中扬子及邻区层序地层与原型盆地演化

中扬子及邻区原型盆地可划分为 9个大层序,其中,1～6大层序由中、古生代海相地层组成;第 7大层序为早、中侏罗纪的陆相沉积;第 8大层序为晚侏罗世的前渊沉积;第 9层序为晚白垩世至第三纪的伸展盆地。震旦纪,中部地区为台地相环境,向南为浅海陆棚环境,向北以陆表海为主;寒武纪至早奥陶世为典型的大陆边缘盆地;中、晚奥陶世至志留纪为裂谷盆地发展阶段;泥盆纪至石炭纪该区发生广泛海侵,与华南海域和太平洋海域多处相连;二叠纪至早、中三叠世为原型盆地的重要转型时期,随着分隔秦岭微板块与扬子板块的勉略古洋盆向东打开,扬子北缘由前期的区域性隆起转变为向北加深的大陆边缘盆地;晚三叠世经历了两次幕式旋回,巴东组沉积时期盆地沉降缓慢,九里岗组沉积时期则较快;早、中侏罗世原型盆地早幕 (早侏罗世)沉积缓慢,晚幕 (中侏罗世)快速沉降,以水下沉积作用为主;晚侏罗世可划分为两大构造演化阶段,早期构造活动相对平静,晚期强烈;晚白垩世至老第三纪,盆地范围缩小,以湖泊、河流体系为主。由此,中扬子及邻区在地质历史时期经历了 4种不同性质的原型盆地,具有幕式充填特征。     

苏北及邻区前志留基础层的综合地球物理研究

在前新生代油气资源选区评价中，前志留面之下未变质沉积地层（简称前志留基础层）的分布具有重要的参考价值。从提高纵向分辨率的处理和反演技术的应用入手，结合约束条件,利用大地电磁测深数据反演,揭示前志留面等界面的埋深和分布；同时应用小波分析技术，从磁场中分解出区域磁异常，反演结晶基底的埋深。通过这2个界面埋深的差异来分析前志留基础层的分布     

Excavation of Inlet Tunnels at Geheyan Power Station

1　ＯｖｅｒｖｉｅｗＴｈｅＧｅｈｅｙａｎＰｏｗｅｒＳｔａｔｉｏｎｈａｓｆｏｕｒｃｉｒｃｕｌａｒｉｎｌｅｔｔｕｎ ｎｅｌｓ，ｏｎｔｈｅｒｉｇｈｔｂａｎｋｏｆｄａｍｓｉｔｅ，ｗｉｔｈｔｈｅｉｒｅｘｃａｖａｔｉｏｎｄｉ ａｍｅｔｅｒｏｆ 11．3ｍｔｏ 12．5ｍ，ａｆｔｅｒ ｌｉｎｉｎｇｄｉａｍｅｔｅｒｏｆ 9．5ｍ，ａｘｉｓ ｔｏ ａｘｉｓｓｐａｃｉｎｇｏｆ2 4ｍ．Ｔｈｅｔｈｉｃｋｎｅｓｓｏｆｐｉｌｌａｒｓａｒｅｅｑｕａｌｔｏｔｈｅｔｕｎｎｅｌｄｉａｍｅｔｅｒ．Ｔｈｅｉｎｔａｋｅｃｅｎｔｅｒｉｓａｔｅｌｅｖａ ｔｉ…     

二进制分辨矩阵在连续属性约简中的研究

针对二进制分辨矩阵无法处理连续型数据,提出一种基于邻域的改进二进制分辨矩阵及其属性约简方法。实验结果表明,与先数据离散化,后属性约简的方法相比,利用文中方法提取出的特征属性的分类能力更高。     

邻域等价关系诱导的改进ID3决策树算法

经典ID3决策树算法适用于离散型数据分类,但用于连续处理时需要数据离散化容易导致信息损失。提出邻域等价关系从而诱导邻域ID3(NID3)决策树算法,NID3算法改进了ID3决策树算法,能够直接实施连续预测并获取更好的分类效果。在邻域决策系统中,挖掘一种邻域等价关系;基于邻域等价粒化,构建邻域信息度量;基于邻域信息增益,设计NID3决策树算法。实例分析与数据实验均表明,NID3算法具有连续数据分类预测有效性,在分类机器学习中优于ID3算法。     

A comparative study between dynamic adapted PSO and VNS for the vehicle routing problem with dynamic requests

Combinatorial optimization problems are usually modeled in a static fashion. In this kind of problems, all data are known in advance, i.e. before the optimization process has started. However, in practice, many problems are dynamic, and change while the optimization is in progress. For example, in the dynamic vehicle routing problem (DVRP), new orders arrive when the working day plan is in progress. In this case, routes must be reconfigured dynamically while executing the current simulation. The DVRP is an extension of a conventional routing problem, its main interest being the connection to many real word applications (repair services, courier mail services, dial-a-ride services, etc.). In this article, a DVRP is examined, and solving methods based on particle swarm optimization and variable neighborhood search paradigms are proposed. The performance of both approaches is evaluated using a new set of benchmarks that we introduce here as well as existing benchmarks in the literature. Finally, we measure the behavior of both methods in terms of dynamic adaptation.     

基于邻域彩色变化矢量场的图像边缘检测技术研究*

首先进行了边缘检测系统结构设计,建立了图像邻域彩色变化矢量场的数理模型,提出了用图像邻域彩色变化方向锐度描述图像边缘,进而应用模糊聚类自适应检测边缘.实验表明:与基于梯度的边缘检测技术相比,该方法在噪声抑制以及边缘准确定位上均取得了好的效果,是一种应用广泛的优秀边缘检测算法.     

一种基于压缩感知的邻域优化算法

非线性降维方法是目前对降维研究有着重要影响的方法,但在降维过程中经常会遇到局部邻域信息量不足、短路和噪声干扰等问题,严重影响降维效果,很难广泛应用于真实数据的处理中.对以上问题分析发现,其主要原因在于经典降维算法都是采用全局固定的邻域大小.提出了一种基于压缩感知的邻域优化算法,运用压缩感知技术对高维空间目标点近邻进行压缩采样,构建“收—放”模型,自适应得到最优子空间,同时优化邻域组成元素,使得数据的整体降维效果更加稳定.通过手工流形和真实数据集的实验,验证了算法的有效性和稳定性.     

变邻域分解多目标自适应差分进化算法

分解方法是处理复杂问题常用的一种手段,而差分进化算法被广泛地应用于多目标优化问题(multiobjective optimization problems,MOP),为了克服经典差分进化算法和分解方法的缺陷,本文提出了一种自适应差分进化算法和变邻域分解方法相结合的新颖算法一ADEMO/D-ENS,该算法采用Tchebycheff方法将多目标优化问题分解成多维标量优化子问题,并利用邻域子问题的信息进行优化,基于邻域种群集依概率自适应选择邻域种群规模;同时采用概率匹配(]probability match,PM)自适应方法从差分策略池中选择差分进化策略;同时分析了算法的复杂度;最后,通过和经典的非支配排序遗传算法(non-dominated sorting genetic algorithmsⅡ,NSGA-Ⅱ)和多目标差分进化算法(multi-objective differential evolution algorithm,MODE)仿真对比,说明ADEMO/D-ENS方法可以更有效的处理多目标优化问题.     

融合动态层次聚类和邻域区间重组的蚁群算法

针对蚁群算法搜索速度过慢以及解质量不足等问题,提出一种融合动态层次聚类和邻域区间重组的蚁群算法。在初始阶段,调整层次聚类阈值并按照类间距离最小合并的原则迭代至目标簇集,根据预合并系数进行簇间合并,通过蚁群系统得到小类路径并断开重组以加快算法整体收敛速度;接着使用蚁群系统对解空间进行优化,同时并行处理簇集与簇集邻域区间扩散重组,增加解的多样性,进一步固定迭代次数进行比较,若邻域区间重组解质量优于当前优化解则进行推荐处理,提高解的精度;当算法停滞时,引入调整因子降低各路径信息素之间差异以增强蚂蚁搜索能力,有助于算法跳出局部最优。实验结果表明,在面对大规模问题时,算法的精度在3%左右,该方法相比传统方法可以有效提高解的精度和收敛速度。