基于KShape数据增广与混合神经网络的注水系统故障诊断

为解决海上油田注水系统故障诊断问题,提出基于KShape数据增广与混合神经网络的故障诊断模型。首先采用KShape时间序列聚类算法实现样本数据增广,然后通过融合双向长短时记忆网络(bidirectional long short-term memory network, BiLSTM)和全卷积神经网络(fully convolutional neural network, FCN)构建混合神经网络模型,最后应用贝叶斯优化算法对模型参数进行全局寻优。结果表明:提出的数据增广方法在数字油田大数据的基础上,能够有效扩充注水系统工况样本。提出的混合神经网络模型较BiLSTM和FCN单一模型效果更好,该模型综合了BiLSTM网络对时间序列数据依赖关系的良好捕捉能力以及FCN网络对局部特征的有效提取能力,较两者在准确率上分别提升4.9%和1.8%。贝叶斯优化方法在寻找更优超参数组合方面有显著效果,为提高模型的鲁棒性和泛化性能起到了重要作用。该方法较传统调参方法在准确率上提升5%,较网格搜索和随机搜索方法分别提升3.7%和1.9%。同时,该方法产生的不同超参数组合下的模型准确率中位数为84.5%,模型准确率在90%以上的占比达到18%。所提出的故障诊断模型,可有效识别地层堵塞、配水器堵塞和油管漏失等故障,为海上油田注水系统故障诊断提供了新的解决方案和有效的技术支持。

中文新闻文本多文档摘要生成

针对自动文本摘要任务中多文档生成式摘要模型抽取文本特征不充分、无法捕获跨文档关系和生成内容重复的问题,提出一种多文档生成式摘要模型Transformer-PGN。利用融合段落注意力机制的Transformer结构对文本进行特征抽取,同时捕获跨文档关系;通过指针生成网络逐词生成摘要;结合覆盖率机制避免生成重复单词,形成最终的摘要。实验结果表明,与指针生成网络等模型相比,该模型生成的摘要信息更丰富、冗余度更低,Rouge-1、Rouge-2和Rouge-L分别提升了2.1%、2.4%和2.3%。

西安咸阳国际机场东航站楼钢结构设计

西安咸阳国际机场东航站楼屋盖、支承系统及登机桥采用钢结构,东航站楼屋盖钢结构分为主楼及6条指廊区域。主楼屋盖为重檐三叠造型,总长521m,设置4道竖向采光天窗以及中央水平采光天窗,结构采用Y形柱及斜柱支承的网架结构,Y形柱采用八边形实腹式截面;指廊屋盖采用折型钢架结构,登机桥为钢桁架结构。竖向及水平天窗的存在会对屋盖结构产生不利影响,对其进行分析并设置了加强桁架使力流能够有效传递并提高屋盖结构的整体性。对屋盖进行了极限承载力分析、多维多点时程分析、防连续倒塌分析,并对造型复杂的Y形柱和复杂节点进行了有限元分析。分析结果表明,屋盖结构体系合理,传力明确,节点及构件安全可靠。

新媒体环境下电视台编辑个人能力培养路径研究

新媒体大背景下的电视台编辑需要不断提升个人能力做出质量更好、更受观众欢迎的电视节目,电视台编辑个人应有的能力以及培养这些能力是有迹可循的。电视台编辑个人能力包括自主创新能力、组织策划能力、文字编辑能力及信息转换能力,培养能力的方式多种多样。基于此,本文针对新媒体环境下电视台编辑个人能力的培养路径展开深入研究。