关键词： 二维核磁共振   数据处理   反演方法   高精度  

摘要： 二维核磁共振测井技术比一维核磁共振测井提供了更多关于流体类型、孔隙尺寸和流体分布情况等信息,能有效解决一维T2谱油水重叠无法识别的问题。然而,不同的二维核磁测井数据处理方式和反演方法也能导致反演结果有较大差异,甚至无法有效识别流体。针对上述问题,本文提出了一套完整的二维核磁测井数据处理流程,包括预处理、数据降噪、数据压缩等处理方法。通过小波阈值降噪抑制噪声干扰,提高回波串的信噪比并估算噪声的标准差。结合窗口法和TSVD算法对庞大的多组回波数据和核矩阵进行压缩,减少计算量,提高反演效率。 本文在高精度的二维反演算法研究中,比较了现有的SVD和BRD算法的优缺点,并对TSVD算法进行了改进。此外,提出了一种基于Armijo搜索准则的L-BFGS算法用于二维核磁反演,具有全局最优、收敛速度快、稳定高效的特点。通过数值模拟对SVD、BRD和L-BFGS算法进行了二维反演,对比了不同流体组分的反演精度和不同信噪比的影响。 最后,结合实际二维核磁测井资料按本文的方法进行了完整的二维核磁测井数据处理和二维反演,结果与试油资料一致。且对比了商业软件和BRD、L-BFGS的二维反演结果的谱形态和孔隙度,结果表明本文提出的L-BFGS算法在谱的形态分布上效果最好,且反演的精度比BRD算法更高,可以提供更丰富、更准确的流体组分信息。

关键词： 高中   信息技术   CDIO教学模式   学科核心素养   数据处理与应用   python语言应用  

摘要： 近年来,很多省份都根据“新课程标准(2017版)”的要求进行新课改,浙江省于2020年正式实施新课改。《浙江省普通高中学科教学指导意见(2021版)》指出“核心素养的落地实施需要教师对课堂进行改革,课程、教学、评价是促使核心素养落地的重要手段和媒介。”高中信息课程教学要求培养学生的核心素养,发展学生的计算思维,然而根据调查研究发现,省内大多数学校的高中信息技术教学还是采用讲练结合的传统教学模式,学生在课堂上缺乏积极性和主动性,学生实践环节薄弱,编程能力不足。在此背景下,本研究针对“新课程标准(2017版)”背景下高中信息教学所存在的问题,以《普通高中信息技术课程标准(2017年版)》和《浙江省普通高中学科教学指导意见(2021版)》为指导纲要,将CDIO教学模式引入高中信息课程教学,通过对浙教版必修一《数据与计算》中第四章《数据处理与应用》的内容进行教学实践,构建以培养“计算思维为主体,解决问题能力为核心”为课程教学目标的新型教学模式,并开展教学实践。笔者在梳理了有关CDIO教学模式和高中信息课程教学的相关文献,分析国内外的研究现状,通过课程需求和“学科核心素养”要求确立培养目标,将CDIO教学模式融入课堂教学,构建了基于CDIO教学模式的高中信息课程教学设计,开发了相应的教学资源。在浙江省某学校开展了为期两个月的教学实践,利用前测试卷、学习任务单、小组项目测评表、自评互评表、访谈问卷、课程满意度调查、后测试卷等来验证教学设计的有效性。经研究分析,本研究针对基于CDIO教学模式开发的高中信息课程教学设计,学生能够通过对真实情景的问题解决,自主构建利用python语言对数据处理与应用的知识库,并将其迁移到实际生活中,有效促进学生“学科核心素养”的培养,为普通高中信息技术教学提供一定的研究思路。

关键词： 数控机床   几何误差   误差辨识   九线法   误差可视化   误差补偿  

摘要： 数控机床的加工精度是机床的重要性能指标之一。影响加工精度的误差源主要有几何误差、热误差、力误差与机床控制系统误差,其中几何误差是误差源中占比较高的一种。本文以数控机床运动学建模为基础,进行了几何误差测量方法和误差辨识模型的研究,以XYFZ型数控机床为试验对象,使用激光干涉仪,结合九线法辨识模型,采用岭估计算法对辨识模型进行优化改进,辨识出该数控机床的21项几何误差,基于几何误差数学模型建立出三轴数控机床21项几何误差对刀具位姿变化的映射模型,进而计算出几何误差对工件表面的映射模型,利用MATLAB软件对辨识结果进行几何误差可视化处理。(1)本文以多体系统运动学为核心理论,以齐次坐标变换为数学工具,对数控机床的几何误差进行数学建模。推导出了机床在理想条件下和实际条件下的运动变换矩阵,依据低序体阵列描述方法,描述出数控机床的拓扑结构。(2)建立误差模型后进行几何误差的测量与辨识。本文详细分析了“九线法”辨识过程,并对其辨识模型的求解方法进行分析,提出采用岭估计算法进行误差辨识,以得到更为可靠的三轴数控机床21项几何误差。辨识试验过程以台湾永进YCM-65A数控机床为试验对象,使用雷尼绍激光干涉仪,设计合理试验方案,以“九线法”为理论基础,选择合理测量空间对其误差进行测量,测量过程重复进行多次,以提高测量结果精度。将测量结果按照辨识模型分别进行最小二乘法求解和岭估计求解,验证基于岭估计法辨识模型的可靠性。(3)本文提出几何误差可视化方法,根据上述几何误差求解出刀具位姿受几何误差影响的数学模型,基于刀具相对于工件的运动,设工件静止,刀具沿着带有机床几何误差的加工轨迹切削工件表面,依据此运动模式,计算出工件表面受几何误差影响的数学模型。以球头刀为例,以复杂曲面模拟工件表面,利用MATLAB软件将理想工件表面与实际工件表面对比,进行几何误差可视化,将三轴数控机床几何误差分别按单轴误差和机床整体误差在工件表面上的作用效果直观展现出来,在可视图中可以观察到机床误差对工件表面的影响。(4)详细论述了机床误差补偿的相关内容,包括误差补偿的原理和过程。通过探究数控机床误差对工件表面的影响,将带有机床几何误差的工件表面参数方程表达式与原工件表面作差,得到机床几何误差对工件表面x、y、z三个方向的位置坐标偏差,根据位置坐标偏差修正加工指令,达到误差补偿的目的。

关键词： 电力系统负荷预测   自注意力机制   领域自适应  

摘要： 电力系统负荷预测是能源调控的重要依据,关乎电网的安全运行和经济社会的高质量发展。本文的主要研究内容为:对浙江省10068家企业2016-2021年的电力负荷(瞬时有功及平均功率,单位:千瓦)进行数据分析、根据分析结果进行数据处理与负荷预测。 本文的主要工作包括三方面: (1)针对跨域信息间干扰形成的随机噪声制约企业负荷预测精度的问题,提出一种基于DFTDTW-Kmeans++的电力负荷数据集降噪算法:利用傅里叶变换从电力负荷中提取周期分量作为用电企业的主要特征;使用Kmeans++算法对用电企业聚类,聚类过程中使用动态时间规整计算两点间相似度,并依据聚类结果重新划分用电数据集。实验表明:所提方法的平均均方根误差较对比方法下降18.39%-162.98%(实时预测)、3.4%-220.31%(短期预测)。 (2)改进了Transformer模型适配电力负荷序列的长期非线性趋势:使用基于卷积神经网络的词嵌入捕获局部依赖;使用长短时记忆网络和自注意力机制捕获远距离依赖。对比实验表明:所提方法的平均均方误差较对比算法下降3.06%-77.60%(实时预测)、22.11%-153.42%(短期预测)。 (3)针对跨域负荷预测的难点和训练样本无域标签的挑战,提出一种基于对抗自适应的负荷预测模型DA-Transformer。编码器通过生成域不变的信息欺骗域鉴别器、域鉴别器通过改进分类能力对抗编码器的干扰;同时利用最大均值差异(MMD)协调对齐分布、提高对抗训练过程的稳定性;而自注意力机制和LSTM网络能帮助拟合长距离非线性依赖。对于无域标签的域适应问题,使用DFT-DTW-Kmeans++算法划分源域与目标域。实验表明,所提方法较对比方法具有最高的平均预测精度;其精度优势在数据集存在跨域现象时(MMD大于0.18)更显著,表明模型具有较好的领域自适应能力。

关键词： 目标检测   深度学习   牙齿分割   特征点提取   牙齿识别   数字口腔印模仪  

摘要： 近十年来基于深度学习的牙齿分割与识别算法发展迅速,在医学CT等领域成为了研究热点,但针对普通场景下的研究和数据集甚少。因此,本文着重研究基于图像识别的口内扫描数据处理技术,其中包括口内扫描数据预处理中的牙齿图像分割技术、口内扫描三维模型数据的后处理分割技术、牙齿模型识别技术,以及强相关的商业化产品数字口腔印模仪。主要工作内容如下:(1)采用图像处理的方法分割识别三维牙齿模型,提出了基于YOLOv5的种子点扩张牙齿分割算法。对牙齿分割算法中的种子点手动选取的过程进行优化改进,使用YOLOv5网络模型完成每个牙齿的范围框的目标检测操作,实现自动化标记种子点提升算法效率。基于深度学习的牙齿分割算法可以完成口内扫描数据预处理中的牙齿图像分割与口内扫描三维模型数据的后处理分割,将三维模型的合适视角投影为图像进行分割,作用于患者牙齿三维模型重建的前后期;(2)进一步使用CNN来自动识别牙齿、快速获取患者的相关信息。本文将牙齿三维模型旋转至不同的位置,得到合适的角度的牙齿视图图像,然后使用EfficientNet分类模型完成牙齿识别任务,可以帮助牙医快速了解患者的病史、用药史等情况,有助于做出正确的诊断和治疗方案,从而提高工作效率;(3)单独制作牙齿分割与识别的数据集并做好标注,牙齿三维模型分割前则需要先使用MeshLab工具导入牙齿三维模型并投影导出二维图像,建立好两种坐标系之间的联系后再进行分割。在普通场景下完成了基于深度学习的牙齿分割与识别的两个实验,分别制定了两个实验的具体操作步骤,使用了相关的评价标准验证了算法的有效性;(4)使用第三章的基于深度学习的牙齿分割与识别算法,并结合QT的跨平台软件开发平台,使用C/C++、Python语言开发了一款数字口腔印模仪软件系统。客户端包含三维模型实时扫描、牙齿分割裁剪、牙齿模型识别等核心功能,服务端包括设备管理、注册主机管理等核心功能。

关键词： 公路隧道   照明控制系统   环境照度检测   数据处理   调光曲线   跳变频率  

摘要： 随着我国高速公路建设进入快车道，隧道数量与总里程快速增长，高速公路隧道区段交通事故发生率也在逐年提高，为了降低隧道路段危险性，就必须设计舒适安全的隧道洞内照明控制系统，保证隧道光照环境能够平滑过渡且符合驾驶员的视觉特性，这就要求隧道照明控制系统能够随外界环境光照条件变化与人眼视觉特性动态调节灯具亮度大小。但目前隧道配备的光照检测系统还未与照明控制系统形成良好匹配，照明检测方式仍存在智能性差、测试效率低下、数据准确率低、安全性低等缺点，为了有效解决上述问题，本文设计一种能实时检测隧道外部照度自动采集装置，系统搭载结合洞外亮度理论计算模型的照度异常数据剔除与采集到的照度数据拟合优化算法。　　本论文首先利用安全人机工程学的理论，梳理出构建安全可靠的隧道照明环境的关键一是保证隧道内的照明环境能准确的随洞外亮度的变化而动态调整;二是设计的照明调光曲线符合驾驶员明暗适应过程的视觉特性规律。为解决这两个问题，本论文以彩板峪隧道为研究对象，对其洞外20°视场内各种洞外景物进行分类，确定他们在20°视场内所占的比例为19.3％、13.5％、6.5％、40.7、26.1％,并实测各种景物表面的亮度反射系数，并基于环境简图法建立了彩板峪隧道的洞外亮度计算模型。在此基础上进行隧道照度检测装置进行总体方案设计。本论文基于STM32F103RCT6芯片设计了一种由照度采集模块、负责数据处理数据传输的单片机开发板组成的隧道洞外照度检测装置，以Pyqt5为框架设计了一套上位机软件，作为数据显示的界面与数据储存的后台与算法搭载的平台。并通过实测验证确保了整套系统能够正常运行。　　为解决隧道洞外照度检测时因各种情况造成数据采集异常导致设计的调光曲线亮度跳变过大影响行车安全性的问题，本文首先结合统计学知识设计一套照度数据处理算法，通过设置不同的置信区间筛选并优化异常数据;结果表明，本算法对异常数据的剔除率为90％。其次对于洞外环境数据提出结合洞外环境简图法与隧道洞内环境K值及算法设计一套时间序列照度数据拟合算法，把某一时间段隧道内外照度数据理论值与实测值进行对比，让整套系统输出拟合后的洞外环境照度值;最后将隧道路段的人眼视觉特征规律与入口段计算模型相结合设计出改进的入口段多级调光曲线。并通过将未进过任何处理的调光曲线与经过本论文算法处理后结果对比分析,优化后的调光曲线能够减少50％的亮度跳变频率，亮度跳变幅度大大减少，整套系统为照明控制系统提供安全合理的数据。

关键词： 冷泉区   微地震   海底地震仪   数据处理方法   时空演化规律  

摘要： 海底冷泉(Cold Seeps)是广泛存在于海洋环境中的流体渗漏现象。冷泉活动伴随可观测量级微地震事件,开展冷泉区微地震长期观测,研究冷泉区微地震信号特征与时空演化规律,能够直观准确地反映冷泉系统活动规律与形成机理,相关研究成果可为天然气水合物开发的可行性与安全性提供参考。 目前,关于冷泉区微地震的研究十分有限,国内关于冷泉区微地震的研究更是严重不足,因此开展冷泉区微地震数据处理方法研究,对研究冷泉活动规律与形成机制具有重要意义。 本文以某冷泉区为研究对象,将天然地震数据处理方法应用于冷泉区,开展冷泉区微地震数据处理方法研究。首先对实际数据进行预处理,消除长周期数据中非零均值与线性趋势影响;利用时频分析技术,分析噪声与有效信号在频率上的差异,结合带通滤波方法压制干扰噪声;利用长短时窗能量比法(Short Term to Long Term Average-STA/LTA)与基于机器学习的Phase Net方法,对预处理后的数据进行微地震信号自动识别,从连续记录中识别出三种由流体活动导致的微地震信号。在此基础上,利用主成分分析法(Principal Component Analysis-PCA),总结微地震事件的共同特征:1、微地震事件持续时间短,约为0.3s-2s;2、地震事件记录仅存在初至波;3、频带范围在4Hz-12Hz;4、短扰动信号(Short Duration Event-SDE)尾部具有指数型衰减。利用偏振分析方法,提取三分量微地震记录偏振特性,计算微地震事件反方位角,反演微地震事件震源的大致方位,同时绘制冷泉区微地震震级-时间分布图,分析总结冷泉区微地震时空分布规律;因OBS数量限制与冷泉区微地震信号衰减特性,无法利用多台站定位方法获取精确的震源位置,利用陆上公开地震资料对定位方法进行了阐述,构建完整的微地震数据处理流程。 文章归纳与总结了适用于冷泉区微地震数据处理与特征分析的方法,为后续开展冷泉区微地震研究、总结冷泉活动规律,揭示冷泉形成机制提供一定帮助。

关键词： 网页去重   数据处理   Simhash   卷积神经网络   技术博客  

摘要： 自从进入大数据信息时代,数据和网页每日都在海量增加,其中存在大量重复的内容,这些内容不但耗费了大量计算资源,也严重影响了信息的传播效率。因此相似性网页去重已经成为国内外的一个重要研究课题。本文将传统的文本去重算法Simhash结合卷积神经网络(CNN:Convolution Neural Network)模型对网页文本进行高精度去重,主要的研究工作如下:针对经典Simhash算法在中文文本的去重应用中存在精度和效率低的问题,在计算文本特征权值阶段,选择一个全新的分词工具,并基于特征词的词性和词长改进了TF-IDF算法;在签名值检索阶段,针对检索过程中哈希值排布不均匀的情况,对签名值进行第二次哈希操作使哈希值排布均匀,提高检索准确率;在文本距离计算阶段,针对大量网页文本汉明距离计算量过大的情况,通过引入文章内容和摘要内容改进了计算过程,提升了算法效率。针对目前CNN文本相似度检测模型获取文本特征不完整和缺少文本交互的缺点,通过引入词向量模型Word2Vec和句向量模型Doc2Vec,并将两种模型分别交互运算作为CNN模型的特征输入,使模型可以同时在单词和句子两种粒度上进行相似度学习,在学习过程中能够获取更完整的文本特征并增加了文本之间的交互;选择小批量梯度下降法来训练模型,并优化了训练流程,加快了训练模型的速度。根据改进的Simhash算法、改进的CNN文本相似度算法进行网页文本去重,使用网页分数计算方法对去重之后的网页文本进行评分,并依据网页分数将其排序。根据实际需求应用于博客园网页去重,通过实验验证,该算法在技术博客网页去重领域有实际意义。

关键词： 大地电磁法   阵列电磁法   独立成分分析   噪声   数据处理  

摘要： 数据处理是保障大地电磁法观测质量的主要手段。当前大地电磁数据处理方法多采用单站处理,该方法难以适应实际的多场源混合噪声环境,强干扰区获得的阻抗响应往往与真实地电结构存在偏差,造成错误解释。阵列电磁法通过处理多个同步测站,挖掘相关信号、压制不相关噪声,可有效提取地电信息。当噪声占主导成分时,基于主成分分析的常规阵列电磁数据处理算法在提取天然场成分时会与噪声相混合,难以取得理想处理结果。独立成分分析算法更适于处理复杂信噪混合条件,为了更好地提取天然场源成分,分离不同场源信息,本文提出了基于独立成分分析的阵列大地电磁数据处理算法。首先,介绍了基于独立成分分析的阵列大地电磁数据处理算法的基本原理,描述了处理算法的基本模型,阐述了数据处理的方案与流程。然后,通过仿真实验进行了算法的论证与测试,对比了不同噪声占比、不同阵列规模、参考站数据质量等参数对处理效果的影响,进而通过向高质量数据中添加模拟和实测噪声进行了不同类型噪声的处理,并与常规算法进行了对比。最后,开展了应用案例研究,分别以典型音频大地电磁与宽频大地电磁实测数据为例,对分离成分的时间序列、与参考站的相关性和时频谱进行了分析,说明了信噪分离与信号重构的有效性,对比了不同算法的处理效果。仿真数据处理结果表明,本文算法可以处理长时间的噪声干扰,能够分离出不同测站受到的不同噪声干扰与天然场源。当测站受到强噪声干扰时,本文算法能获得优于单站稳健估计的效果。当远参考站受到相关噪声干扰时,远参考法无法得到可靠的阻抗响应,本文算法可以分离相关噪声和天然场源,压制相关噪声,还原真实阻抗。当观测数据中噪声成分占主导时,本文算法能获得优于常规阵列电磁数据处理算法的结果。实测数据处理结果表明,本文算法有效分离了音频大地电磁和宽频大地电磁中的信号与人文噪声,提升了重构信号的信噪比,矫正了阻抗响应在“死频带”存在的畸变。

关键词： 网络栈   存储栈   持久性内存   内存管理   I/O性能优化  

摘要： 在互联网与大数据的时代,网络与存储常常处于密不可分的应用场景中。从直接面向终端消费者的云盘、视频社交媒体平台,到数据中心内部的分布式对象存储、块存储和文件系统服务,将网络数据进行存储,亦或将存储的数据发送到网络,这样的应用场景可谓无处不在。在此应用场景下,日益增长的用户数量、数据规模以及服务质量要求推动着网络与存储硬件性能的不断提升。尤其是持久性内存的出现,将存储设备的访存性能提升到了可与主存相比的水准。然而将网络数据进行存储的过程中,还存在着软件开销。数据依次经过网卡驱动、内核网络栈、用户态缓存、内核存储栈和存储设备驱动,这些环节都由软件处理。这条I/O路径很长,且存在多次中断处理、系统调用、数据拷贝开销,带来的延迟可能高达数十μs,相较于新型网络与存储设备不到10μs级别的延迟,已成为新的性能瓶颈。针对这个问题,虽然目前已有许多研究,并提出了包括内核旁路、硬件卸载、内核存储栈优化等多种优化方案。但是这些方案未能将网络栈与存储栈融合为一个整体进行优化,未能充分发挥持久性内存对于双栈融合的关键性作用,同时在CPU资源消耗、易用性、灵活性和扩展性等方面也存在进一步改善的空间。为了改善现有优化方案的上述问题,本文提出了一种工作于内核态的双栈融合高性能数据处理框架Fusion Stk。该框架利用持久性内存将网络栈和存储栈缓存合二为一,实现了双栈整体优化。在此基础上,该框架允许用户将延迟敏感的关键路径操作卸载到处理网络数据包的软中断上下文中,在方便地利用内核现有基础设施的同时,最大程度缩短I/O路径,降低操作延迟。然而,持久性内存的引入让Fusion Stk的内存管理在编程模型、故障一致性保证、分配释放操作性能等方面面临新的挑战。为此本文还提出了一种新的持久性内存堆管理方案Fusion PM,能够在不改变当前内核内存管理相关接口,不降低内存分配释放操作性能的前提下,保证持久性内存管理的故障一致性。最后,本文基于该框架实现了一个高性能块存储服务应用原型Fusion Blk,并与基于传统网络栈和存储栈的实现进行了性能对比测试和结果分析。测试结果显示Fusion Blk的随机写操作的平均软件处理延迟为16.584μs,远低于传统实现的51.542μs,并且随机写带宽可达到测试环境下网卡接收带宽上限。