同位素技术在地下水循环深度确定中的应用

地下水循环深度反映了地下水的可更新能力。在水文地质调查基础上,利用同位素技术对鄂尔多斯白垩系地下水盆地南北两区的地下水循环深度进行了研究。同位素数据表明,盆地北区现代水循环深度为210 m左右,现代水循环更替速度较快;南区现代水循环深度大约为160 m,水循环更替速度较北区稍慢。中深部环河组和洛河组地下水则保存着古地下水特征,地下水更替速度慢。因而可以加大北区地下水的勘察力度。

秦岭北缘断裂带温泉水循环深度与地震活动性的关系研究

研究了秦岭北缘断裂带温泉水的氢氧同位素和氦同位素,同时通过温泉水的热储温度和当地地温梯度计算了温泉水的循环深度;统计分析了1900-1997年间的地震频度。从水对断裂及其围岩的弱化的角度讨论了温泉水深循环对地震活动性的影响。结果表明各段地震活动性的差异与温泉水循环深度的差异有关。认为循环深度较深的陕西段孕育强震的可能性较小,而循环深度较浅的青海段和甘肃段是孕育强震的危险区,其中甘肃段可能是强震的最危险区。

广西贺州热泉水文地球化学特征、热储温度与循环深度估算

广西贺州地热资源分布于3个异常带中，热储层主要为花岗岩及石英砂岩。分析了贺州热泉的水文地球化学特征，对其热储温度及循环深度进行了估算，结果表明：热泉水为中低温偏碱性水，水化学类型为HCO3-Na和HCO3-Ca型。区内硅酸盐矿物的水解作用控制着热泉水化学组分，Na-K-Mg平衡图显示热泉的水岩相互作用仍处于初级阶段。玉髓温标估算热储温度为42．3～119．5℃，循环深度为786～3597m。较高的温度促进了氟化物的溶解，使得地热水中氟离子含量较高。

瓮安老坟嘴变质岩区SK08-2井地热水热储温度和循环深度估算

为研究贵州变质岩区地热水赋存规律,利用瓮安老坟嘴SK08-2地热井水化学组分和钻井测温资料,分别进行水-岩平衡判断和建立井深-井温回归方程,最终估算出地热水热储温度及循环深度。结果表明,瓮安老坟嘴地热水热储温度约为52℃;地热水循环深度约为1 650m;地温梯度变化在5～35.2℃/km,平均19.6℃/km。作为贵州变质岩区地热水成功开发的首例,SK08-2井地热水的研究可为今后变质岩区地热找水提供科学依据。

唐山市滨海地区地下热水水化学特征及循环深度

唐山市南部滨海地区地热资源丰富、种类齐全,但开发利用效率较低,通常以冬季海产品养殖等途径为主,项目单一、资源浪费严重。以唐山市南部滨海地区地热系统为研究对象,通过分析其地下热水的水化学特征,估算研究区的热储温度与循环深度。结果表明:①唐山市滨海地区地下热水出露温度为26~86℃,属中低温地下热水,热水溶解性固体总量(total dissolved solids,TDS)为482~1644 mg/L,pH值为8.25~9.15,为高矿化度弱碱性热水,水化学类型为HCO_(3)-Na型;②研究区热储温度可分为60~70℃和90~100℃两个区间,分别代表不同的地热水循环系统,计算得到循环深度为1500~1800 m和2400 m~2700 m。唐山市滨海地区地热田属于中低温传导型地热系统,形成以馆陶组为主要热储层,深部燕山期高温花岗岩(干热岩)提供持续热源的地热系统;③研究区水热型地热系统具有持续稳定的高温热源,但其具有循环深度大、远离补给区等特点,水交替循环缓慢,当地应建立完善的地热能开采管理体系,在高效开采清洁地热资源的同时,避免地热尾水影响环境、资源枯竭、地面沉降等生态环境问题。研究加深了对唐山市南部滨海地区水热型地热系统的认识,为区域地热资源的开发利用提供了一定的科学依据。

地热温标法在循环深度计算的应用

地下水循环深度体现了地下水系统的可利用资源量,运用水文地球化学的地热温标法对循环深度进行估算,深层地下水的循环深度的地热温标法计算发展前景广阔。

百色盆地深部热储温度及热水循环深度研究

百色盆地和南宁盆地一样,均为新生代盆地,蕴藏丰富的地热资源。文章介绍了利用Na-K-Mg三角图和1g(Q/K)图判读矿物-流体的平衡状态在研究百色盆地水岩相互作用程度及地热流体中矿物饱和指数的基础上,采用地学温标估算深部热储温度,探讨区域地热地质背景下深部热储温度情况,估算地热流体循环深度。

平巷掘进最优循环深度的确定

岩巷掘进,决定循环深度的因素很多,如工作面的地质情况、施工机械的装备、劳动组织、工人的操作技术水平和管理水平等。循环深度确定得合理,就能获得较好的技术经济效果。我矿当前岩巷掘进确定循环深度大致采用的三种办法:一是沿用过去的两掘一砌,日进两米循环进度,炮眼深度为1.2～1.3米或1.4～1.5米;二是按上级给的任务。

平巷掘进最优循环深度的确定

岩巷掘进,决定循环深度的因素很多,如工作面的地质情况,施工机械的装备、劳动组织、工作的操作技术水平和管理水平等,循环深度确定得合理,就能获得较好的技术经济效果。

基于轻量化深度卷积循环网络的MVS方法

针对基于深度学习的MVS方法存在网络参数量大、显存占用较高的问题,提出一种基于轻量化深度卷积循环网络的MVS方法。首先,采用轻量化多尺度特征提取网络提取图像的高层语义特征图,构建稀疏代价体减小计算体积;其次,使用卷积循环网络对代价体进行正则化,一次平面扫描完成正则化过程,减少显存占用;最后,通过深度图扩展模块扩展稀疏深度图为稠密深度图,并结合优化算法保证重建精度。在DTU数据集上与最近的方法进行对比,包括传统MVS方法Camp、Furu、Tola、Gipuma,基于深度学习的MVS方法SurfaceNet、PU-Net、MVSNet、R-MVSNet、Point-MVSNet、Fast-MVSNet、GBI-Net、TransMVSNet。实验结果表明:所提方法在精度上与其他方法保持较小差距的前提下,能够将预测时显存开销降低至3.1 GB。

基于深度循环网络结合上下文信息的血压预测

近年来,高血压患者的比例不断上升,如何在血压值异常前发出警报提早治疗成为广泛关注的研究课题.为解决这一问题,提出了一种基于多层长短期记忆网络(LSTM)结合上下文信息层的组合预测模型.使用双向LSTM结构添加了从负时间方向的时序信息对当前状态的影响,加入LSTM残差连接解决多层网络带来的梯度消失和梯度爆炸问题.在输出层之前增加了一个额外的加入了用户的基本信息数据的全连接层.额外层的激活函数为修正线性单元(ReLU),使用多个时序数据对不同时段的血压进行预测.实验结果表明使用24个时序的实验结果最佳.在24个时序的数据集上,进行不同时段1 h、6 h、12 h、24 h的血压预测,预测误差和预测偏差对于收缩压分别为0.002644、0.003952、0.004216、0.005528和0.037796、0.047931、0.049879、0.057454,对于舒张压分别为0.001226、0.001554、0.001706、0.001955和0.024293、0.028369、0.030190、0.032668,实验误差与其他模型相比,所提模型预测误差和预测偏差都得到降低.

基于注意力机制和复数卷积循环网络的汽车雷达干扰抑制

随着自动驾驶技术的发展,越来越多的汽车装载车载雷达,不同车辆的车载雷达之间会产生相互干扰,导致虚假目标的出现或基底噪声的增加,降低检测性能。针对汽车雷达之间的相互干扰问题,提出了一种基于注意力机制的深度复数卷积循环网络(Deep Complex Convolution Recurrent Network with Attention,DCCRN-Attention),在频域实现干扰抑制。模型使用复数网络将信号的实部和虚部联合起来进行特征学习,能同时预测干扰抑制后目标的幅度和相位,并在跳跃连接中引入注意力机制聚焦于更重要的特征信息,抑制无关信息。实验结果表明,所提模型能有效抑制干扰、提高目标的信噪比(Signal to Noise Ratio,SNR),在评价指标上均优于基线方法。

聚类与信息共享的多智能体深度强化学习协同控制交通灯

该文提出一种适用于多路口交通灯实时控制的多智能体深度循环Q-网络(MADRQN),目的是提高多个路口的联合控制效果。该方法将交通灯控制建模成马尔可夫决策过程,将每个路口的控制器作为智能体,根据位置和观测信息对智能体聚类,然后在聚类内部进行信息共享和中心化训练,并在每个训练过程结束时将评价值最高的值函数网络参数分享给其它智能体。在城市交通仿真软件(SUMO)下的仿真实验结果表明,所提方法能够减少通信的数据量,使得智能体之间的信息共享和中心化训练更加可行和高效,车辆平均等待时长少于当前最优的基于多智能体深度强化学习的交通灯控制方法,能够有效地缓解交通拥堵。

基于深度循环网络的声纹识别方法研究及应用

声纹识别是当前热门的生物特征识别技术之一,能够通过说话人的语音识别其身份。针对声纹识别技术进行了研究,提出了一种基于卷积神经网络(CNN)和深度循环网络(RNN)的声纹识别方案CDRNN。CDRNN结合了CNN和RNN的优势,可用于移动终端声纹识别。CDRNN将说话者的原始语音信息经过一系列的处理并生成一张二维语谱图,利用CNN长于处理图像的优势从语谱图中提取语音信号的个性特征,这些个性特征再输入到deep RNN中完成声纹识别,从而确定说话者的身份。实验结果表明了CDRNN方案能够获得比GMMUBM等其他方案更好的识别准确率。

基于深度循环神经网络的换相失败边界检测

交直流混联电网中交流故障导致的换相失败,可能引发交流保护误动、拒动,造成连锁性故障。因此,快速精准的换相失败边界检测对提升交流保护性能、优化交直流保护协同配合、保障电网安全稳定运行具有重要意义。对此,提出了基于深度循环神经网络的换相失败边界检测方法。利用逆变站换流母线三相电压、直流电流及触发角指令实时值等站域信息,实现可综合考虑多因素耦合作用,可准确追溯引发换相失败原因,并含有一定的预测功能的换相失败边界检测新方法。

基于深度卷积循环网络的双通道语音增强算法

为提高针对手机通话应用场景中的双通道语音增强效果,使用深度卷积循环网络实现双通道语音增强算法,结合通道间的空间信息特征对模型进行改进,最后使用相位敏感掩蔽作为训练目标来修复相位损失.实验结果表明,改进方法可以提升网络对双通道信号的处理能力,得到语音质量和可懂度更高的双通道增强语音.

融合深度BiGRU与全局图卷积的方面级情感分析模型

现有基于深度学习的方面级情感分析模型需要考虑如何提取深层次的语义信息,其次通过依存树提取句法结构时可能存在信息丢失与数据稀疏问题.针对以上问题,本文提出了基于深度双向门控循环单元与全局双向图卷积网络的神经网络模型(DBG-GBGCN).该模型通过深度双向门控循环单元捕获深层次的语义特征,得到上下文的隐层表示.然后将依存树的邻接矩阵转变为带有全局句法信息的全局矩阵,将此矩阵与上下文的隐层表示一起输入至双向图卷积网络进行特征融合,最后经过掩码层和注意力层得到一个包含深层语义特征与句法结构信息结合的分类特征.实验结果证明,该模型在5个公开数据集上的准确率与F1值均比对比模型有着一定的提升.

基于深度循环神经网络的时间序列预测模型

针对水文时间序列的高度非线性和不确定性等问题,利用深度循环神经网络的时间序列预测能力,结合小波变换方法,将原始序列分解重构为多个低频和高频序列,针对各个子序列进行网络模型训练,建立一个基于小波变换的深度循环神经网络的水文时间序列预测模型(WA-DRNN)。网络训练方法采用时间进化反向传播(BPTT)算法,逐步更新网络权值。实验结果表明,WA-DRNN模型较普通的DRNN模型在预测值的均方差和绝对误差上均有较好提升,并且由于该模型的多尺度特性,能够一定程度上减少模型预测引起的滞后作用。实验结果证明,WA-DRNN模型具有预测精度高、滞后误差小的优点,对深度学习算法在水文时间序列预测的应用上有一定帮助。

深度低体温停循环技术对脑组织代谢的影响

目的观察深度低体温停循环技术对脑组织代谢及结构的影响。方法18只实验犬随机分为3组,深度低体温停循环(deep hypothem ic c ircu latory arrest,DHCA)组,深度低体温停循环结合逆行脑灌注(retrograde cerebralperfusion,RCP)组,深度低体温停循环结合顺行间断脑灌注(interm ittent antegrade cerebral perfusion,IACP)组,每组6只。3组动物体外循环开始后将鼻咽温降至18℃,随后停循环90m in;开放循环后逐步复温至鼻咽温到36℃,随后停机。3组动物在停循环前(T1),停循环后45 m in(T2)、90 m in(T3)及开放循环后15 m in(T4)和30 m in(T5)分别由股动脉和颈静脉插管留取血液标本进行pH值和乳酸测定。手术结束时取脑海马组织作透射电镜检查,观察脑组织及神经细胞超微结构的变化。结果3组动物在停循环前脑组织的pH值无显著差异;停循环后DHCA组和RCP组脑组织pH值比停循环前显著降低,而IACP组pH值无显著差异。3组动物在停循环前动脉血和颈静脉血的乳酸含量无显著差异;停循环后DHCA组和RCP组颈静脉乳酸含量比停循环前显著升高,也比IACP组显著升高;IACP组颈静脉乳酸含量仅在停循环90 m in(T3)时比停循环前有显著升高,恢复循环后很快降至停循环前水平。DHCA组及RCP组神经细胞及细胞核肿胀明显,而IACP组水肿不明显。结论单纯DHCA时间较长时,脑组织内产生大量乳酸,使脑组织呈酸性状态;RCP对脑组织有一定的保护作用,但易发生脑组织及神经细胞水肿;IACP的脑保护效果较为理想。

冻融循环作用下衬砌混凝土碳化深度的计算

研究了冻融循环作用对混凝土碳化的影响,建立了考虑冻融循环作用的混凝土碳化深度计算公式,通过计算表明,表面铺设保温板后,衬砌混凝土受到的冻融循环减弱,混凝土碳化速度降低。