油田生产中数据管理系统设计与研究

油田生产数据管理系统的开发设计,可以实时地获取油田生产的数据信息,并准确地掌握油田生产中的实际状况.从功能需求和技术需求两方面,对油田生产中数据管理系统设计的基本需求进行了分析,结合油田生产的实际情况,在基于MVC模型架构基础上,从系统架构设计以及系统模块功能设计两方面,对油田生产数据管理系统进行设计研究,实现了油田生产中数据的智能化控制和管理.     

复合材料控制臂的多区域铺层结构优化

使用碳纤维复合材料设计某乘用车悬架控制臂,对4个区域的铺层结构进行优化设计.首先以各角度铺层厚度为设计变量对控制臂模态频率、质量和各工况应变能进行优化;然后以前三阶模态频率为目标,弯曲刚度参数作为设计变量优化铺层顺序.针对设计变量间存在的工艺约束条件使样本空间不规则且优化变量较多的问题,利用聚类分析进行试验设计确定训练近似模型需要的样本点,并用高斯过程回归方法建立近似模型以减少计算时间,验证模型R2在0.9以上.两步优化后,对比复合材料初始铺层各性能指标均有不同程度改善,复合材料质量减少11.4％;对比原钢制控制臂,各性能均满足要求,质量降低37.1％.     

面向多数据流的车厢拥挤回归分析方法

公交车拥挤度分析对维护公共交通安全起着重要的作用.针对在传统的目标检测方法中使用单个摄像头导致无法获取完整的车厢图片信息,以及在高密度场景下乘客与乘客之间的遮挡或者乘客被车厢内的座椅等物体遮挡的问题,提出了一种借助两个前后车厢的摄像头面向多数据流的车厢拥挤回归分析方法.首先,定义一个线性方程;其次,获取相对可见信息:公交车最大核载人数、根据人眼标记出的总人数、以及通过YOLOv3和ResNet50分别检测出车厢内人头数和拥挤率;然后,将包含已知信息的样本数据矩阵和期望值向量代入所定义的方程中,拟合出隐含信息:系数向量和偏置项,构建出一个多元一次线性回归方程,在高密度环境中狭窄和遮挡严重等情况下能够获得更为精确的车厢内总人数;最后,通过人数估计线性回归算法,获得最终的车厢内总人数.实验结果表明,所提方法能够预测出公交车上的人数,实时获得公交车上的人群流量,并且通过平均绝对误差(MAE)和均方误差(MSE)对数据进行误差分析后,验证了该方法能够正确地反映公交车拥挤度.     

基于堆叠稀疏去噪自动编码网络与多隐层反向传播神经网络的铣刀磨损预测模型

刀具磨损状态是机械加工过程中需考虑的重要因素之一.针对铣刀磨损的在线预测问题,建立了一种基于深度学习的铣刀磨损预测模型.首先,将采集到的铣刀切削时的振动信号进行小波去噪后,利用快速傅里叶变换和小波包分解等技术提取时域、频域及时频域上的特征参数,并根据相关性分析从中筛选出合格的特征参数合并为特征向量,以此作为堆叠稀疏去噪自动编码网络(SSDAE)的含噪样本.其次,利用特征后处理的方式对已经筛选出的特征参数进行单调不递减及平滑处理,并将其作为SSDAE的无噪样本来训练该网络.然后,将经过SSDAE降维后的特征向量作为多隐层反向传播神经网络(BPNN)的输入,以这些特征对应的实际铣刀的磨损量作为标签对该网络进行拟合训练.最后,对训练好的模型进行实验验证,通过测试数据集和人为加入噪声的测试数据集的对比,结果显示所提模型不仅具有较高的预测精度,还具有较高的鲁棒性.     

销售企业怎样在疫情中掘金

疫情当下,抓住机遇助力企业高质量发展;克服挑战使其成为业务增长点,是销售公司需要关注的。当前,国内新冠肺炎疫情虽然整体得到控制,但仍然无法根绝疫情传播,给国内实体零售业带来了冲击的同时,也会给成品油零售行业带来新的发展机遇。如何抓住机遇,助力企业实现高质量发展提速?是当下销售公司需要关注的问题。     

短视频的传播特点以及传播效果提升策略研究

阐述了短视频在新媒体时代下的传播特点,结合数据分析短视频在新媒体时代下的传播效果,并进一步提出提升短视频传播效果的多元策略,旨在改善短视频内容实效,增加内涵,以供参考.     

基于PMC指数模型的生态扶贫移民政策量化评价

在脱贫攻坚战胜利打响的时代背景下，研究生态扶贫的顶层设计，有助于健全返贫帮扶机制，防止地域性、规模性返贫。通过爬梳278篇与生态扶贫移民政策相关的文献，采用PMC政策评价模型和内容分析法，从政策特性、政策理念、政策实质以及政策实施4个维度对省级、市级生态扶贫移民政策进行量化分析和曲面图绘制。结果表明：总体而言，生态扶贫移民政策处于优良水平，在国家级大纲政策的统领下，省市级政策方式措施多样、政策领域较广，但在监管评估与主体参与等方面仍有发展空间。     

基于GR4J-LSTM混合模型的洪水预报研究

为提高洪水过程预报的准确性，将概念性水文模型GR4J (modèle du Génie Ruralà4 paramètres Journalier)的预报流量耦合到长短时记忆神经网络(Long Short-Term Memory Neural Network, LSTM)中，构建了GR4J-LSTM混合模型，并与GR4J、LSTM模型进行对比。基于2012～2019年陆水水库汛期与洪水事件相关的数据集，并结合欧洲中期天气预报中心的3 h预报降水产品，驱动GR4J-LSTM混合模型，预报陆水水库3～12 h预见期的入库流量。最后采用平均影响值(Mean Impact Value, MIV)算法评估输入变量的相对重要性。结果表明：GR4J、LSTM和GR4J-LSTM模型均具有较好的模拟预报能力，但GR4J-LSTM混合模型的预报性能最优，既可以学习GR4J模型的产汇流过程，又提高了洪水预报的精度。研究成果可为洪水预报方案制定提供参考。     

基于改进 abcd 模型的黄河源区径流变化与归因

为改进模型对高寒地区融雪径流模拟不足的缺陷，将融雪模块耦合到传统 abcd 模型。利用 1980—2018 年 逐月实测的径流数据和通过 AnuSpline 方法插值的格网气象要素，驱动改进后的abcd 模型，分析三江源生态保护 措施实施前后（1980—1999 年和 2000—2018 年）黄河源区径流的动态变化，并量化关键气象因素与人类活动对 径流变化的影响程度，即相对贡献。结果表明：耦合融雪模块的 abcd-snow 模型完善了高寒地区水文过程的模拟， 提高对径流的模拟性能，在黄河源区表现出较好的适用性；整个研究时段黄河源区的实测径流呈不显著减少趋势 （?0.80?mm/a，p>0.05），但 2000 年前径流则呈现显著下降趋势（?4.12?mm/a，p<0.05），2000 年后径流则呈显著增加 趋势（3.16?mm/a，p<0.05）；?归因分析表明气候变化是源区径流变化的主导因素。2000 年前，气候变化对径流减少 的相对贡献率为 62.8%，人类活动对径流的贡献为 37.2%；2000 年后，气候变化对径流增加的贡献率达到 120.0?%， 人类活动对径流的贡献为?20.0%。其中：降水的变化是决定径流变化主导因素；其他气候因素的相对贡献较小； 以人类活动为主的生态恢复可显著降低河川径流。本研究有助于理解气候变化和下垫面变化对黄河源区水资源 变化的系统驱动机理，并为流域水资源合理配置提供科学参考依据。