曙103块古潜山碳酸盐岩测井储层评价

由于古潜山碳酸盐岩储层普遍存在非均质性,孔、缝的定性、定量识别至关重要。本文通过测井资料,运用多矿物模型、Φ－Ｓｗ－Ｋ,Ｆ－Φ－ｍ交会图、裂缝孔隙度计算、ＩＳＯＤＡＴＡ模糊聚类识别裂缝类型等处理工作,对区内６口井进行了测井储层综合评价,取得了较好的效果。     

用多孔聚钨磷酸盐X荧光法测定磷酸中铀

本文介绍了测定磷酸中铀的工作曲线法，将磷酸中铀吸附在多孔聚钨磷酸盐上，这样制备的样品很薄，非常适合于X荧光法分析。     

湖泊富营养化灰色聚类评价及几种评价法比较

本文把湖泊营养化系统看作一个灰色系统,应用灰色聚类法进行营养化评价,并通过实例和层次决策法,Fuzzy-Greey决策法的评价结果进行分析与比较。     

西部地区经济社会发展研究——基于因子和聚类分析的西部12省综合评价

西部地区经济社会发展是我国经济社会发展的重要组成部分,研究西部地区的经济社会发展对实现整个国家经济社会协调发展具有重要的战略意义.根据《中华人民共和国国民经济和社会发展第十一个五年规划纲要》中《"十一五"时期经济社会发展的主要指标》为蓝本,选取24个指标构建了西部地区经济社会发展综合评价指标体系,基于因子分析法利用SPSS13.0进行数据处理,根据西部地区各省、市和自治区的公共因子得分和综合得分,运用聚类分析法将西部地区划分为2个经济社会发展类型区和5个亚区,并逐类进行综合评价.最后根据西部地区经济社会发展类型区,提出了西部地区经济社会协调发展的若干对策.     

结合多级阈值与SOM的土地利用规划碎图斑识别

针对土地利用规划地图数据更新过程中因地块调入调出产生的碎图斑的识别问题,该文在深入分析样本数据特征的基础上提出一种结合多级阈值与 自组织特征映射(SOM)神经网络的碎图斑识别方法.首先通过面积和最大内角阈值排除不符合碎图斑特征的多边形;再将矩形度、圆形度、最小内角以及延展度作为特征向量输入训练好的SOM聚类模型,基于多边形特征相似性识别碎图斑,较好地弥补了 目前制图实践中大量采用的统一面积阈值法指标选取单一、主观性强的不足,实现了碎图斑的准确识别.以福州市长乐区和福清市土地利用规划调整建设用地管制区数据为样本的验证实验表明,该文方法的识别精度与稳定性(针对不同区域数据的适应性)均优于目前制图实践中大量采用的统一面积阈值法.     

改性红辉沸石的制备及去除水中CODcr的性能研究

天然红辉沸石经过氯化铝及氯化镁共同改性后,制备出改性红辉沸石。研究了改性红辉沸石和天然红辉沸石对生活污水中CODcr的吸附效果,表明改性红辉沸石的吸附效果明显优于红辉沸石,并通过X射线粉末衍射、热重分析、红外光谱对改性红辉沸石表面结构进行了表征。     

獐子岛海域和胶州湾表层微微型浮游植物丰度和生物量的季节变化比较

为全面了解黄海典型海区微微型浮游植物的季节变化特征,于2009年7月至2010年6月在北黄海獐子岛海域和2010年1~12月在南黄海胶州湾进行逐月调查采样,利用流式细胞仪检测了表层海水中微微型浮游植物(picophytoplankton)的丰度,包括聚球藻(Synechococcus,SYN)和微微型真核浮游植物(picoeukaryotes,PEUK),并分析了其与环境因子的关系。獐子岛海域和胶州湾SYN和PEUK全年广泛分布,獐子岛海域SYN丰度范围在0.05×10³~120.00×10³cells/mL之间,丰度在秋季最高;胶州湾SYN丰度范围在0.02×10³~61.80×10³cells/mL之间,丰度在夏季最高。獐子岛海域PEUK丰度范围在0.01×10³~18.76×10³cells/mL之间,丰度在秋季最高;胶州湾PEUK丰度范围在0.25×10³~95.57×10³ cells/mL之间,丰度在春季最高。獐子岛海域微微型浮游植物丰度组成以SYN为主;而胶州湾以PEUK为主。PEUK是两海区微微型浮游植物生物量的主要贡献者。相关性分析结果表明,温度是影响两海区SYN丰度季节变化的最主要因素;影响PEUK季节分布的因素不完全一致,獐子岛海域PEUK丰度主要受温度调控;胶州湾PEUK丰度主要受温度和营养盐浓度影响。与已有研究比较,这两个海区的微微型浮游植物生物量对浮游植物生物量的贡献明显高于其他温带沿岸海域,预示微微型浮游植物在獐子岛海域和胶州湾生态系统中的重要作用,值得进一步深入研究。     

基于深度学习的循环水养殖鳗鲡(Anguilla)计数研究

鳗鲡(Anguilla)作为我国优质水产养殖种类,精准掌握其数量对高效养殖有重要意义。为实现对循环水养殖鳗鲡的准确计数,提出了一种基于深度学习的改进Faster RCNN模型。针对检测目标即鳗鲡头部尺寸小的问题,选择在特征提取网络ResNet50中加入FPN结构来作为模型的骨干网络,以提取并融合多尺度的特征;针对原模型锚框都是基于人工经验设置的,并不适用于鳗鲡数据集的问题,使用k-means聚类算法对训练集中标注的鳗鲡头部检测框进行聚类分析,获得了适合鳗鲡数据集的15种不同尺度的锚框;针对图像中存在鳗鲡头部重叠的问题,选择使用Soft-NMS算法替代原NMS算法对RPN部分生成的候选框进行筛选,以减少模型对鳗鲡重叠部分的漏检情况。试验结果表明:改进后的Faster RCNN模型对鳗鲡头部的检测精度(mAP^0.5)高达96.5%,较原Faster RCNN模型(Backbone为ResNet50)显著提升了14%,与SSD300和YOLOV3模型相比分别显著提升了24.9%和15%;在鳗鲡计数上,利用改进后的Faster RCNN模型检测结果进行计数,计数准确率达到90%以上,提升了模型对鳗鲡的检测识别能力。     

阿里巴巴“聚土地”划算了谁?

正"聚土地"的成功,根源于其将农村与城市的生产和消费需求对接,为农村闲置土地找到了一条出路。安徽绩溪的数百亩土地通过聚划算出租使用权,让农民和消费者实现共赢的模式被称为"绩溪模式"。在参与县域经济峰会的全国百余县长一起见证下,聚土地在农业电商领域的创新成为土地活用标杆。"绩溪模式"实为阿里巴巴旗下聚划算今年3月推出的全国首例私人定制农场的项目——聚土地一期。上线几日就被3500多人认购土地,集中在苏浙沪、京广等一线城市;总计认购土地     

基于空间自相关的支持向量机空间聚类研究

经济统计信息多包含多维度的属性,在研究数据内在结构时,需要采用降维方法将多维信息转换到三维以内的空间以实现多维信息可视化和聚类。支持向量机(Support Vector Machine,SVM)在解决小样本、非线性及高维模式识别中表现出许多特有的优势,但SVM是一种监督分类方法,需要已知样本集来训练分类过程。由于高维经济统计数据中往往缺少已知聚类中心,从其他方法的聚类结果选择小样本集作为聚类中心具有很大的主观性;空间自相关分析能揭示出高空间聚集区域和随机离散区域,并能分析出各区域的空间聚集模式,这为已知小样本的选择提供了可行的方法。该文以四川2007年统计年鉴的经济数据为例,通过主成分分析法和非线性映射法进行聚类,将各类中心和空间自相关分析揭示的高空间聚集目标作为已知样本集导入SVM,得到的结论是:采集于主成分分析法和非线性映射法的两个不同已知样本集的SVM分类结果之间的差异较大,已知样本集的选择具有很大主观性;空间自相关分析结果能大量减少特征样本集的数目,这不仅简化了SVM算法分类过程,并且结果也能准确反映四川发展实际情况。