苏里格气田较大规模压裂改造技术研究

苏里格气田为低渗、低压、低产、低丰度的大型致密砂岩气田,主力盒8储层地质情况复杂,压裂增产难度大。以探索加大规模、增加裂缝长度和改造半径提高单井产量的可行性,开展了14口井较大规模压裂试验。通过大量探索性研究和试验,形成了苏里格气田比较成熟的较大规模压裂技术。试气和投产生产动态分析表明,与适度规模压裂相比,苏里格气田较大规模压裂井未表现出没有明显的增产优势。

较大规模换热器网络的一种综合优化方法

基于分级超结构换热器网络模型的特点,改进了计算温度分布的通用解方法,以遗传算法和模拟退火算法为主,以瞎子爬山优化算法以及一些特殊优化策略为辅,设计了相应的计算程序,它需要的计算机内存要比现有的其他方法小。实例证明,该方法可成功地应用于较大规模的换热器网络的优化,并得到比现有各种方法更优的结果。

日本刺沙蚕Neanthes japonica (Iznka)大规模育苗的初步研究

结合生产实践 ,模拟野外温度、盐度等环境条件 ,在较大规模的育苗池环境条件下 ,对日本刺沙蚕胚胎和发育作了生殖生物学的观察和描述 。

基于Hopfield神经网络求解较大规模TSP的新方法

利用Hopfield神经网络求解超过100个城市的旅行商问题（TSP）时，由于Hopfield神经网络能量函数局部极小点太多导致求解困难，本文提出一种Hopfield神经网络与归约方法相结合求解较大规模TSP问题的通用方法，通过提取原TSP问题较优解之间的公共边，降低城市规模并构造一个新的TSP问题，再利用Hopfield神经网络求解新TSP问题并在得到较优解后将之还原，以此获得原TSP问题的较优解。计算机仿真表明该方法可以快速获得较大规模TSP问题较优解，提高了使用Hopfield神经网络求解TSP问题的适用城市规模。

一个新的强化学习多序列对比工具CDRL

多序列比对(multiple sequence alignment, MSA)在生物信息学中是一项重要的研究领域,常被用于描述物种之间的进化关系、药物设计和药物开发.MSA是一个NP完全问题,因计算过于复杂,无法获得最优解.强化学习方法在MSA中表现出了优异的性能,但其计算复杂度与空间复杂度都很高,因此无法应用于大规模数据集.提出一种新的强化学习模型CDRL(contextual deep reinforcement learning)来解决多序列比对问题,该模型采用上下文关系,将网络输入维度从O(n2)降为O(n),其中n是输入的序列数量.该模型建立的网络收敛速度快于当前其他模型.实验结果表明,CDRL的性能优于业内其他强化学习MSA.相较于其他方法目前只能运行在12条序列数据上,CDRL成功地在100条序列上取得较快速度和较好性能.这提高了强化学习MSA应用在较大规模数据集上的可能性.

论文字生成机制(一)

本文作者认为,现有的关于文字起源和生成的各种说法,都还不能充分说明文字起源和生成的原因。本文提出,文字生成必然遵循一定的机制,大致是由以下三个阶段来实现的:第一阶段,史前人类为了记事、表达感情、审美需求、信息传递、施行巫术等目的,创造了最初的图画和符号,但这些图画和符号不能记录语言。第二阶段,在得到一定发展的农业经济基础上,巫术和原始宗教发展起来,巫师或祭司为了进行人神交流以得到神谕,利用了史前的图画和符号,创造了符号体系——巫师文字。巫师文字基本上不用于人际交流,也还达不到这样的程度。第三阶段,是形成通行文字的阶段,通行文字生成的条件十分苛刻,它需要有相当发达程度的农业、畜牧业和手工业,需要有优越的地理条件,需要能利用畜力和运载工具,需要在多个文明之间发展较大规模的贸易,而这较大规模的贸易,正是通行文字形成的原动力。

论文字生成机制(二)

本文作者认为,现有的关于文字起源和生成的各种说法,都还不能充分说明文字起源和生成的原因。本文提出,文字生成必然遵循一定的机制,大致是由以下三个阶段来实现的:第一阶段,史前人类为了记事、表达感情、审美需求、传递信息、施行巫术等目的,创造了最初的图画和符号,但这些图画和符号不能记录语言。第二阶段,在得到一定发展的农业经济基础上,巫术和原始宗教发展起来,巫师或祭司为了进行人神交流以得到神谕,利用了史前的图画和符号,创造了符号体系——巫师文字。巫师文字基本上不用于人际交流,也还达不到这样的程度。第三阶段,是形成通行文字的阶段,通行文字生成的条件十分苛刻,它需要有相当发达程度的农业、畜牧业和手工业,需要有优越的地理条件,需要能利用畜力和运载工具,需要在多个文明之间发展较大规模的贸易,而这较大规模的贸易,正是通行文字形成的原动力。