非常规气藏储层改造体积评价方法研究

为精确描述非常规气藏压裂后的复杂流动特征及定量评价储层改造体积（SRV），利用自主研发的缝网重构算法“破裂树生长法”建立压后缝网模型，并以此为基础提出了使用拟稳态流动时特定的压力等值线来确定SRV范围的定量评价方法，最后以长宁201井区为例进行了矿场实例分析。该方法根据微地震监测点的位置，重构出微裂缝网的连通关系。在复杂微裂缝网的基础上建立离散裂缝地质模型并进行生产数值模拟，根据数值模拟结果的压力分布精确划定SRV的范围。利用该方法计算出长宁201井区的SRV体积为0.052 1 km3，以该缝网模型的数值模拟产量预测结果符合实际生产规律，方法实用性较好。     

基于m-Ucosφ平面识别振荡期间输电线路不对称故障的方法EI北大核心CSCD

距离保护作为输电线路的后备保护在电力系统广泛应用,但是系统振荡期间测量阻抗变化会导致距离保护误动作,在系统振荡期间需要闭锁距离保护,而系统振荡期间线路发生不对称故障时需要快速开放距离保护,现有距离保护利用电流不对称度识别振荡期间不对称故障,识别故障电阻的灵敏度低,无法快速开放距离保护。提出了一种综合利用保护安装处电流、电压特征识别振荡期间线路不对称故障方法,利用保护安装处的电压余弦分量反映故障点处的电压,建立了电流不对称度–电压余弦分量平面,从电流和电压两个维度综合反映系统振荡及线路故障特征,在此基础上,构建了系统振荡期间线路不对称故障的识别判据,提高了保护识别振荡期间线路不对称故障的灵敏性,缩短了距离保护开放时间,实时数字仿真系统(real time digital system,RTDS)仿真结果验证了本方法的有效性。     

梁结构振动支承约束反力控制

支承或连接构件对梁结构的动力学性能有至关重要影响,必须保证其在振动过程中不发生破坏或者失效。通过合理设计和布局附加弹性支承可以实现对这些重要连接构件所承受约束反力的控制。应用微分变换法推导含附加支承的梁结构支承约束反力及其对于附加支承位置和刚度的灵敏度表达式,并通过优化设计附加支承位置和刚度实现具有弹性约束端的简支梁结构各支承约束反力的平衡,可提高结构的动力学性能。     

基于Radon-CPF-Fourier变换的机动目标ISAR成像

由于机动目标的逆合成孔径雷达（Inverse Synthetic Aperture Radar，ISAR）成像中存在多普勒扩散现象，易导致成像分辨率降低。针对此问题，在多分量三次相位信号（Cubic Phase Signal,CPS）模型基础上，提出一种基于Radon-CPF-Fourier变换（Radon-Cubic Phase Function-Fourier Transform,RCFT）的机动目标ISAR成像方法。RCFT可实现CPF中自项能量的相干积累，减轻多普勒扩散带来的影响。与现有的基于时频分析和参数估计的ISAR成像算法相比，RCFT的主副比性能提升了至少2 dB，在时频分辨率无损失时具备更好的自项能量积累能力，可获得更高质量的成像结果。仿真验证了所提方法的有效性。     

基于LP与小波包的复杂机电系统监测序列混沌降噪方法

针对流程工业生产系统监测数据存在强噪声和混沌性的特点,提出了一种局部投影方法(Local Projection Method)与小波包方法相结合的信号降噪方法。该方法先利用局部投影方法从动力学系统嵌入流形的角度进行多次迭代降噪,并根据关联维数来判定迭代终止;再利用小波包方法从频率的角度进行降噪,抑制高频噪声的干扰,取得了较好的降噪效果。用Lorenz时间序列进行仿真验证,对仿真时间序列加入不同程度的噪声,对比分析小波包、局部投影与该方法降噪后的相空间、SNR值和最大Lyapunov指数,证明了该方法对于中高强度噪声具有更好的降噪效果。并将该方法用于某压缩机组的实际监测数据降噪,评估三种方法的降噪效果,进一步验证了该方法的优越性。     

一种基于全变分技术和Lp伪范数的椒盐噪声去除方法

针对传统各向同性全变分（Isotropy total variation，ITV）去噪算法容易导致图像边缘模糊、不易保持图像细节信息等问题，提出一种基于L _p 伪范数和各向同性全变分的图像去噪方法。该方法将L _p 伪范数代替ITV模型中的L ₁范数，利用交替方向乘子算法（Alternating direction method of multipliers, ADMM）将能量泛函拆解成若干个子问题，并将差分算子视为卷积算子；然后引入卷积定理和快速傅里叶变换(Fast Fourier transform, FFT)提高算法运算效率；最后通过Matlab进行仿真实验，运用图像质量的客观和主观评价方法进行评价分析。结果表明，本文方法能够较好地保留图像的边缘特性，有效提升去噪效果。     

改进的多层感知机在客户流失预测中的应用

针对在传统的客户流失预测数据预处理中，使用one-hot编码处理离散属性导致数据维度增加及数据过于稀疏的问题，提出了两种基于多层感知机的改进后的客户流失预测模型。其主要思想是分别使用堆叠自编码器和实体嵌入两种方法对多层感知机进行改进，通过将离散属性的高维编码数据向低维空间映射，有效地减少了one-hot编码产生的稀疏数据，增加了离散属性值之间的关联度。在对两份公开的数据集进行交叉验证后的实验结果表明，改进后的模型既有效地提高了预测的准确度，又维持了传统多层感知机模型在并行化计算方面的优势。