致密砂砾岩储层纳米吸附气实验分析技术及其应用

松辽盆地徐家围子断陷沙河子组致密砂砾岩气勘探在Xt1井等取得重大突破,拓展了深层天然气勘探的新领域,但致密气储层含气性实验分析技术及评价相对薄弱。利用岩石纳米级样品制备装置和纳米吸附气提取装置,开展致密砂砾岩储层纳米吸附气提取、色谱检测条件及优化实验,确定了岩石纳米级样品最佳制样时间为20 min,纳米吸附气提取的最佳质量为20 g、时间为20 min、温度为80℃;气相色谱检测的最佳分析柱为OV-1填充柱,载气流速为40 mL/min,柱温50℃恒温0.5 min、以10℃/min升温到100℃恒温5 min,实验分析技术具有精确度高、快速等特点。徐家围子断陷沙河子组致密砂砾岩纳米吸附气实验分析结果表明,总烃质量体积为233.21～10 487.38μL/kg,不同井纳米吸附气烃组分特征差别明显,致密气具有近源成藏特征,源岩发育区为致密气有利探区,与致密砂砾岩储层压裂试气结果一致性好,为致密气储层含气性评价及勘探提供了实验依据。     

关闭鞍炼

辽阳石化公司用了不到两个月的时间,以坚定的信心、顽强的毅力和周密的措施,坚持以人为本,破解了鞍炼悬空12年的产业结构调整难题,创造了中国石油持续重组史上的典范案例。     

图像信息对句子语义理解与表示的有效性验证与分析

近年来,图像文本建模研究已经成为自然语言处理领域一个重要的研究方向.图像常被用于增强句子的语义理解与表示.然而也有研究人员对图像信息用于句子语义理解的必要性提出质疑,原因是文本本身就能够提供强有力的先验知识,帮助模型取得非常好的效果;甚至在不使用图像的条件下就能得出正确的答案.因此研究图像文本建模需要首先回答一个问题:图像是否有助于句子语义的理解与表示?为此,本文选择一个典型的不包含图像的自然语言语义理解任务:自然语言推理,并将图像信息引入到该任务中用于验证图像信息的有效性.由于自然语言推理任务是一个单一的自然语言任务,在数据标注过程中没有考虑图像信息,因此选择该任务能够更客观地分析出图像信息对句子语义理解与表示的影响.具体而言,本文提出一种通用的即插即用框架(general plug and play framework)用于图像信息的整合.基于该框架,本文选择目前最先进的五个自然语言推理模型,对比分析这些模型在使用图像信息前后的表现,以及使用不同图像处理模型与不同图像设置时的表现.最后,本文在一个大规模公开数据集上进行了大量实验,实验结果证实图像作为额外知识,确实有助于句子语义的理解与表示.此外,还证实了不同的图像处理模型和使用方法对整个模型的表现也会造成不同的影响.     

大数据将引领在线教育的2014

不同的细分领域、企业类型、服务特点将决定着大数据在这一领域的最终使用形态和效果。     

基于不变量的程序修复进化扩展模型*

为了有效解决程序修复进化中搜索空间过大和正常功能牺牲的问题,提出了一种基于不变量约束的扩展的程序修复进化模型（extended repair evolutionary model,EREM）,利用程序不变量约束对搜索空间进行划分和约简以降低消耗,通过使用表达程序正常功能的正测试用例学习的不变量约束（称为正不变量约束）来保证程序不牺牲正常的功能,在适应度函数的设计上考虑测试用例通过数的同时也考虑了正不变量约束的保持数,对于破坏正不变量约束的个体适应度给予一定的惩罚值。最后通过实验对模型进行了验证,结果表明了     

民族的视觉盛宴--“国庆直播”活动的传播学意义解读

“国庆直播”活动对于受众的意义影响深远,从传播学的角度来说已经超越了一般的电视节目直播,而是通过这一“视觉盛宴”将所有受众关注和瞩目的庆典活动运用仪式观的方式呈现,凭借电视媒介制造出一种大众空间。因此,本文运用传播学理论对于“国庆直播”进行深层次的解读具有一定的现实意义。     

基于分组TCAM的T比特高性能路由器快速查找更新技术

针对传统TCAM查找更新方法复杂度高、无法满足高性能路由器线速查找转发需求的问题,提出一种基于分组TCAM的路由查找更新技术.介绍T比特高性能路由器的系统架构,提出基于分组TCAM的路由查找更新架构,以及基于统计预测的预留表项空间算法,进行路由查找更新算法的设计.搭建测试验证环境,采用MAE-WEST和MAE-EAST路由表项数据,进行线速查找转发处理性能的分析测试.     

基于混合代码表示的源代码脆弱性检测

软件脆弱性对网络与信息安全产生了极大的威胁,而脆弱性的根源在于软件源代码。因为现有的传统静态检测工具和基于深度学习的检测方法没有完整地表示代码特征,并且简单地使用词嵌入方法转换代码表示,所以检测结果准确率低,误报率高或漏报率高。因此,提出了一种基于混合代码表示的源代码脆弱性检测方法来解决代码表示不完整的问题,并提升检测性能。首先将源代码编译为中间表示（IR）,并提取程序依赖图;然后基于数据流和控制流分析进行程序切片来得到结构化的特征,同时使用doc2vec嵌入节点语句得到非结构化的特征;接着使用图神经网络（GNN）对混合特征进行学习;最后使用训练好的GNN进行预测和分类。为了验证所提方法的有效性,在软件保证参考数据集（SARD）和真实世界数据集上进行了实验评估,检测结果的F1值分别达到了95.3%和89.6%。实验结果表明,所提方法有较好的脆弱性检测能力。     

进化计算在软件智能修复中的应用

提出一种基于进化计算的软件智能修复算法IREA。采用控制流图作为进化个体的编码方式,在确定适应度函数时,考虑控制流图节点集的势和结构相似度2个因素,将软件的修复过程转化为适应度指导的进化过程,从而实现软件智能化修复。实验结果表明,该算法具有可行性和有效性。