成熟探区勘探目标群油气期望价值评估方法

我国的矿业权出让制度改革正在全面推进，合理评价区块期望价值对于油公司的区块进退决策至关重要。对于含有多个勘探目标的成熟探区，简单地将各目标价值相加通常会高估区块期望价值，应综合考虑两方面的因素:一是各勘探目标的地质情况，包括相对空间位置关系、地质成功率、资源规模和地质相关性等；二是油公司的勘探策略，包括干井承受能力、承诺钻井数量、对各目标的钻探次序等。为此，从油公司区块进退决策实际出发，提出一套基于概率论的勘探目标群期望价值估算方法，并通过实例讨论了上述因素对区块期望价值的影响。      

基于卷积神经网络的5G蜂窝网络无线定位方法

5G蜂窝网络发展迅猛，其覆盖面积将逐渐增大，因此使用5G蜂窝网络进行定位是有研究潜力的研究方向。本文提出一种新的深度学习技术来实现高效、高精度和低占用的定位，以代替传统指纹定位过程中繁重的指纹库生成以及距离计算。该方法建立了一个特殊的卷积神经网络，并根据5G天线信号的接收信号强度指示、相位和到达角等特征量，选择合适的输入数据格式构造样本组建训练集，对该卷积神经网络进行训练。训练得到的卷积神经网络可以替代指纹定位中的庞大指纹库，非常有利于直接在5G移动设备端实现定位。虽然卷积神经网络在训练过程中需要大量时间，但在训练完毕后直接进行分类定位的速度非常快，可以保障定位实现的实时性。本文所实现的卷积神经网络权重与偏置所占内存不到0.5 MB，且能够在实际应用环境中以95%的定位准确率以及0.1 m的平均定位精度实现高精度定位。     

基于1D CNN与XGBoost的恶意代码纹理检测

恶意代码数量已经呈现爆炸式增长,对于恶意代码的检测防护显得尤为重要.近几年,基于深度学习的恶意代码检测方法开始出现,基于此,提出一种新的检测方法,将恶意代码二进制文件转化为十进制数组,并利用一维卷积神经网络(1 Dimention Convolutional Neural Networks,1D CNN)对数组进行分类和识别.针对代码家族之间数量不平衡的现象,该算法选择在分类预测上表现良好的XGBoost,并对Vision Research Lab中的25个不同恶意软件家族的9458个恶意软件样本进行了实验.实验结果表明,所提的方法分类预测精度达到了97％.     

基于层次分析法的桥梁跨河施工方案评价

层次分析法是对定性问题进行定量分析的多准则决策方法，将研究对象作为一个系统，按照分解、比较判断、综合的思维方式进行评价。对流冲河特大桥工程实例进行分析研究，构建了基于层次分析法的桥梁跨河施工方案评价模型，对长钢栈桥组合钢平台、分期筑岛、短栈桥结合筑岛3种方案进行综合评价。结果表明：短栈桥结合筑岛方案最优，应用效果良好，验证了层次分析法应用于该类工程施工方案决策的可行性和合理性。     

基于绿色建筑运营效果提升的室内环境评价方法

绿色建筑运营效果体现在两个方面,一个是基于其承担的环境效益的资源能源节约,另一个是基于其是为人所使用的人员满意效果,而人员满意效果则能够体现出室内环境的优劣.对室内环境的评价优先考虑人的使用满意程度,因此坚持以使用满意度为主要衡量指标,同时考虑人员满意度评估的随机性及不确定性因素,将室内客观数据作为补充.在评价过程中考虑绿色建筑运营评估的广泛推广及切实通过评价能够提升运营效果,选择最能够直接影响人员使用感受的指标内容,以促进后续运营效果提升的策略研究.