传统储层含油性勘测方法利用地震波穿过地层时产生的相关地震属性和地质钻井资料结合传统地球物理方法进行综合研判，但该类勘测方法往往存在研判成本高且对专家先验知识依赖性强的问题。针对该问题，以江苏油田苏北盆地的地震资料为基础，并结合含油样本的稀疏性和随机性，提出了一种基于多粒度时序结构表示的异常检测算法，直接利用叠后地震道数据进行预测。该算法首先对于单个地震道数据提取多粒度时序结构并形成独立特征表示；其次，在提取多个粒度时序结构表示的基础上进行特征融合，以形成对地震道数据的融合表示；最后，通过对融合后的特征采用代价敏感方法进行联合训练和判别，从而得到对于该地震数据的含油性勘测结果。所提算法在江苏油田实际原始地震资料上进行了实验仿真，实验结果表明：所提算法相比长短期记忆（LSTM）和门控循环单元（GRU）算法在曲线下方的面积（AUC）指标上均提升了10%。

由于NAND闪存的固有限制，写前擦除和擦除粒度较大，基于NAND Flash的固态硬盘（SSD）需要执行垃圾回收以重用失效页。然而垃圾回收带来的高开销会显著降低SSD的性能，也会直接影响SSD的寿命。特别是对于频繁使用的有数据碎片的SSD，垃圾回收带来的性能下降问题将更为严重，现有的垃圾回收（GC）算法各自侧重垃圾回收操作的某个步骤，并没有给出全面考虑各步骤对整体影响的综合方案。针对该问题，在详细剖析垃圾回收过程的基础上，提出了一种全程优化的垃圾回收方法WPO-GC，在数据初始放置、垃圾回收目标块的选择、有效数据的迁移、触发回收的时间点以及中断处理方式上，尽可能全面地考虑各步骤对SSD正常读写请求和寿命的影响。通过开源模拟器SSDsim上的WPO-GC的有效性验证表明，同典型GC算法相比，WPO-GC可以减少SSD读请求延迟20%~40%和写请求延迟17%~40%，均衡磨损近30%。

针对多源灌溉信息决策过程中不确定性信息难以融合的问题，提出了一种基于模糊粗糙集和D-S证据理论相结合的决策融合方法。运用模糊粗糙集理论，建立基本概率分配函数，计算各灌溉因子与灌溉决策之间的依赖程度，构建多个融合灌溉因子对灌溉决策的识别框架；然后运用改进的D-S证据理论，进行多源灌溉信息决策层级的融合，最终解决不确定信息的表达和合成问题。应用上述方法对华北地区冬小麦土壤水分、光合速率和气孔导度等信息进行灌溉决策融合，结果显示：灌溉决策的不确定性由融合前的最高38%降至9.84%，该方法可有效地提高灌溉决策精度，降低灌溉决策的不确定性