东坪地区基岩潜山风化壳裂缝性储层的主控因素及有效性分析

柴达木盆地阿尔金山前东坪地区基岩潜山风化壳裂缝性储层的矿物组分复杂、纵横向变化快、裂缝及溶蚀发育程度不均一、物性参数评价难度大,导致其主控因素及有效性不明确。为此,利用地层元素测井、电成像测井及常规测井资料,通过两种岩性识别方法——M-N-GR三变量岩性识别法与铝-硅-钙三元素岩性识别法建立了适用于研究区基岩潜山风化壳裂缝性储层的岩性识别标准。通过岩心分析与电成像人工拾取刻度重构了双侧向电阻率测井裂缝孔隙度模型,利用声波时差测井结合元素测井建立了变声波骨架值及分岩性声波骨架值的基质孔隙度模型。分析了裂缝发育及物性与断层距离、地层变形程度、岩性、风化淋滤作用的关系,总结了影响东坪地区基岩潜山风化壳裂缝性储层的主控因素。在精确识别岩性及求取物性参数的基础上,结合PoroTex技术、核磁谱型分析、裂缝与地应力走向分析等方法,综合评价了裂缝性储层的有效性。研究成果为东坪地区基岩潜山风化壳储层气藏的动态开发提供了测井技术支持。     

基于BERT-BiLSTM-CRF的农产品信息文本命名实体识别研究及应用展望

命名实体识别是从农产品信息文本数据中有效抽取信息的关键一步,旨在从非结构化文本中确定与农产品特性相关的命名实体。农业领域的命名实体识别研究大多集中在农业病虫害领域,关于农产品信息文本的实体识别研究较少,通过采用BMES标注的方式对爬虫获取的农产品信息文本数据进行标注,提出融合BERT的BiLSTM-CRF深度学习模型对该文本数据进行实体抽取。将该模型与多种神经网络模型的实验结果比较发现,融合BERT的BiLSTM-CRF模型对农作物、地区、富含营养成分等3种命名实体识别的准确率和召回率分别为82.25%和84.54%,明显优于IDCNN-CRF等神经网络模型,说明该方法能有效识别抽取农产品信息文本数据命名实体。基于此,命名实体识别作为中文文本信息抽取的关键技术,在农产品信息推荐系统、智能问答等方面将会有广泛的应用前景。     

基于Tensorflow的车型识别系统研究

研究了基于谷歌深度学习框架Tensorflow的深度学习在车型识别领域应用的可能性,使用了卷积神经网络模型,将6种不同类型的车辆图片作为训练集输入神经网络,通过多次训练,选择合适的神经网络超参数,最终得到了可以通过输入图片直接识别汽车类型的卷积神经网络模型,且准确率约为92%。同时,通过学习,以Tensorflow为后端,keras为前端进行建模、编程的完整流程,为进一步使用Tensorflow深度学习框架构建图像识别的应用环境打下了基础。     

农产品冷链数字化发展探析

发展农产品冷链物流对提高农产品品质,减少生鲜农产品损耗,促进农业增效、农民增收,保障我国粮食生产安全,具有十分重要的现实意义.文章介绍了物联网技术在农产品冷链物流中的应用情况,分析了我国冷链物流存在的问题,并提出农产品冷链数字化发展的对策与建议.     

基于颜色特征提取的四川古壁画分类识别研究

通过对四川古壁画的现场考察和特征分析,提出基于颜色特征提取的四川古壁画分类识别方法,经多次实验确定最佳方案,最后实现古壁画的自动识别系统,实验结果证明了该识别系统的有效性.     

几种瓜菜种子的寿命及新陈识别

种子贮藏超过了寿命期,发芽率就会降低,甚至不发芽.种子发芽率低,生长势必弱,抗性随之大大降低,菜农在购买瓜菜种子时,要学会辨认新陈种子,以免误时误事.     

牛蒡黑斑病的识别与防治

牛蒡是菊科牛蒡属中能形成肉质直根的二三年生草本植物,既是美食,又能入药,还可作茶,经济价值较高,但随着面积的扩大和重茬种植,黑斑病严重影响了牛蒡的产量和质量.现将该病症状识别和防治方法介绍如下.     

怎样识别拼装和翻新机动车

一、拼装的车辆 拼装车辆是以报废机动车为骨架,配以大量的旧零件,加上一部分新零件,非法组装成的机动车辆,经过简单的喷漆后,以次充好,坑害消费者。拼装的机动车辆有以下特征：1．在底盘部分,特别是行走系统,可以找到旧零件。2．没有出厂合格证;即使提供合格证。也有涂改痕迹,或者合格证上没有生产厂家的产品检验章和检验员的印章,     

基于纹理和位置特征的麦田杂草识别方法

以化学防除适期麦田杂草为研究对象,对利用条播作物的位置和纹理特征识别田间杂草的方法进行了研究。根据条播作物小麦作物行的间距相对固定等位置特征,利用植物像素直方图法确定作物行的中心线和行宽,并识别行间杂草。然后,以作物行中心为基准来选取纹理块,计算量化级数为8级的H颜色空间的共生矩阵,提取5个纹理特征参数,利用K均值聚类法判别分析各块的类别来识别行内杂草。研究结果表明,杂草的正确识别率约为93％,作物的错误识别率约为7％。