融合注意力的方面情感三元组抽取研究

方面情感三元组抽取中,现有的端对端模型大多忽略了方面和观点词间的潜在关系,针对上述问题,提出了一种基于融合注意力的深度学习模型Bi-FA-GTS来抽取方面情感三元组。该模型结合使用了位置注意力和自注意力,便于对目标词与其上下文单词之间进行联合特征向量建模;其次引入了一种网络标记方案,并结合词对关系解码及输出最终三元组。在基准数据集上的实验结果表明,该模型在14lap、15res和16res子数据集上的F1值相比于JET模型提升了2.75、0.43和1.46个百分点,提高了情感三元组抽取的有效性。

基于热传导时域积分的井下流量测量方法

针对油田低产液生产井流量测量困难的问题,根据多相流体热力学理论,利用整个测量周期内探测器周围流体冲刷引起的热传导效应,提出了一种基于热传导时域积分的井下流量测量方法。首先,采用间歇式恒功率加热的方式,给探测器提供周期性能量;然后,采用积分法计算和分析了探测器内部温度在升温和降温过程中随外界流体流量变化的规律。理论分析与试验结果表明,时域积分面积与流量呈极好的相关性,尤其在低流量条件下具有较高的分辨率,该方法解决了传统涡轮流量计在流量较低情况下因涡轮无法启动导致失去检测能力的问题。基于热传导时域积分的井下流量测量方法,促进了油水两相流检测技术的发展,为低产液井流量测量提供了一种新的技术手段。

井下动液面深度测量系统的设计与实现

井下动液面深度是掌握地层动态和确定采注方案的重要依据,对油井的安全生产至关重要。针对传统的井下动液面深度检测仪存在检测精度低、设备自检难以及人机交互差等3种问题,研制了一种基于声波测距法的新型智能化井下动液面深度测量系统。考虑到井下回波信号弱、噪声干扰大的问题,采用巴特沃斯二阶低通滤波器与24位高精度ADC相结合的模数转换电路,实现了声波信号采集的低噪声与高精度;针对仪器自检难题,提出了一种可存储式井下声波信号模拟器设计方案;为了提升人机交互体验,新增了语音交互技术,便于用户操作并了解仪器当前工作状态。经实验测试,该系统噪声均方根值小于5μV、采集电路信噪比约为108.6 dB。在实际油井深度测试中,与对标仪器的绝对误差在0.7 m以内,测试结果表明该系统能够满足油田的现场生产需求,为井下动液面深度检测提供了新的解决方案。

基于注意力机制及多尺度融合的红外船舶检测

针对红外图像船舶目标检测方法的准确性和实时性还不能满足海防场景需求的问题,提出一种基于改进YOLOv7算法的轻量级船舶检测算法。该算法首先在Backbone网络中引入MobileNetv3主干网络,实现模型轻量化处理。然后在Neck网络引入注意力机制抑制噪声与干扰,以提高网络的特征提取能力,并采用双向加权特征金字塔,以提升特征融合能力。最后引入Wise IoU优化损失函数,提高模型的收敛速度与精度。在艾睿数据集上的实验结果表明,相较于YOLOv7,所提改进算法的精确率、召回率、平均精度均值(mAP)@0.5与mAP@0.5∶0.95分别提升0.9个百分点、2.5个百分点、1.2个百分点和1.2个百分点,模型参数量降低了约38.4%,浮点运算数(FLOPs)降低了约65.5%。所提改进算法在满足检测速度要求的同时得到了更优的检测精度,有效地实现了高速、高精度的船舶检测。