Intel MKL在Bernese GNSS数据处理中的应用

为提高Bernese GNSS software数据处理效率，将英特尔数学核心函数库(math kernel library，MKL)应用于Bernese 精密定轨数据处理，对比分析多个MKL矩阵求逆函数与Bernese 原有程序的计算效率。使用2019-03全球200个测站北斗/GNSS数据进行实验分析，结果表明，采用参数预消除策略时，参数预消除步骤消耗时间明显大于矩阵求逆，使用MKL处理数据效率提升不明显；而未采用参数预消除策略时，使用MKL矩阵求逆函数可显著提高矩阵求逆效率，其中dpotri函数矩阵求逆计算效率最高，消耗时间平均值为133 s，相比Bernese 原有程序计算速度可提高13倍。     

基于物联网GIS的消防智能巡检系统设计与实现

消防设施的高效智能管理是衡量城市智慧化水平的重要指标。为了实现该目标,利用物联网技术以及网络地理信息服务技术,设计并实现了集移动巡检终端与网络后台信息管理系统于一体的消防设施智能巡检系统。该系统利用智能无线传感器、RFID以及蓝牙无线通讯等技术,实现消防设施非接触式自动巡检与巡检信息实时传输;通过基于GIS的消防管线与消防拴拓扑结构分层分级可视化,实现消防设施的统一高效管理。相比于现有巡检方式,基于物联网GIS的消防设施智能巡检系统提高了巡检效率与便捷性以及巡检信息的准确性与实时性,为城市中消防设施的实时动态智慧化管理提供了技术支撑和保障。     

知识经济时代图书馆人力资源的开发与管理

在知识经济条件下，如何提高图书馆人力资源开发与管理的质量，调动广大图书工作者的积极性发挥他们的创造力，将直接影响到图书馆的发展和服务能力。     

神经网络专家系统外壳

神经网络专家系统外壳软件,是用于帮助用户迅速开发直观图形解释的人工智能业务应用系统。它以直观的屏幕树图为媒介,实现了正、反向推理机、语义网络、神经元网络、框架结构、知识库管理和算术表达式树图等整体宏观统一;实现了专家系统与人工神经元网络、定性分析与定量计算的统一;无监督分类与监督分类的统一。因此,它的应用范围很广。     

火成岩岩石薄片智能识别及分类方法

在油气勘探、评价及开发中,岩性识别和薄片鉴定是十分重要的基础工作,准确的薄片识别结果可以为勘探和开发提供可靠的依据。传统的人工判定方法或实验室分析方法具有主观性强、效率低、自动化程度低等问题。目前基于内容的智能图像识别技术在准确性和具体应用方面还面临着许多难题。论文基于国内外相关研究成果与油气勘探与开发中岩芯薄片图像的特点及要求,设计并研制成功薄片图像自动识别系统和薄片智能鉴定系统。利用图像梯度分布和色彩分析进行火成岩岩石薄片智能分类,对所有像素进行类别划分进而得到整体的鉴定结果,实现了省时、高效、高精度的薄片智能鉴定成果。     

5000 m新型能源勘探智能钻探装备与技术研究

结合我国地下新型能源勘探工作的重大需求,开展了“5000 m新型能源勘探智能钻探装备与技术”的研究,取得了5000 m多功能交流变频电动钻机、多参数孔底自动监测装置、高温环保泥浆及泥浆性能自动测量装置、取心和无心钻进不提钻互换钻具等系列成果,填补了国内空白,推动了新型能源深部钻探技术向智能化方向发展。     

石油地质勘探智能化信息支撑框架设计

石油勘探是高风险行业,勘探地质研究业务需要复杂的逻辑思维,也需要创新性的抽象思维。“智慧油田”和“智能勘探”理论体系的提出,顺应了油气勘探的智能、快速和高效的需求。通过剖析油气勘探的信息支撑框架设计,提出了未来智能化勘探的4层设计概念,形成了层次之间的衔接和沟通的关键技术,并针对此理论体系探索了石油行业中石油地质勘探智能化信息框架实施策略。     

岩石本构模型智能辨识方法研究

岩石本构模型是研究岩石力学特征和变形机制的基础,而本构模型或模型中相关参数的识别是本构模型研究中的热点和难点问题。本文基于红板岩室内力学实验数据,分别利用遗传算法、BP神经网络以及遗传规划对红板岩本构模型进行了模式识别,结果表明,遗传算法进行参数识别需要事先假定流变模型的形式,误差较大,而BP神经网络和遗传规划可以一次性同时确定流变模型的结构形式及参数,有效避免模型假定所带来的误差。而遗传规划与BP神经网络相比,具有精度高、收敛快,可视化程度高等特点,为岩石本构参数及模型的智能识别方法的选取提供参考。     

一种面向服务的应用系统智能组装技术

针对目前GIS应用软件所面临的开发难度大、周期长,更新维护困难、扩展性差等诸多问题,秉承面向服务的设计理念,文章提出了一种智能组装式软件开发方式,研究了实现过程中的4个关键技术:用户需求分析、服务智能匹配、自动化组装和人机协同调整机制,并应用NewMap Plat4软件研制开发了原型系统——智能组装器,实现了应用系统的可视化一键式组装开发,使得系统开发变得简单、快捷,且系统具有良好的扩展性。     

遗传算法优化支持向量机矿产预测方法

针对矿产预测中已知矿点的样本数目较少的问题,该文提出了一种基于遗传算法优化的支持向量机矿产预测方法。采用遗传算法优化支持向量机的惩罚因子和径向基核函数参数,避免了参数选择不当对支持向量机预测结果的影响,从而提高矿产预测的精度。以空间建模工具ArcSDM中的卡林型金矿床数据为例进行实验。结果表明,支持向量机模型的预测准确率为89.3%,查准率为70.2%;而证据权方法的预测准确率为79.4%,查准率为50%,均小于支持向量机预测结果,说明遗传算法优化的支持向量机是一种有效的矿产预测方法。