摘要：针对大部分基于深度学习(Deep Learning,DL)的信道估计算法估计高维信号时出现的训练开销过大、泛化能力差等问题,提出了一种不需要训练的基于深度学习的高维信号信道估计算法,即UTCENet(Untrained Channel Estimation Network)。在UTCENet中,信道信息上的复杂分布转换为模型参数上的简单分布,即通过神经网络参数化来获得隐式先验知识并将其应用于信道估计。虽然该算法不需要任何训练,但保证了估计的性能,其原因在于专门设计的网络模型可以有效利用时频网格中元素的相关性。仿真结果表明,与传统方法以及现有的深度学习方法相比,所提出的算法在归一化均方误差和误码率方面性能提升明显。

摘要：针对塔里木注采井距大、井网相对不完善、超深高温高压高矿化度的油藏地质条件,在摸清地下纵向、平面的开发矛盾和剩余油分布情况的基础上,结合塔里木超深高温高压油藏动态监测配套技术,利用动态监测资料分析调剖调驱必要性及可行性,确定调剖调驱选井选层;结合油水井的动、静态资料设计合理施工参数,以动态监测资料为依据,评价调剖(驱)措施的有效性,确保调剖调驱成功率。

摘要：针对低渗透油田在注水开发过程中注入压力高、压力传导慢等问题,室内进行了表面活性剂相对渗透率和天然岩心降低注入压力等实验研究。实验结果表明,在水驱基础上,天然岩心注入浓度为0.5%的NS—1表面活性剂后,后续水驱压力降低25%以上,降压效果明显。根据油水相对渗透率曲线,在油水两相径向稳定渗流条件下,对表面活性剂增注效果、段塞尺寸与增注量的关系等进行了预测。

摘要：对58个杂交籼稻组合在云南永胜特殊的超高产条件下生产表现,作最优聚类分析,分为5个大类,11个子类。结论如下:(1)水稻的超高产育种,不能片面强调个别或少数产量指标的提高,每次产量的提高是更高水平的产量结构因子的平衡;(2)云南永胜条件下当前最优性状设计为全生育期尽可能长、穗高115 cm左右、穗长26～27 cm、有效穗22万～23.5万/667m2、高峰苗41万/667 m2左右,成穗率55%左右、每穗总粒数170粒以上、结实率85%以上、千粒重31 g以上。