非常规储层压裂支撑剂多级裂缝运移和沉降规律

水力压裂过程中支撑剂在裂缝中有效填充是形成高导流裂缝通道的关键。目前,关于支撑剂在裂缝中运移与沉降规律的研究方法多为物理实验或数值模拟,且主要聚焦支撑剂沉降结果,对支撑运移和沉降机理的研究较少。为进一步揭示支撑剂在裂缝中的运移和沉降规律,采用实验与数值模拟结合的方法探究了支撑剂尺寸、注入速度以及压裂液黏度对支撑剂在单一与交叉裂缝中的运移沉降行为的影响。研究结果表明:①支撑剂尺寸主要通过对沉降角的影响决定颗粒运移的分布,支撑剂尺寸越大,颗粒沉降角越大,运移距离越短;②注入速度对砂丘形态影响较大,当注入速度从0.2m/s增加至1.0m/s时,单一裂缝内砂丘有效支撑面积比和最大高度都明显降低,而分支缝内砂丘有效支撑面积比增加34.3%,表现出与单一裂缝中相反的变化趋势;③压裂液黏度主要影响流体携砂能力,随着压裂液黏度增加,主裂缝内砂丘有效支撑面积比降低8.4%,砂丘最大高度下降6.1cm,而在分支裂缝内表现为先增加后降低。结论认为,分支裂缝与主裂缝内支撑剂运移受施工因素影响往往表现出不同变化规律,该研究成果将进一步完善了水力压裂相关理论认识,同时为压裂现场施工设计优化提供了理论支撑。

多分支融合变分细化蒸馏的跨模态行人重识别

目的针对目前跨模态行人重识别研究中对行人细腻区域关注不足以及网络易受噪声影响的问题,提出一种多分支融合变分细化蒸馏学习方法。方法首先,网络通过多分支聚合不同粒度的全局特征,督促深层网络学习两种模态的全局信息和细节信息,丰富行人的特征描述符;然后,结合变分细化蒸馏策略,对特征信息进行再压缩,保留与任务相关的深层信息,同时丢弃无用的干扰物;最后,将网络捕获的不同特征用多种损失函数联合监督,以提高网络对行人表征的敏感度。结果所提方法在SYSU-MM01数据集的全搜索模式下,R-1和mAP分别达到66.93%和65.25%;在RegDB数据集的可见光到红外设置下,R-1和mAP分别达到78.26%、77.83%。结论通过消融实验、对比实验和可视化实验,充分验证了所提方法的有效性。

利用跨模态轻量级YOLOv5模型的PET/CT肺部肿瘤检测

多模态医学图像可在同一病灶处提供更多语义信息,针对跨模态语义相关性未充分考虑和模型复杂度过高的问题,该文提出基于跨模态轻量级YOLOv5(CL-YOLOv5)的肺部肿瘤检测模型。首先,提出学习正电子发射型断层显像(PET)、计算机断层扫描(CT)和PET/CT不同模态语义信息的3分支网络;然后,设计跨模态交互式增强块充分学习多模态语义相关性,余弦重加权计算Transformer高效学习全局特征关系,交互式增强网络提取病灶的能力;最后,提出双分支轻量块,激活函数簇(ACON)瓶颈结构降低参数同时增加网络深度和鲁棒性,另一分支为密集连接的递进重参卷积,特征传递达到最大化,递进空间交互高效地学习多模态特征。在肺部肿瘤PET/CT多模态数据集中,该文模型获得94.76%mAP最优性能和3238 s最高效率,以及0.81 M参数量,较YOLOv5s和EfficientDet-d0降低7.7倍和5.3倍,多模态对比实验中总体上优于现有的先进方法,消融实验和热力图可视化进一步验证。

基于RFB和超网络的跨尺度多层次真实失真图像质量评价方法

为了能在真实失真图像质量领域实现高效的跨尺度学习,提出一种双分支特征提取方法。首先,利用对比学习方法自监督地提取跨尺度、跨颜色空间的图像内容感知特征;随后,采用基于扩张感受野和超网络的策略,将多层次特征信息与跨尺度信息进行循环交互融合,以获取更贴近人类感知的图像质量特征。基于公开真实失真数据库的实验结果表明,所提算法在真实失真图像质量评价上取得了优越性能,而且,通过两个尺度的实验结果展示了该算法实现了更高效的跨尺度学习,从而为图像多尺度深度网络的应用提供了较好基础。

结合等变交叉正则化的轻量化双分支建筑物变化检测网络

空间细节信息和语义上下文信息在建筑物变化检测研究中扮演着至关重要的角色。然而,在当下主流的单分支网络架构中,同时获取这两种信息会面临计算成本和模型大小方面的严峻挑战。为应对这一挑战,本文提出一种全新的轻量化双分支网络架构用于高效特征提取,并引入等变交叉正则化模块以增强特征表达,从而实现精细化的建筑物变化检测。具体地,轻量化双分支网络架构由细节分支、语义分支和双信息交互融合模块组成,能同时高效地捕获空间细节信息和语义上下文信息,以生成细粒度的深度语义变化特征图;同时,等变交叉正则化模块从隐式监督角度出发,在不增加网络参数的前提下,从语义和空间层面对变化特征图进行一致性约束,从而提高网络在变化建筑物尺度和边缘上的感知能力;为了验证方法的有效性,本文选用现有优秀的轻量化和非轻量化变化检测网络作为对比方法,分别在WHU、LEVIR两个数据集上开展对比实验。结果表明,在仅需2.27 M参数和4.25 G浮点运算的轻量化前提下,本文方法在两个数据集上分别实现了87.03%、83.41%的交并比精度,综合性能显著优于现有的轻量化和非轻量化变化检测方法。研究成果有望为未来的轻量化建筑物变化检测研究提供科学参考。

高等教育国际合作办学的时空动态及其对跨境知识合作的影响

利用ArcGIS空间分析方法、面板回归及负二项回归模型,探究1966—2020年国家和城市尺度下高等教育国际合作办学发展的时空特征及其对跨境知识合作的溢出效应。研究发现:①高等教育国际合作办学母校分布呈现出稳定的由美国和西欧地区主导的特征,法国巴黎、美国纽约和俄罗斯莫斯科是三大国际合作办学的供给中心城市;②高等教育国际合作办学分校分布上呈现出由加拿大-西欧主导向东亚-中东地区主导转变,阿联酋迪拜作为高等教育国际分校中心的地位不断强化;③高等教育国际合作办学网络呈现出由以美国为单核的放射网络结构向以美国、英国、法国为核心的多核放射网络结构演化,美国一直是国际合作办学最大的供给中心,但发展中国家(地区)正加速融入国际合作办学网络;④多维邻近性分析框架下的回归模型结果显示,国际合作办学对跨境知识合作呈现出显著且稳定的正向溢出效应,其溢出主渠道为国际分校与母校间的合作。

双分支跨级特征融合的自然场景文本检测

现有的场景文本检测方法在处理任意形状文本时,由于复杂背景的影响会造成文本区域定位不准确、相邻文本漏检误检的问题,基于此提出一种双分支跨级特征融合的自然场景文本检测方法。首先,以Resnet50为主干网络提取初始特征,设计跨级特征分布增强模块(cross-level feature distribution enhancement module,CFDEM),增强跨级特征文本信息的交互性,提高特征的表达能力;然后,为自适应地选择过滤非文本或冗余特征,降低误检率和漏检率,提出自适应融合策略(adaptive fusion strategy,AFS),利用双分支结构加强不同维度特征之间的联系,优化融合过程;最后,预测阶段采用可微分二值化的方法来生成文本检测结果。所提方法在ICDAR2015、ICDAR2017、Total-Text、CTW1500数据集上进行消融实验,实验结果表明该方法能准确定位文本区域,克服文本漏检误检影响。

正常人腕掌部尺神经多模态超声评估

目的获得腕掌部尺神经主干、深支、浅支及其周围小鱼际肌的的超声影像及小鱼际肌的杨氏模量值,为研究腕掌部尺神经病变奠定影像诊断基础。方法选取30名健康志愿者(男18名,女12名),共60支手腕。测量并记录受试者双侧手腕宽度、手腕深度、手腕周长、手掌长度及手掌宽度;行超高频超声检查,测量并记录腕尺管内尺神经主干及其深支、浅支的横截面积(CSA);利用微细血流成像技术观察尺神经及其周围的血流信号分布情况,并应用剪切波弹性成像技术分别获取小鱼际肌的杨氏模量值。结果健康成年男性与女性间手腕宽度,手腕深度,手腕周长,手掌长度及手掌宽度与尺神经主干及其深、浅支的横截面积间的差异有统计学意义(P<0.05);尺神经主干及其深、浅支的横截面积与手腕宽度,手腕深度,手腕周长,手掌长度及手掌宽度相关(P<0.05);优势手与非优势手在尺神经主干及其深、浅支横截面积上无明显统计学差异(P>0.05);所测全部尺神经及其深、浅支微细血流显像均未探及血流信号;除掌短肌外的小鱼际肌的杨氏模量值在男女性别间、优势手及非优势手间无明显统计学差异(P>0.05)。结论尺神经主干及其深、浅支的横截面积在不同的性别间存在差异,且与手腕的粗细、手的长度、手的宽度等有关。而优势手与非优势手在尺神经主干及其深、浅支横截面积上无明显统计学差异。腕掌部尺神经病变超声检查时,对同一人的双侧腕掌部尺神经各项参量及小鱼际肌进行对比扫查更有意义。

杨树切枝杂交及播种育苗技术研究

以杨树杂交育种及播种育苗技术为研究焦点,从材料准备、室内切枝杂交2个方面总结了杨树切枝杂交育种方法,并从选地整地、适时播种、苗期管理等方面总结了杨树播种育苗技术,以期为培育出大径材、特殊抗性的杨树品种提供参考。

基于颜色随机化和全相关注意力的跨模态行人重识别

针对跨模态行人重识别过程中,模态差异导致难以提取充分的辨别性身份特征的问题,提出一种颜色随机化数据增强算法,并设计了基于全相关注意力的双流多分支网络模型。模型以ResNet-50为骨干网络,首先,对输入样本进行颜色随机化处理,提高模型的颜色风格鲁棒性;采用双流网络,在网络浅层设置权重参数非共享模式,分别用于处理可见光图像和红外图像;其次,提出全相关注意力,从空间和通道维度获得不同像素的关联程度,提高模型对于结构信息的提取能力;最后,采用多分支结构提取多尺度全局特征和局部特征增强提取特征的判别性。实验结果表明,所提方法在SYSU-MM01数据集的全搜素测试模式下,Rank-1和平均精度均值(mAP)分别达到70.01%和67.40%,优于其他方法。

交互补充与验证的语义分割

为了改善语义分割网络中特征的提取过程,明确模型的运行逻辑,辨别性特征被按照像素自身信息和像素间关联信息两个角度拆分,使用关系支路、信息支路两个支路网络专注于各自特征的提取。提出交互补充模块促进两个支路间特征的交互与补充,并利用交互验证模块对两个支路的预测进行额外验证。此外,在传统交叉熵损失的基础上提出对比交叉熵损失,使其更有利于对像素特征的约束与调整。在Dark-Zurich数据集和Cityscapes数据集上将该方法与不同的网络结合,进行大量实验验证了其有效性。

中美半矮秆大豆杂交早期世代农艺性状遗传及相关、通径分析

以 3个中美半矮秆大豆杂交组合为材料 ,对自交及回交后代早期世代各主要农艺性状进行遗传力估算、世代间的相关分析、F3 的相关及通径分析。结果表明 ,中美半矮秆大豆杂交后代以株系为单位的所有分枝性状世代间关系密切 ,且与目标性状产量相关值较大 ,表明了在此种组合后代分枝性状向正方向选择对产量的增效效果 ,因此从F2 起以株系以上单位的平均表现进行选择是与常规组合不同的选择技术。 3组合的单株粒数、主茎荚数。

中美半矮秆大豆杂交早期世代农艺性状遗传变异研究

以三个中美半矮秆大豆杂交组合为材料，通过对其自交及回交后代各主要农艺性状的遗传参数的分祈，为半矮秆大豆后代的选择和品种选育育种提供了一定的理论依据。试验结果表明：中美半矮秆大豆品种间其性状特别是分枝性状的明显差异，加之地理远缘等原因，其Ｆ１代多数农艺性状具有明显的超亲优势，自交及回交后代分枝性状有着超常幅度的变异；除了与通常杂交组合中株高、主茎节数、百粒重等表现较大的遗传力相同外，此种组合后代的分枝性状也表现了较高的遗传力。中美半矮秆大豆杂交后代所有分枝性状变异广泛，相对预期遗传进度大，且与目标性状产量相关值较大，决定了在此组合中早代选择的必要性。

溶胀动力学方法研究扩链剂对结构PU的影响

用溶胀动力学方法测定了不同用量的己二胺、乙二醇和丁二醇扩链的聚氨酯的溶胀动力学曲线，由其特征证明扩链剂种类、用量对聚氨酯结构有显著影响。随四官能度扩链剂用量增加，支化向交联方向发展；但随二官能度扩链剂的增加，支化又向线型方向趋近。研究这些规律对指导合成及研究结构与性能的关系提供了科学依据。

基于GA与最长路径并联通路法优化通风网络图绘制

针对矿井通风网络图分支交叉的问题,基于最长路径对网络图节点分层,以遗传算法优化节点排序,主要采用堆积木的组合思想来进行层间交叉与层内交叉操作,提高层次图的质量(减少分支交叉数),并以重心定位启发式算法来增强遗传算法的局部搜索能力,提高遗传算法的搜索质量。最后,以改进的最长路径并联通路法绘制出较优的通风网络图。

高效稳定湿强剂PAE的制备及其关键影响因素的研究

以二乙烯三胺、己二酸和环氧氯丙烷为原料,通过缩聚和交联反应合成了具有水溶性的阳离子热固性树脂聚酰胺-环氧氯丙烷树脂(PAE)。在酸胺摩尔比1.05∶1、加热温度170℃、催化剂用量2.5%、保温时间120min的条件下,得到出水率高、聚合度大、相对分子质量适宜的预聚体PA;在环氧氯丙烷与预聚体PA中的二乙烯三胺单元摩尔比1.5∶1、前期水与PA质量比2∶1、保温温度65℃的条件下,制得的PAE与市售PAE相比,稳定性增强,湿强效果明显提高。

论安全法律部门的独立性、交叉性和分支构成

为了使人们认识到安全法律部门在我国法律体系中的重要地位,安全法律部门是由哪些内容构成的,从而树立安全法律部门是独立的部门这样一种信念。以法学方法、社会学方法、比较方法等论述我国安全法律部门存在的独立性和交叉性,并从5个不同的角度论述安全法律部门的分支构成。其独立性在于其调整对象是独立于其他各部门法的财产、人身安全关系;其分支划分主要是安全工程建设法、安全民法、安全行政法、安全刑事责任法、安全诉讼法、安全商法、环境安全法、资源安全法、军事安全法等。因此,法学界要把安全法律部门提高到与环境资源法部门、劳动社会保障法部门并列的地位;立法部门要以各分支法为依据构建安全法律体系,克服长期以来在安全法认识上存在的杂乱、繁琐和重复等弊端。

同程式热水管网中对角分支的稳定性分析

认为同程式热水管网可视为复杂角联网络，用计算机对一例题进行模拟计算，分析了对角分支管流的稳定性。

越库作业调度模型与算法研究

针对暂存区容量有限的越库中心的作业调度问题,以暂存成本、额外搬运成本和换车成本总和最小化为目标,建立数学模型。构建分支定界算法对问题进行精确求解;结合贪婪算法和遗传算法构建混合启发式算法对问题进行近似求解。大、小规模情形下的数值实验结果表明:分支定界算法可以有效求得小规模问题的精确解,但随着问题规模的增大,难以在较短时间内求得精确解;混合启发式算法在小规模情形下与分支定界算法的求解误差最小为0,最大为0.58%;大规模情形下,在给定1 800 s内,混合启发式算法的求解质量均优于分支定界算法,两者差距最大为7.16%。这表明所构建的混合启发式算法是有效的。

基于注意力双分支网络的跨模态足迹检索

为了提高跨模态足迹检索精度,提出一种基于注意力双分支深度卷积神经网络的检索方法.该方法以赤足足迹的光学和压力2个模态图像为研究对象,采集并构建了一个包含138人5520幅足迹图像的跨模态检索数据集;在网络的特征提取模块采用ResNet50作为基础网络搭建双分支结构,并引入空间注意力机制,以提取各模态具有辨别性的特征;在网络的特征嵌入模块,通过部分参数共享学习跨模态共享空间;在双约束损失模块采用交叉熵损失(ID loss)和异质中心损失(HC loss)以增大跨模态足迹特征的类间差异,减小类内差异.实验结果表明:互检索模式下的平均精度均值(mAP)均值和Rank1均值分别为70.83%和87.50%,优于其他一些跨模态检索方法.采用注意力双分支网络模型能够有效进行跨模态足迹检索,可以为现场足迹对比鉴定等应用提供理论基础.