5G核心网业务模型的智能化预测研究

摘 要：核心网业务模型的建立是5G网络容量规划和网络建设的基础，通过现有方法得到的理论业务模型是静态不可变的且与实际网络存在偏离。为了克服现有5G核心网业务模型与现网模型适配性较差以及规划设备无法满足用户实际业务需求的问题，提出了一种长短期记忆（long short-term memory，LSTM）网络与卷积LSTM （convolution LSTM，ConvLSTM）网络双通道融合的 5G 核心网业务模型预测方法。该方法基于人工智能（artificial intelligence，AI）技术以实现高质量的核心网业务模型的智能预测，形成数据反馈闭环，实现网络自优化调整，助力网络智能化建设。     

信息技术在物理课程教学中的应用

阐述信息技术与职业教育物理课程教学的特点,应用原则,教学实践,包括信息技术整理收集教学素材、创设合适的教学情境、辅助实验教学。     

页岩油储集层压后焖井时间优化方法

建立了考虑毛管压力、渗透压、膜效应以及弹性能的压裂-焖井-生产多过程多相流模型，提出了以产能最大化为目标的页岩油水平井分段多簇压裂后焖井时间优化方法，采用现场生产数据和商业软件验证了该模型的准确性。基于该模型和方法，根据现场压裂压力数据反演裂缝参数，建立物理模型，模拟了压裂、焖井以及生产阶段储集层孔隙压力、含油饱和度的变化动态，并研究了7种因素对最优焖井时间的影响规律，通过开展正交实验明确了最优焖井时间的主控因素。研究表明，随着焖井时间增加，累计产量增量先快速增加后趋于某一稳定值，变化拐点对应的焖井时间为最优焖井时间。最优焖井时间与基质渗透率、孔隙度、毛管压力倍数及裂缝长度呈非线性负相关，与膜效率、注入液体总量呈非线性正相关，与排量呈近线性正相关。对最优焖井时间的影响程度从大到小依次为注入液体总量、毛管压力倍数、基质渗透率、孔隙度、膜效率、压裂液矿化度和排量。     

自动挡变速箱钻削过程中断屑与钻头结构的分析

自动挡变速箱壳体材质较一般变速箱材质的韧性大幅增强同时壳体内部结构复杂,最小的孔径只有约5毫米。因此在钻削过程中产生的的铝屑极易残留在壳体中,难以清洗。钻削产生的铝屑最后存在于壳体成品中,会造成变速箱严重故障。文章根据生产中遇到的实际问题,浅析了钻屑过程中断屑与钻头结构之间的关系。     

浅谈某高速公路土质路堑边坡坍塌处治

近几年,随着我国经济社会的快速发展,城市化建设水平不断加快,社会对我国高速公路的运输能力及使用性能提出了更高的要求。但是,由于我国国土面积辽阔,高速公路建设的时间长、分布广,加之受到人为因素及环境因素影响,很多地区的高速公路都出现了不同程度的损坏,影响了我国高速公路的正常使用。基于此,本文以某高速公路为例,对发生在该高速公路路段上的土质路堑边坡坍塌问题进行了研究,分析了造成土质路堑边坡坍塌问题的主要原因,并对应采取何种对策方面进行了简单的论述。高速公路是保障我国经济发展与社会建设的重要部分,希望通过本文的论述,能够为解决我国高速公路土质路堑边坡坍塌问题提供有价值的参考。     

混炼方式对螺旋纳米碳纤维增强天然橡胶复合材料力学性能的影响

采用干法和湿法两种混炼工艺制备了螺旋纳米碳纤维(HCNFs)/炭黑(CB)/天然橡胶(NR)复合材料,通过扫描电镜、拉伸试验机和应变扫描仪分别对所制备复合材料的界面形貌、力学性能和Payne效应进行了测试分析,考察了混炼方式对复合材料宏观力学性能及Payne效应的影响。结果表明,与纯CB填料相比,在干湿两种混炼方式下,添加适量的HCNFs(1～6份)能提高HCNFs/CB/NR复合材料的300%定伸应力、扯断伸长率、拉伸强度和硬度。与干法混炼相比,湿法混炼能明显增强HCNFs/CB/NR复合材料的Payne效应,并提升在HCNFs高添加量(2～6份)条件下的拉伸强度和扯断伸长率,这主要源于湿法混炼能够有效改善HCNFs在橡胶基质中的分散性。     

我国石墨选矿技术及装备进展*

为了使我国石墨矿选矿工作者全面、系统了解我国石墨矿石选矿工艺技术与设备的进展情况，从碎矿工艺、磨矿工艺技术、选矿工艺、浮选捕收剂、起泡剂、调整剂的应用，以及石墨矿专用浮选机、专用浮选柱、专用GJM型立式搅拌磨机、FGY型高频振动筛和间歇式湿法滚筒筛、高方筛的研制与应用情况分别进行了介绍，对推动石墨选矿工艺技术与设备的进步具有重要意义。     

基于循环一致性对抗网络的室内火焰图像场景迁移

基于深度学习的视频火灾探测模型的训练依赖于大量的正负样本数据,即火灾视频和带有干扰的场景视频。由于很多室内场合禁止点火,导致该场景下的火灾视频样本不足。本文基于生成对抗网络,将其他相似场景下录制的火焰迁移到指定场景,以此增广限制性场合下的火灾视频数据。文中提出将火焰内核预先植入场景使之具备完整的内容信息,再通过添加烟雾和地面反射等风格信息,完成场景与火焰的融合。该方法克服了现有多模态图像转换方法在图像转换过程中因丢失信息而造成的背景失真问题。同时为减少数据采集工作量,采用循环一致性生成对抗网络以解除训练图像必须严格匹配的限制。实验表明,与现有多模态图像转换相比,本文方法可以保证场景中火焰形态的多样性,迁移后的场景具有较高的视觉真实性,所得结果的FID与LPIPS值最小,分别为119.6和0.134 2。