课程文献中心 更多>>

关键词： LSTM神经网络   BP神经网络   灰色关联分析   产能预测  

摘要： 目的煤层气产能主要受地质和工程因素影响,阐明这些因素对煤层气井产能的影响机制是实现储层精细改造和煤层气井提产的基础。方法本文以沁水盆地柿庄南区块为研究对象,综合考虑地质背景、储层物性和动态排采数据,利用神经网络算法开展煤层气产能预测。首先,利用灰色关联分析法遴选出10个地质参数作为煤层气产能预测的主控因素,在此基础上,运用模糊数学法实现研究区34口煤层气井富集区划分,最后,根据分类结果,结合实际排采数据,分别利用BP(back propagation)和LSTM(long short-term memory)神经网络算法实现煤层气井日产气量预测。结果结果表明:(1)渗透率、含气饱和度和储层压力梯度等10个参数是影响研究区煤层气产气性能的关键因素;(2)利用模糊数学评价方法评价煤层气的富集,可将研究区34口井产气效果划分为有利区、较有利区和不利区;(3)依托LSTM算法建立了煤储层日产气量预测模型,预测误差值为4.06%~14.79%,平均误差值为11.09%,预测精度明显高于BP神经网络模型,结论根据LSTM算法建立的煤储层日产气量预测模型稳定性好且预测精度高,可作为煤储层产能长程预测的一种有效手段,进而为煤层气开发工艺布施与排采方案制定提供科学依据。

关键词： Delay integro-differential equation   Multi-task learning   parameter sharing structure   deep neural network   sequential training scheme  

摘要： Deep neural networks(DNNs)are effective in solving both forward and inverse problems for nonlinear partial differential equations(PDEs).However,conventional DNNs are not effective in handling problems such as delay differential equations(DDEs)and delay integrodifferential equations(DIDEs)with constant delays,primarily due to their low regularity at delayinduced breaking *** this paper,a DNN method that combines multi-task learning(MTL)which is proposed to solve both the forward and inverse problems of *** core idea of this approach is to divide the original equation into multiple tasks based on the delay,using auxiliary outputs to represent the integral terms,followed by the use of MTL to seamlessly incorporate the properties at the breaking points into the loss ***,given the increased training dificulty associated with multiple tasks and outputs,we employ a sequential training scheme to reduce training complexity and provide reference solutions for subsequent *** approach significantly enhances the approximation accuracy of solving DIDEs with DNNs,as demonstrated by comparisons with traditional DNN *** validate the effectiveness of this method through several numerical experiments,test various parameter sharing structures in MTL and compare the testing results of these ***,this method is implemented to solve the inverse problem of nonlinear DIDE and the results show that the unknown parameters of DIDE can be discovered with sparse or noisy data.

关键词： 玄幻网络文学   奇幻   武侠   海外传播   阅读机制  

摘要： 中国网络文学具有强烈的中华文化符号属性。海内外受众对中国网络文学特别是玄幻文学的接受展现出积极的倾向,但其中文读者的阅读接受既展现了现代个体的需求,又受到儒家伦理规则与涵盖性人文精神的影响;英文读者的阅读接受亦包含现代化个体的需求,但受到西方“启蒙心态”所塑造的人文精神的影响。虽然中英文读者因自身利益、情感需求、阅读经验、历史记忆、感觉结构不同,导致其解读机制与析出故事不同,但他们均能从作品中获得正向的情感体验与满足。进一步推动文化作品出海,要在国际传播中为受众提供多元、多义的开放性文本与意义空间,善用世界流行文化的优秀成果提高受众“卷入度”,通过有吸引力的人物与故事情节打造“情感共同体”,促进不同文化之间的交流。

关键词： 互联网使用   网络霸凌   健康危险行为   焦虑   抑郁   青少年  

摘要： 目的 分析网络受欺凌对留守青少年健康相关危险行为的影响及作用机制。方法 采用中学生网络和日常行为问卷、线上社交焦虑量表、流调中心抑郁量表和青少年健康相关危险行为问卷对辽宁省4所中学的初一初二或高一高二年级中符合留守标准的659名留守青少年进行调查,建立结构方程模型分析数据。结果 (1)网络受欺凌能够正向预测健康相关危险行为(β=0.55,P<0.001);(2)抑郁在网络受欺凌和健康相关危险行为间存在单独中介作用,网络受欺凌能够正向预测抑郁(β=0.36,P<0.001),抑郁能够正向预测健康相关危险行为(β=0.23,P<0.001);(3)线上社交焦虑和抑郁在网络受欺凌和健康相关危险行为间存在链式中介效应,线上社交焦虑能够正向预测抑郁(β=0.47,P<0.001)。结论 网络受欺凌是健康相关危险行为的重要影响因素,线上社交焦虑和抑郁在两者间发挥链式中介作用。

关键词： 加权共表达网络   机器学习   卵巢癌   关键基因  

摘要： 目的:利用加权基因共表达网络和机器学习方法,筛选和鉴定对卵巢癌患者生存率产生影响的关键基因,为卵巢癌的治疗提供新的思路和靶点。方法:从公共数据库下载GSE14407、GSE15578和GSE38666三个包含卵巢癌样本的表达矩阵,将前两个矩阵进行合并和去批次作为训练集用于后续分析,最后一个表达矩阵作为外部验证集。按照一定的标准筛选训练集中卵巢癌样本同正常样本之间的差异基因,对训练集进行加权基因共表达网络分析,获取相关性最强模块中的特征基因。使用3种机器学习对差异基因与特征基因的交集基因进行深度学习,并识别卵巢癌的关键基因。最后对关键基因的诊断效能和对患者生存期的影响进行验证。结果:共获得770个差异基因,191个特征基因,两者交集基因138个;通过机器学习发现AOX1、GPRASP1可能是对卵巢癌患者生存期产生影响的关键基因;受试者工作曲线及Kaplan-Meier分析发现AOX1、GPRASP1不但具有良好的诊断效能,同时确实对卵巢癌患者生存率有显著影响。结论:基于加权基因共表达网络和机器学习对公共数据集的分析发现,AOX1、GPRASP1是影响卵巢癌患者生存率的关键基因,可以为卵巢癌的治疗提供新的思路。

关键词： 网络安全   数据安全   能源企业   运营管理  

摘要： 科研单位是企业面向规模生产的重要源头,能源研究型企业的各类数据安全将直接影响能源企业甚至能源行业的生产安全,同时也成为影响企业核心竞争力和自主知识产权价值的关键因素。面对日益严峻和复杂的网络安全威胁,能源研究型企业必须采取有效的网络安全防护措施并提升信息化管理水平。本文通过分析某能源企业下属研究院现存的网络安全问题,提出提升网络安全防护水平、优化运营管理模式、明确企业信息化管理体系等办法,帮助企业更好地降低网络安全风险、提升网络安全防护能力。

关键词： 社会信任   社交推荐   异构图学习   元网络  

摘要： 针对如何在图卷积网络中融入用户的社交网络以及有效实现异构关系学习的问题,提出了一种包含隐式信任和影响的新颖的异构图卷积网络框架(HGCNTI)。该框架基于用户-用户二分图构建信任子图和影响子图,充分利用用户间的隐式关系达到增强用户-项目表示的目的;此外,设计了一个多视角元网络,从不同用户或项目中提取个性化信息,实现个性化知识转换的自适应增强。实验结果表明,在Ciao和Epinions两个数据集上,HGCNTI均表现出色。与各种最新基线相比,在Ciao数据集上,其召回率@5提升了22.6%,召回率@10提升了19.7%,NDCG@10提升了19%;在Epinions数据集上,NDCG@5提升了2.9%,精确率@10提升了4.5%。

关键词： 航空运输   航班延误预测   图卷积神经网络   超图卷积神经网络   多图信息融合  

摘要： 针对现有航班延误预测模型中仅考虑机场之间空间拓扑结构的缺陷,提出一种基于多图信息融合的改进双动态时空图卷积网络航班延误预测模型。首先,根据航班延误传播的不同空间相关性,构建基于机场和航路的四种空间邻接矩阵,并进行多图融合提供更加全面空间特征信息;其次,将多图结构转换成超图刻画航班延误航线之间的空间相关性,利用门控时间卷积提取其时间序列相关性,利用超图卷积提取其空间相关性,并设计两种特征增强模块进一步避免部分点和边空间特征信息丢失现象。最后,以美国2009—2019年的50个机场之间航班延误预测为例,将本模型与五个主流基线模型进行对比,完成了消融实验。实验结果表明,相较于其他基线模型,该改进模型能够更好地在该问题上拟合实际情况。

关键词： 余强制   Lipschitz连续性   强单调   逆拟变分不等式   时滞神经网络   全局指数稳定  

摘要： 文章主要研究求解欧氏空间中逆拟变分不等式问题的一种时滞神经网络。首先,在余强制和Lipschitz连续性的条件下,利用不动点原理得到逆拟变分不等式问题解的存在性和唯一性。进一步考虑求解逆拟变分不等式问题的一种时滞神经网络,并且在强单调和Lipschitz连续性的条件下证明该时滞神经网络的全局指数稳定性。

关键词： 卷积神经网络   煤层脆性   太原组—山西组   二叠系   保德区块   鄂尔多斯盆地  

摘要： 鄂尔多斯盆地东北缘保德区块二叠系太原组—山西组煤层具有丰富的煤层气资源,但井间产能差异大,其重要原因在于储层脆性区域差异导致的强非均质性特征。岩石力学参数法是常用的储层脆性评价方法。研究岩石力学参数和脆性可为压裂改造提供重要参数基础,但当前方法多借助经验公式,评价精度有限。基于卷积神经网络方法,构建实验获取的弹性模量、泊松比与多测井曲线转换模型,建立了岩石力学剖面,进而实现脆性定量评价。结果显示:基于卷积神经网络预测含煤层系岩石力学参数适用性较好。保德区块主采4+5^(#)和8+9^(#)煤层脆性指数均整体较低,4+5^(#)煤层较8+9^(#)煤层脆性指数值略高,两套主采煤层平面分布具有一定的相似性,均在研究区中部和东南部脆性值低。矿物成分差异影响岩石脆性,石英含量越高,弹性模量和脆性指数越大,具有线性关系。