γ射线扫差在减压塔填料腐蚀评估中的应用

减压塔是常减压装置的关键设备，在正常生产中，无法直观地判断减压塔填料腐蚀情况。一旦出现塔分离效果变差，产品质量不合格，通常填料层腐蚀已相当严重，存在停工检修风险。为了快速评估减压塔填料腐蚀情况，在不影响正常生产前提下，采用γ射线扫查对填料层腐蚀情况进行评估，一方面为工艺调整、延长填料使用寿命创造条件，同时也为停工检修提供依据，本文简单介绍该技术的基本原理、技术特点及减压塔填料腐蚀评估的实际应用情况。     

基于卷积神经网络的京杭大运河遥感影像水质分类算法研究

京杭大运河是世界上最古老最长的运河,并且近年来作为南水北调工程的东线,其水环境安全对沿岸城市具有重要意义。近几年京杭大运河的水污染情况日益引起关注,但在大面积的运河上缺乏具有空间连续监测的监测结果。文章建立小型水质遥感影像样本数据库并设计能够挖掘不同水质信息的卷积神经网络模型来实现对运河水质的快速分类。文章模型的验证精度达到88.0%,测试精度达到84.6%,具有一定的时空普适性,为管理部门提高水环境管理效率提供辅助作用。     

基于卷积神经网络的列车检测算法研究

列车检测作为列车自动驾驶的核心技术,可以有效地降低列车追尾等事故造成的人身危险和财产损失。为实现精准的列车检测,选用改进的卷积神经网络(PVANET)对输入图像进行特征提取,在此基础上,采用候选区域网络,从生成的特征图里滑动搜索,判断出图像中可能为列车的区域位置,并进一步采用快速区域卷积神经网络对每个候选区域进行分类,计算出其所属类别的置信度,同时精确定位列车。经验证,该方法适应范围广、鲁棒性高,可以有效地检测不同环境光强及不同朝向的列车,保障列车安全,为列车自动驾驶及辅助驾驶提供安全保障。     

基于深度神经网络的眼周识别方法研究

近年来,少限制环境下的生物特征识别技术成为研究热点,眼周识别作为新兴的生物特征识别技术越来越受人们关注。基于深度神经网络的眼周识别方法相较于传统方法能更好地提高眼周识别性能。通过提出一个基于ResNet20和softmax的眼周识别方法,在两个公开的眼周数据集上实验验证得到在UBIPr数据集上的EER值为8.19%,在UBIRIS.V2数据集上的EER值为13.18%。与传统的眼周识别方法相比,文章提出的眼周识别方法取得了较好的眼周识别效果,为深度神经网络的眼周识别方法发展提供持续动力。     

开采区油层分层注入开采试验研究

本研究区块目的开采油层处于合采的开采情况下,开采过程中油层之间矛盾和油层内的平面矛盾显著,为了使油层达到增产稳产的条件,及时准确的对油藏开采开发做出准确的调整方案。本文利用单组砂岩体刻画的研究成果,对区块水驱开采的油层,进行加密措施调整,挖潜开采区块油层的剩余油。同时提出了把同一组注采井组作为一个调整方案、把油层内的剩余油相对富集集中的单组砂岩体作为研究对象,并按照同一个注采井组进行重新组合开采井组的注采关系。     

改进的基于CNN的高光谱遥感图像分类办法

由于高光谱遥感图像光谱维度大,标注样本相对较少,提出了一种结合主成分分析和改进的二维卷积神经网络的高光谱遥感图像的分类方法。首先,通过主成分分析,降低光谱维度,消除光谱亢余信息。然后,将数据进行分块处理,获得分块数据的样本标签,并将数据分为训练集和验证集,用训练集和验证集训练改进的针对高光谱遥感图像分类的卷积神经网络的参数。最后,将测试集投入训练好的2D-CNN上进行分类,得到分类结果。实验结果表明,提出的模型的分类精度明显提高,从而验证了该方法的有效性和实用性。     

采用航迹特征的智能机型识别

针对空战目标识别中机型自动识别比较困难的问题，提出了采用航迹特征的智能目标识别方法。利用卷积神经网络（Convolutional Neural Network，CNN）分层学习特征的能力，训练CNN算法模型自动地从航迹数据中学习有用的特征并分类。利用沿海实地采集的15个类别的飞机航迹数据，经一系列数据预处理后作为智能识别算法的训练和测试数据，在验证实验中描述了算法网络的相关配置,对比了CNN与其他分类器的识别结果。实验结果表明，CNN具有很好的识别性能。     

试述输气管道阴极保护系统存在的问题及解决方法

对于输气管道阴极保护而言,相对是一项比较系统的工程,因此应该采取非常好的措施使其更好地发挥作用。在这篇文章中主要对输气管道阴极保护存在的主要问题进行一定的分析,并且提出相应的解决办法,希望通过这篇文章,可以更好地对当前阶段输气管道阴极保护工作存在的问题进行解决。     

致密砂岩气压裂工艺现状分析

随着我国经济的迅速发展,我国对能源的需求越来越大。因此,我国加大了对气田的开采力度,在其中也发现了很多不同类型的油气。致密砂岩气作为其中的主要类型,需要对其进行开发,应该采取压裂的方式。在刚开始对气田进行开采的时候,利用压裂技术能够在很大程度上提高单井的产量,但是随着开采的不断深入,油气层中的储层类型也变得更加多样化,导致压裂技术在后期的开采过程中得不到理想的效果。而且在随着国家倡导环保意识,以及成本的压力的增加,我们应该对致密砂岩气压裂工艺进行深入分析,了解其现状,并对其进行不断的优化和完善。     

基于冠层光谱和BP神经网络的水稻叶片氮素浓度估算模型

[目的]快速、准确地诊断水稻叶片氮素营养状况,为水稻氮肥精准管理提供依据。[方法]以江西省农科院8种不同施肥处理的晚稻为研究对象,于主要生育期同步测定了水稻冠层光谱反射率及叶片全氮浓度(Leaf Nitrogen Concentration,LNC),系统分析了原始光谱反射率、一阶微分光谱、"三边"参数以及由350～1 350nm两两波段组合的差值(SD (Rλ1,Rλ2))、比值(SR (Rλ1,Rλ2))及归一化(ND(Rλ1,Rλ2))光谱指数与水稻LNC的相关关系,筛选出敏感参数,并以之为自变量构建了水稻LNC的传统预测模型,另外构建不同指标个数的多元线性与BP神经网络模型,并对模型进行验证。[结果](1)水稻LNC与一阶微分光谱在751nm处的相关性最高(r=0. 822);(2)"三边"参数中的红边面积SDr与LNC的相关性较高(r=0. 687);(3) 750nm附近的红边波段与近红外波段差值组合、550nm附近的绿光波段与近红外波段的比值及归一化差值组合与水稻LNC的相关性较高,以SD (R752,R751)、SR (R534,R1 350)和ND (R534,R1 349)表现最好,相关系数分别为0. 827、-0. 790和0. 788;(4)传统回归模型中以SD(R752,R751)构建的一元线性模型最佳(RC2=0. 665、RV2=0. 750、RMSEV=0. 4%、RPD=2. 034);(5)利用5个指标((R'751、SDr、SD (R752,R751)、SR (R534,R1 350)、ND (R534,R1 349))经逐步回归筛选出的2个指标SD ((R752,R751)和SR (R534,R1 350))构建预测水稻氮素的BP神经网络模型,预测效果最佳,其验证参数值分别为R2=0. 859、RMSEV=0. 302%和RPD=2. 669。[结论]基于单指标构建的传统线性模型计算过程简单但精度略低,而基于2个指标(SD (R752,R751)、SR (R534,R1 350))构建的BP神经网络模型预测精度高于该2指标构建的多元线性模型,表明在指标适合的情况下,BP神经网络对氮素具有较好的预测能力,是一种快速准确估算水稻叶片全氮浓度的方法。