基于属性增强和关系感知的图卷积实体对齐方法

实体对齐是知识融合最重要的步骤之一,在知识图谱构建和融合过程中,往往存在结构不相似、实体表述不够准确,甚至知识缺失的问题。针对以上问题,提出一种基于属性增强和关系感知的图卷积实体对齐方法,结合实体和关系之间的内在联系,通过实体可以推导出关系,通过关系可以表示实体,利用实体的属性增强实体表示,增强实体对齐的效果,设计一种迭代策略,迭代增强关系和实体结合后的实体对齐效果。在通用数据集上进行的大量实验结果表明,相对于原有基于实体嵌入的方法,所提方法具有更高的有效性和对齐率。

基于属性增强的对偶图实体对齐算法

本文提出结合属性信息的对偶图实体对齐算法针对基于关系感知的双对偶关系图算法中没有考虑到的属性信息进行优化,对属性结构嵌入向量使用图卷积神经网络算法对邻居节点抽取信息,并使用对偶关系图和注意力机制抽取实体对中的关系信息,最后通过结合实体对的关系信息和属性信息的相似度,判断是否为同一实体。针对原算法中识别效率不高的异构知识图谱实体对提升效果明显。在数据集DBP15K的三个跨语言数据集ZH-EN,JA-EN,FR-EN上实验,实验结果验证了对偶注意力以及属性信息对实体对齐方法的有效性。

不连续性属性增强技术在顺北地区断控不同尺度裂缝检测中的应用

塔里木盆地顺北地区沿走滑断裂发育的缝洞体具有良好的油气储集空间,但因埋深大、地震信噪比和分辨率低,导致叠后缝洞体检测多解性严重。因此基于梯度结构张量倾角导向滤波方法和三维各向异性扩散滤波方法增强地震不连续性属性,通过比较并优选合理的滤波参数,使用结构张量获取局部结构信息,构建扩散张量控制扩散过程,加入由结构张量构成的不连续性算子,保护缝洞等不连续性信息,然后提取相干体、曲率体及最大似然体等缝洞体敏感属性,应用于顺北地区断控不同尺度裂缝检测。实际资料的应用结果表明,不连续性属性增强及提取技术能有效提高断控内部不同尺度裂缝地震检测能力,可为后续钻井部署提供可靠依据。

利用AutoCAD动态块和增强属性器的功能提高绘图效率

本文以50 000 DWT(A)1#船《舱室门布置图》的绘图过程为实例,介绍了通过对AutoCAD动态块和增强属性器功能的结合使用,实现图形的变量控制,以及图形和零件表信息的关联,从而提高内舾装多零件设计图纸的出图效率的方法。

基于多尺度时空图卷积网络与Transformer融合的多节点短期电力负荷预测方法

深度学习的发展为处理电力系统中海量的负荷数据提供了良好的基础。然而,现有的负荷预测方法大多采用历史负荷序列的时间相关性构建模型,没有同时考虑相邻节点之间存在的空间耦合特性和外部因素的影响。由于图卷积神经网络在挖掘电力系统拓扑结构中的空间特征上具有巨大潜力,因此,该文提出一种基于属性增强的多尺度时空图卷积神经网络与Transformer融合的电力系统多节点负荷预测方法。首先,将外部因素建模为动态属性和静态属性,设计属性增强单元对这些因素进行编码,并利用快速最大互信息系数量化各节点负荷的动态耦合信息。其次,采用多尺度时空图卷积网络挖掘节点间的短期时空特征,同时采用Transformer补充挖掘各节点负荷的长期时域特征。最后,使用门控融合层对两个模型进行融合。在纽约公开负荷数据集上的实验结果表明,所提方法能够充分挖掘多节点负荷数据中的时空耦合特性,具有更高的预测精度和稳定性。

面向问题域的增强TAN分类器研究

TAN是一种非常有效的贝叶斯网分类器,但其不足之处是缺少根据实际问题放宽假设限制条件的能力.首先提出了增强属性的概念,通过有差别地处理属性变量实现对TAN分类器的扩展,从而得到了增强的TAN分类器(ATAN).其次,引入数据挖掘工具Weka中更一般化的TAN学习算法,并在此基础上实现了ATAN学习算法.利用W eka实验平台进行的大量测试表明,对于大多数分类问题,ATAN的确能够在不增加时间复杂度的前提下得到相对于TAN更高的分类准确率.

黔北正安区块牛栏组基于叠后地震属性的多尺度裂缝预测

黔北正安地区安场向斜石牛栏组为一套深水陆棚沉积的泥灰岩地层,前期钻探显示,石牛栏组气藏分布与裂缝发育程度密切相关,为典型的裂缝型气藏。为进一步对安场向斜石牛栏组储层的裂缝平面展布规律进行研究,该文通过岩心、成像测井等资料分析目的层的裂缝发育特征,优选裂缝预测敏感地震属性,基于地震像素处理的裂缝增强属性对石牛栏组裂缝分布进行了预测。研究结果表明:利用常规的地震曲率属性预测裂缝识别能力有限,而基于地震像素处理的地震数据能够有效改善小断层及构造形变特征成像,在此基础上开展的裂缝增强属性可大大提高裂缝的识别能力,经实钻井验证,基于叠后地震属性裂缝分布预测方法的结果与钻井泥浆漏失点综合吻合率达83.3%以上,预测结果较为可靠,该研究为石牛栏组区带优选及钻井风险预警提供了技术支撑。

砂岩储层横向不连续性检测技术组合及应用

地震信号横向不连续性检测大多针对断层检测、识别和自动解释,相关研究包括边缘保持滤波技术、相干体技术、蚂蚁追踪技术等,并已得到广泛应用。但对于小尺度不连续信息检测的研究较少。局部结构熵算法属于第三代相干算法,较前两代相干算法具有更好的抗噪性和更高的分辨率,对砂岩储层内部微小的不连续结构的检测精度更高。为此,以局部结构熵属性计算为核心,辅助以边缘保持滤波技术和基于蚁群算法的平面属性增强处理方法,形成了砂岩储层横向不连续性检测的技术组合。其流程包括地震资料解释性处理、相干体属性计算、平面表征及优化、成果验证及应用。在南海H油田目标砂体单元的应用表明,应用上述技术组合得到的储层横向不连续性检测结果与水平井钻遇的泥岩段具有较好的匹配关系,验证了技术组合的有效性。

Fine decoration of carbon nanotubes with metal organic frameworks for enhanced performance in supercapacitance and oxygen reduction reaction

Efficient electrode material is crucial for energy conversion from renewable sources such as solar electricity. We present a method for preparation of carbon nanotubes （CNTs） with zeolitic imidazolate frameworks （ZIFs, e.g., ZIF-8） via an in situ pyrolysis process. The resultant materials are completely new carbon composites with desirable hierarchical porosity and nitrogen-doped features. Electron microscopy images show that CNTs with small external diameters enable more uniform dispersion of ZlF-8-derived carbons, subsequently yielding a unique hierarchically porous structure. Such carbon shows superior activity in oxygen reduction reaction （ORR） and high performance of supercapacitance, making it a valu- able metal-flee electrode material and a competent alternative to the state-of-the-art Pt/C catalyst. The electrocatalytic performance of CNTs can be dramatically improved by the incorporation of ZIF-8-derived carbons, which is attributed to the combination of good conductivity, abundant accessible dopant species, as well as proper porosity. Our method offers a new avenue for constructing electrocatalysts by effective integration of ZlF-8-derived carbon and the CNTs skeleton.