油气资源大数据智能平台的总体框架应以数据资源为基础、大数据平台算力为支撑、人工智能算法为核心，面向油气行业生产需求，构建集勘探、开发、生产数据于一体的油气数据资源池，通过数据清洗与融合提升数据质量，整合物理模拟与数据挖掘等手段，实现服务功能模块化，并在PC端、管控大屏、手机移动APP等多维平台实现智能监测、预警与展示。通过对深度学习等人工智能方法在油气工业领域的应用案例分析，表明其具有较好的应用前景。未来石油公司应与科研院所通力合作，挖掘石油工业数据的巨大潜能，实现降本增效，建设全新的智能油气工业生态圈，完成产业升级

为了保证齿轮钢中非金属夹杂物的控制，并确定齿轮钢经济合理的总氧含量控制目标，开展了总氧含量对齿轮钢中非金属夹杂物的影响研究。以三种不同总氧含量的Mn–Cr系齿轮钢为研究对象，利用Aspex扫描电镜、极值法、疲劳测试等不同方法研究了齿轮钢中非金属夹杂物数量、分布、尺寸等，获得了夹杂物与齿轮钢总氧含量的对应关系。在本文实验条件下，随着总氧含量的降低，钢中氧化物夹杂数量不断减小，其中5～10 μm的小尺寸夹杂物减小最明显，而10 μm以上的大尺寸夹杂物数量变化规律不明显。另外，极值法和疲劳试验结果表明，总氧含量高时（质量分数为0.0013%），钢中最大氧化物夹杂尺寸也较大，比总氧质量分数为0.0010%和0.0005%的实验钢的最大夹杂物尺寸高10 μm以上，且当总氧含量比较低时（质量分数≤0.0010%），实验钢总氧质量分数变化（0.0010%、0.0005%）对钢中最大夹杂物尺寸影响不大

一、一组变量,名字相同,数据类型相同,用下标(索引-Index)来区分。例如:a(0),a(1),…,a(n)H称为数组a的成员(元素、下标变量) 二、两种类型的数组: 1 静态数组:成员数量不变 2 动态数组:成员数量可变

一、理解对大型的、复杂的和信息丰富的数据集进行分析的必要性。 二、明确数据挖掘过程的目标和首要任务。 三、描述数据挖掘技术的起源。 四、了解数据挖掘过程所具有的迭代过程和基本步骤。 五、解释数据的质量对数据挖掘过程的影响。 六、建立数据仓库和数据挖掘之间的联系

一、各种常用记数制和编码以及它们相互间的转换; 二、二进制数的算术运算和逻辑运算;符号数的表示及补码运算; 三、二进制数运算中的溢出问题 §1.1 概述 §1.2 计算机中的数制 §1.3 无符号二进制数的运算 §1.4 带符号二进制数的运算 §1.5 二进制编码 §1.6 计算机中常用数据单位

第九章数模与模数转换电路 9.1D/A转换器 一D/A转换器的基本原理 对于有权码,先将每位代码按其权的大小转换成相应的模拟量,然后将这些模拟量相加,即可得到与数字量成正比的总模拟量,从而实现了数字/模拟转换

本书精选了高等数学与线性代数共1200多道题·分为例题和习题两部分编写而成，这些题目大多选自历年各高校的研究生入学试题及全国统考试题，类型全面，覆盖面广，信息量大我们假定读者手中已有一套高等数学与线性代数的教材，因而在每节的开头只列出内容要点，或列出一些很重要的但不易记往的公式.各种类型问题的解题方法和技巧将有层次地贯率于整节的例题之中，以此为读者提供切实有效的指南.每节后面都有相应数量的习题.供读者通过自己动手解题来掌握要领，触类旁通，提高解题的能力.在书的末尾、给出了数学（一）至数学（五）的五套摸拟试题·供读者自我检验.左上角标有“△”记号者，表示该题为全国统考试题本书除作为硕士生入学考试的应考指南外，也可作为工科院校(包括电大、夜大、业大、职大等)学生学习高等数学和线性代数的教学参考书

§5.1 数值积分公式 §5.2 牛顿-科特斯公式 §5.3 复化求积公式 §5.4 龙贝格求积公式 §5.5 高斯型求积公式 §5.6 数值微分 §5.7 数值实验

一、数秒至数分钟(脑、脑干、高位脊髓、心脏、主动脉和大血管) 二、数分钟至数小时(硬膜外、下血肿、血气胸、肝脾破裂、骨盆骨折、大量失血) 三、数天至数周(感染、MODS) 四、黄金时间:强调急诊救治的重要性,在创伤后的数小时内成功的处理患者,可以使患者的死亡率、致残率将至最低

第一章 数值计算中的误差分析 第二章 线性方程组的直接解法 第三章 线性方程组的迭代解法 第四章 方阵特征值和特征向量的计算 第五章 非线性方程求根。 第六章 插值法 第七章函数逼近和曲线拟合 第八章 数值积分与数值微分 第九章 常微分方程的数值解法