力模型耦合求解。基于水合物生长动力学模型,结合井筒温度和压力预测结果,建立水合物沉积模型,分析了干预作业下井筒内水合物沉积规律。结果表明,产量的增加导致井筒内压差升高,高产量下泥线处井筒温度较高;随着干预作业工具的下放,井筒内压力升高,但压力升高幅度逐渐减小,井口处压力的最大升高幅度约为3.0 MPa;干预作业工具直径占比小于50%时,干预作业工具直径越大,井筒压力越高;井筒泥线位置是水合物沉积堵塞高风险区域,低产井的水合物沉积速度比高产井的水合物沉积速度快;干预作业工具下放至泥线附近时井筒水合物沉积速度最快,干预作业工具直径占比50%时井筒水合物沉积速度较快。     

X区块二类油层聚合物驱注入参数优选

X区块二类油层目前已进入高含水后期开采,平均含水91.7%。油层水淹程度高,水驱调整难度越来越大,为了减缓产量递减,改善油田开发效果,初步计划对X区块注水开发10年后进行聚合物驱挖潜。通过数值模拟方法,研究该区块聚合物溶液浓度、不同聚合物用量对驱油效果的影响。结果表明:适合该区块的聚合物溶液浓度为1 200 mg/L,最佳聚合物用量为1 200 mg/(L·PV)。     

基于自适应密度邻域关系的多标签在线流特征选择

流特征选择指从以流形式到来的特征数据中选出最优特征子集,现有方法大多在模型训练中需要事先学习领域信息并预设给定参数值。实际应用中,由于不同的数据集数据结构和来源不同,在模型学习过程中研究人员无法提前获取相关领域知识且针对不同类型数据集指定一个统一参数存在巨大挑战。基于此,提出一种基于自适应密度邻域关系的多标签在线流特征选择方法(multi-label online stream feature selection based on adaptive density neighborhood relation, ML-OFS-ADNR),基于邻域粗糙集理论,所提方法在特征依赖计算时无需任何先验领域信息。此外,提出了一种新的自适应密度邻域关系,使用周围实例的密度信息,可以在流特征选择过程中自动选择适当数量的邻域,不需要事先指定任何参数。通过模糊等价约束,ML-OFS-ADNR可以选择高依赖低冗余度的特征。实验表明在10种不同类型的数据集上,所提方法在特征数量相同的情况下优于传统特征选择方法和先进的在线流特征选择方法。