哈萨克语基本名词短语自动识别研究与实现

以哈萨克语基本名词短语识别为目标,实现了哈萨克语基本名词短语自动识别系统。采用基于规则自动识别及人工标注的方法建立基本名词短语标注语料库,在此基础上,采用统计和规则相结合的识别方法,利用互信息进行基本名词短语边界预测,然后根据哈萨克语基本名词短语构成规则对预测边界进行调整,加入标注符,得到最终的识别结果。实验结果表明,两种方法封闭测试的识别精确率分别为80.2%和82.5%。     

保定凹陷同口西部三维区沙河街组油气成藏模式与富集规律

同口西部三维区位于保定凹陷保北洼槽东部斜坡带,该区原为二维区,历经多年勘探一直未取得突破,新采集的三维地震资料为该区精细研究油气成藏模式与富集规律提供了条件。通过对同口西部三维区构造特征及沉积、成藏条件研究,明确指出同口西部三维区分布了两组断裂系统,断层控制了沉积演化和构造特征,控制了油气的运移和聚集,奠定了不同类型油藏形成的基础;分析该区沙河街组沉积相的分布特征,认为沉积相控制着砂体的展布;并开展油源、圈闭、油气运移通道、储盖组合等成藏条件的研究,构建了断垒断块大型鼻状构造油气成藏模式,落实多个有利钻探目标。在G 8井东圈闭部署实施GB 1x井,经试油获高产纯油流,形成整装规模增储区,有效指导了同口西部三维区的勘探,在该区实现油气勘探的更大突破。     

基于规则的哈萨克语基本名词短语识别研究*

以哈萨克语基本名词短语识别为目标,采用基于规则的方法,从基本名词短语结构语法模型出发,利用哈萨克语基本名词短语的词性标记信息及构形附加成分信息,建立了基本名词短语规则集,设计了哈萨克语基本名词短语自动识别系统,实现了对30万词级哈萨克语语料库的基本名词短语标注。实验结果表明,该方法可行,识别精确率达到80.8%。     

低频电磁波无线传输测试技术在阿北凹陷复杂断块油藏的应用

二连阿北凹陷构造复杂、成藏规律不清,采用常规测试工艺无法实现井底关井或井下数据的实时读取,对资料准确性和关井时间难以把控.为此优选了低频电磁波无线传输测试技术,并对存在的问题进行完善,以增强测试资料的针对性、可靠性.针对井下信号对接不成功的问题,对管柱结构短路位置进行了分析,并对测试工具及管柱结构进行改进,将扶正器金属...     

临河坳陷北部古近系临河组超深层油气藏形成条件与勘探前景

近年来,通过加大深层—超深层碎屑岩晚期油气成藏地质认识研究,在河套盆地临河坳陷实现了超深层碎屑岩油气勘探的重大发现。基于对临河坳陷古近系烃源岩热模拟、钻录试井资料及成储成藏演化分析,主要形成3点地质认识：（1）临河坳陷北部古近系发育富含树脂体（陆源）和藻类体（水生）的优质烃源岩,该烃源岩在低演化阶段开始大量生排烃,具有生烃强度大、生烃窗口宽的特点,淖西洼槽带超深层热演化程度相对较高,油气资源潜力大;（2）发育远源水浅坡缓大型辫状河三角洲沉积,砂体广覆式分布,受低地温、晚深埋、高石英含量、弱压实、弱胶结等弱成岩因素影响,形成了以弱成岩保孔主导、叠加后生超高压改造扩缝的成储新机制,储层物性好,极大拓展了超深层油气勘探空间;（3）生烃期早充注、持续沉降深埋热演化、加速生排烃和持续充注形成过饱和与超高压油气藏,而超高压一旦超过储源交互体破裂压力,形成缝孔连通、源储同聚、连续型大面积展布的常规油气成藏新认识,有力提高了超深层常规油气藏勘探潜力。临河坳陷北部古近系临河组超深层油气成藏条件优越,有利勘探区规模大,展现了良好的勘探前景,同时进一步丰富了超深层碎屑岩晚期油气成藏理论认识,对类似盆地尤其是...     

面向SDN网络的QoS优化解决方案综述

SDN是一种蓬勃发展的新型网络体系结构,复杂的网络业务流量组成对多样QoS的需求给SDN网络路由造成了巨大挑战.为了解决SDN的QoS优化问题,学术界与工业界在SDN诞生之初进行了深入研究,提出了很多建设性的解决方案.通过深入调研,介绍SDN的基本架构,汇总并对比主流量的SDN控制器;分析SDN控制器中集成的QoS相关模块和参数;分析并归纳目前比较有影响且具有创新性的QoS优化方案;提出目前SDN网络QoS优化方案尚未解决的问题和在大规模数据中心网络、5 G移动网络等新型SDN网络场景中的发展趋势.     

加强企业员工思想政治建设的策略研究

在构建和谐社会为主题的今天,加强企业员工的思想政治建设工作成为企业的重中之重.本文在分析了加强企业员工思想政治工作重要性的基础上,提出了具体方法,即:讲科学、办实事、重和谐.     

SCEA:一种适应高维海量数据的并行聚类集成算法

针对传统串行聚类集成算法在处理高维海量数据时效率低下的问题,提出基于Spark的并行聚类集成算法SCEA(Spark based Clustering Ensemble Algorithm).首先,通过主成分分析与成对约束结合的方法对算法输入数据进行预处理,达到数据降维并去除特征相关性的目的;其次,通过调用不同聚类算法获得基聚类成员后,采用三元组方法通过基聚类成员的簇标签构造出相似度矩阵,并调用层次聚类算法得到最终的聚类结果;最后,在调用MLlib中已有聚类算法的基础上,基于Scala对SCEA算法进行了实现.将SCEA与同类算法在多组数据集下进行对比测试,实验结果表明:总体上SCEA不仅较已有算法在准确率方面有所提高,并且通过分析运行时间、加速比以及可扩展性3个性能指标,证明了SCEA在算法性能上的优越性.     

CSNEO:协同服务器与网络能耗优化的VM映射算法

已有针对虚拟机映射问题的研究,主要以提高服务器资源及能耗效率为目标.综合考虑虚拟机映射过程中对服务器及网络设备能耗的影响,在对物理服务器、虚拟机资源及状态,虚拟机映射、网络通信矩阵等概念定义的基础上,对协同能耗优化及网络优化的虚拟机映射问题进行了建模.将问题抽象为多资源约束下的装箱问题与二次分配QAP问题,并设计了基于蚁群算法ACO与局部搜索算法2-exchange结合的虚拟机映射算法CSNEO来进行问题的求解.通过与MDBP-ACO、vector-VM等四种算法的对比实验结果表明:CSNEO算法一方面在满足多维资源约束的前提下,实现了更高的虚拟机映射效率;另一方面,相比只考虑网络优化的虚拟机放置算法,CSNEO在实现网络优化的同时具有更好的能耗效率.