摘要：声纹检测技术可以助力巡检人员对变压器状态进行检测和评估。文中提出一种基于声纹压缩和代价敏感的变压器状态检测和评估方法。该方法首先提取变压器音频的声纹特征,然后在频率维度上对声纹特征进行筛选和压缩,最后使用卷积神经网络评估变压器状态,并引入代价敏感损失函数以提高对难检出样本的关注度。以某35 kV变压器为研究对象,通过收集现场音频、模拟实验和样本扩充得到变压器音频数据集。测试结果表明,文中所提方法将声纹维度从1 025维降低到80维,计算量和显存分别降低到1 025维的8.1%和7.7%。同时,所提方法的声纹识别准确率高达83.5%,并将最难检出的短路电流异常状态的召回率从48.2%提升至63.6%。

摘要：分析了试验过程中热电池电压异常波动的原因,最终给出了问题的解决措施。该问题的解决对后续热电池的结构设计及工艺控制具有重要的指导意义。

摘要：针对现有方法从微博中识别时空信息精度较低且相对粗略的问题,该文提出基于双向长短期记忆网络和条件随机场(BiLSTM-CRF)与分类分层标注的微博中突发事件时空信息精细识别方法(MFISIE)。首先,设计一套适用于微博中突发事件的分类分层时空信息标注体系(CHSIAS),构建微博语料库;然后,结合BiLSTM-CRF构建微博时空信息识别模型,并利用117567条标注的微博语料进行实验。结果表明:与人民日报语料标注体系相比,CHSIAS与CRF、BiLSTM、BiLSTM-CRF 3种方法结合进行时空信息识别,F值均较高,且可获得多层级、精细化的突发事件时空信息,其中,基于BiLSTM-CRF的MFISIE方法的F值(91.2%)最高。使用CHSIAS时,BiLSTM-CRF对时间信息的识别效果最好,其对兴趣点、建筑物和相对位置描述识别结果的F值比BiLSTM方法分别提升了8.8%、6.3%和12.3%,比CRF方法分别提升了7.1%、7.7%和8.9%。MFISIE可更精确地提取微博中突发事件的时空信息,为突发事件应急信息的快速感知与精准应用提供技术支撑。

摘要：柳泉油田泉2断块储层岩性为粉细砂岩,油层薄、产量低、出砂严重,油井无法正常投产。针对断块低温、强水敏、水平井防砂井段长等难点,开展了长水平段高压砾石充填先期防砂工艺研究,设计了连续充填工艺管柱,并配套完善了完井液体系、射孔方案及携砂液体系,将防砂、治砂、改造储层相结合,开展了4口井的现场试验,取得了较好的应用效果。该项技术在泉2断块的成功应用,扭转了该薄层强水敏粉细砂岩油藏长期未能有效动用的被动局面,同时也为其他同类型油藏的开发提供了技术思路。