基于种群划分与变异策略的粒子群优化算法

粒子群算法因其形式比较简洁，参数设置灵活，操作简便易行，并且能够快速收敛，从而引起广泛关注。但是传统的粒子群算法也有缺陷：收敛速度慢以及容易陷入局部最优等。针对这些问题，本文借鉴小生境的方法，在进化初始阶段，对种群进行划分，将初始种群分为子种群，对不同的子种群进行不同的变异策略；在进化过程中，针对不同的子种群，设置不同的惯性权重因子ω，用来增强全局搜索能力与局部搜索能力。实验结果表明，本文提出的算法较传统的粒子群算法具有较快的收敛性以及找寻的全局最优解更接近真实解集，收敛精度比较高。     

中国石化科研管理信息化建设实施及应用

中国石油化工集团是世界100强、国内排名第一的大型国家企业,中国石化集团科技发展部下属9个专业处室,油田、炼化、化工、销售、工程等多个板块100多家局级企业,每年运行项目近2000项,科研经费投入巨大,通过信息化建设提升企业科研管理水平,促进科研成果转化率,能有效提升企业的持久发展力和核心竞争力。笔者长期从事中国石化科研管理系统的研发和应用,具有深刻的体会和认识,所以从系统的背景、设计、实施及应用推广方面进行了全面介绍,并对存在和要发展解决的问题进行了深度剖析,提出了企业管理系统建设的＂后研发＂概念,给从事企业科研管理的业务人员和信息人员提供实际的参考。     

塔里木盆地塔河地区中-下奥陶统碳酸盐岩储层天然裂缝发育特征及主控因素

利用野外露头、岩心、测井和铸体薄片资料,对塔里木盆地塔河地区中-下奥陶统碳酸盐岩储层天然裂缝发育特征及其影响因素进行研究。塔河地区中-下奥陶统碳酸盐岩储层天然裂缝主要分为构造裂缝、成岩裂缝和复合成因裂缝3种类型。其中,构造裂缝以剪切裂缝为主,其次为张裂缝;成岩裂缝主要为水平层理缝,其次是成岩缝合线;复合成因裂缝主要包括构造-成岩裂缝、构造-表生裂缝和岩溶裂缝。构造剪切裂缝是该区的主要裂缝类型,发育有北东-南西向、北西-南东向、近东-西向和近南-北向4组,它们在不同层位的发育程度存在明显的差异性;其中,北东-南西向裂缝为层位的优势裂缝发育方向。裂缝的倾角主要在70°以上,以高角度裂缝为主。裂缝的纵向延伸长度受岩石力学层控制,裂缝在岩石力学层内发育,并终止于力学层界面上。裂缝密度在纵向上和平面上存在明显的非均质性,主要受沉积作用、构造作用和岩溶作用等地质因素控制。随着塑性矿物含量与岩石层厚的增加,裂缝密度呈逐渐降低的变化规律。断层与褶皱构造对裂缝的发育程度有重要影响,使得不同构造部位的裂缝密度存在明显的差异;距断层面与褶皱轴面的距离越远,裂缝密度也逐渐降低。岩溶作用影响溶洞上部岩层中的裂缝发育程度;在溶洞上部岩层中,主要发育近直立裂缝、斜交裂缝和近水平裂缝3种产状类型的裂缝系统。     

数据库技术的发展现状及其在油田的应用

数据库及应用技术是信息和电子商务时代的基础内容，是现代化企业管理和发展的重要手段。本文介绍了目前世界数据库及其应用的先进技术和成功典例，国内数据库应用技术水平和发展，胜利油田10年来数据库应用技术，特别是勘探数据库取得的成绩和存在的不足，分析了油田、国内和国际水平的差距和优势，并对油田数据库应用技术的发展提出了一些建议，目的在于能了解新的技术手段，提高油田的现代化管理水平。     

一种基于深度学习的油藏年度规划储量预测方法研究

油藏年度规划储量预测是勘探规划决策方案中必要且关键的一环.针对传统储量预测方法精度低、方法复杂度高等问题,该论文提出一种基于深度学习的油藏年度规划储量预测方法.首先,通过分析勘探基础数据,确定影响油藏年度规划储量的关键因素;然后,根据一定专家经验以及客观规律,对基础数据进行归一化处理,将复杂的油田数据转化为规范可用的输入特征向量;最后,利用循环神经网络进行模型训练,得到预测储量.实验结果表明,相比传统方法,该论文方法预测精度有显著提高,且复现能力强,可为今后油田企业储量预测领域提供一定参考价值.     

XML与CORBA的集成

阐述了CORBA与扩展标记语言集成的背景和特点,分析了集成的字符串、DOM/Value映射、SOAP、Web服务的四种实现方式,对各种方式的优缺点进行比较后,指出Web服务方式是实现CORBA与扩展标记语言集成的理想方式,并提出了一种紧耦合的CORBA应用与松耦合的Web应用相结合的方法。     

中文单文档摘要模型DSum-SSE

针对中文文档摘要领域存在的缺少可靠数据集,有监督的摘要模型不成熟的问题,构建了一个规模超过20万篇的中文文档级别的摘要语料库（Chinese Document-level Extractive Summarization Dataset,CDESD）,提出了一种有监督的文档级别抽取式摘要模型（Document Summarization with SPA Sentence Embedding,DSum-SSE）。该模型以神经网络为基础的框架,使用结合了Pointer和注意力机制的端到端框架解决句子级别的生成式摘要问题,以获得反映句子核心含义的表示向量,然后在此基础上引入极端的Pointer机制,完成文档级别抽取式摘要算法。实验表明,相比于无监督的单文档摘要算法--TextRank,DSum-SSE有能力提供更高质量的摘要。CDESD和DSum-SSE分别对中文文档级别摘要领域的语料数据和模型做了很好的补充。