地层静温预测的非牛顿流体数学模型

根据热力学参数、泥浆参数及井筒结构参数等，先选定一个地层温度梯度进行计算，得出泥浆出口温度.将此计算值与实测温度值比较，按照比较结果再修正所选的地层温度梯度.如此反复，直到得出合理的地层温度梯度.在此基础上，从热力学及流体力学等有关方程出发， 经过推演得到井壁上温度随深度变化以及地层温度分布的数学模型.由于钻井过程中泥浆、 岩石及其温度场间是相互作用、相互影响的，这为研究热 流 固耦合渗流过程的理论与应 用提供了一种新的方法. 关键词： 温度梯度 非牛顿流体 数学模型     

煤矸的轻量级智能分选网络

针对现有煤矸分选方法存在模型复杂、实时性差、特征易丢失等问题,构建了一种轻量化煤矸分选网络GC-ResNet18。GC-ResNet18利用幽灵卷积(ghost convolution, GC)线性生成ghost映射的特性,剔除煤和矸石相似性特征的冗余信息。借助Softpool的下采样激活映射,保留、凸显煤和矸石的特征信息并去除冗余参数,防止过拟合现象。引入GC自注意力机制,融合SENet的轻量化和NLNet长距离信息全局捕获的优势,使网络记忆、放大煤矸图像间的细微差异特征,提升煤矸图像的识别准确率。实验结果表明,GC降低了46.6%的参数量,GC自注意力机制在CIFAR10、CIFAR100上分别提升1.44%、2.32%的准确率,而Softpool池化在上述两个数据集中分别提升了0.22%、0.17%。通过对比实验,全面改进后的GC-ResNet18网络在训练效率和分类精度上优于VGG19-S-GDCNN、SBP-VGG-16等模型,在CIFAR10和CIFAR100数据集中的分类精度与同规模的网络相比均达到最优的94.07%和74.95%,并最终在自建煤矸数据集上达到了97.2%...     

基于拟合衰减差自补偿的分布式光纤温度传感器

针对斯托克斯光和反斯托克斯光的本质损耗、附加损耗使分布式光纤温度传感器产生测温误差的问题,通过对分布式光纤温度传感器的温度解调原理的研究,提出了拟合斯托克斯光与反斯托克斯光之间衰减差的方法实现温度自补偿,以此减小测温误差.以传感光纤上不同位置的两部分作为参考段和测温段,参考段的光信号作为测温段拟合多阶衰减差和解调温度的参量,通过引入多阶拟合结果解调温度,减小因斯托克斯光和反斯托克斯光的本质损耗、附加损耗导致的温度误差,实现温度的初步修正.改变光纤上同一位置的温度,取3组不同温度值及对应信号值计算引入拟合衰减差前后的瑞利噪声,分析了瑞利噪声与光纤长度和温度的关系,通过引入拟合衰减差消除瑞利噪声,减小了斯托克斯光和反斯托克斯光的本质损耗、附加损耗导致的瑞利噪声误差,实现温度的再次修正.分析比较多阶衰减差拟合结果对测温误差以及消除瑞利噪声的影响,获得最优拟合阶次.在拟合因参考段的附加损耗而导致的测温段的附加误差后,通过拟合结果进行温度补偿,完成了最终温度修正.实验结果表明,在30-90℃,引入一阶线性拟合结果的温度修正效果最好,经过三次修正后,测温误差从10.50℃降低至0.90℃.     

面向CNN模型图像分类任务的高效激活函数设计

激活函数（Activation Functions,AF）对于卷积神经网络学习、拟合复杂函数模型来说具有十分重要的作用,为了使神经网络能更好更快的完成各类学习任务,设计了一种新型高效激活函数EReLU。EReLU通过引入自然对数函数有效缓解了神经元“坏死”和梯度弥散问题,通过分析激活函数及其导函数在前馈和反馈过程中的作用对EReLU函数的数学模型探索设计,经测试确定EReLU函数的具体设计方案,最终实现了提升精度和加速训练的效果;随后在不同网络和数据集上对EReLU进行测试,结果显示EReLU相较于ReLU及其改进函数精度提升0.12%~6.61%,训练效率提升1.02%~6.52%,这有力地证明了EReLU函数在加速训练和提升精度方面的优越性。