基于GPR-DE模型的CO2-原油体系最小混相压力研究

在对中外35个CO_2驱油藏注入气体组分、油藏温度、原油组分、注入气体临界温度和最小混相压力进行数据统计和处理的基础上,结合高斯过程回归(GPR)与差分进化算法(DE),建立了预测CO_2-原油体系最小混相压力的新模型——GPR-DE模型。利用统计误差和图形误差评价GPR-DE模型的精确度,利用实验数据和敏感性分析对模型结果进行了验证,并与现有模型的预测结果进行对比。结果表明,GPR-DE模型与其他模型相比,精确度更高、应用范围更广,平均绝对相对误差仅为2.060%,标准差仅为0.053 2。GPR-DE模型不仅可以预测CO_2-原油体系最小混相压力,还可以预测其他气体与原油体系最小混相压力。     

一种IEC 61850通用数据类数据库信息模型的建模方法

提供了基于IEC 61850通用数据类的数据库信息模型及其接口的设计方法,该方法适用于变电站站控层设备。将数据库模型分为信息模型、设备模型和应用模型3层架构,其中信息模型和设备模型分别基于IEC 61850变电站配置文件(SCD)和IEC 61970公共信息模型(CIM)文件创建,标准的信息模型和设备模型实现了模型的复用。在IEC 61850通用数据类的基础上,设计了信息模型关系型数据库表结构及其接口的实现方法,能够直接导入变电站配置模型,自动生成数据库,并以IEC 61850数据对象引用为检索方式设计了数据库访问接口,简化了变电站工程实施流程。     

剪切型结构地震破坏准则与抗震可靠度分析

对现有混凝土结构的几种常用地震破坏准则进行了简要的归纳与总结,结合一钢筋混凝土框架结构,在求得配筋结构层间极限变形能力的基础上,利用弹塑性层间位移增大系数法直接统计层间位移的反应结果,采用变形破坏准则的一次二阶矩法对考虑非线性因素的钢筋混凝土框架结构的抗震可靠度问题进行了分析,探讨了这一方法的实施要点.     

医药洁净空调系统的多房间送风量确定

医药工业厂房中,由于各房间热湿负荷不同,如果满足每个房间都达到同一个室内空气参数,就要求每个房间送风状态点不一样。但是,药厂净化空调系统的特点是同洁净级别负荷相差较大的洁净室在同一个空调系统中,只能有一个送风状态点。针对这一矛盾,本文作者在工程设计中将多个房间看成是一个大空间,设定一个合适的室内温湿度参数及其允许波动范围,并计算出满足送风状态并在误差范围内的各室内参数。用该方法设计的净化空调工程已经顺利完工,投产后各项空气参数均达到工艺要求。     

童氏图版的改进及在海南3断块中的应用

受注水开发油藏物性影响,童氏标准曲线公式中的7.5这个常数不能真实反映单一具体水驱油藏的开发情况.从甲型水驱曲线及水驱油藏渗流规律出发,对7.5这个常数进行了推理与对比,进而对童氏标准曲线公式进行改进,得到适合单一水驱油藏开发效果评价的改进童氏图版,对单个水驱油藏注水开发效果评价具有重要的指导意义.     

重视项目前期策划 确保设计采购与施工合理交叉

塔河稠油处理技术改造工程，是中国石化集团公司落实党中央、国务院西部大开发战略决策而建设的重点项目，也是近年来我公司近几年来承担的规模较大的一个全厂性EPC总承包项目，上程投资约10亿元，主要建设内容包括150万吨／年常压蒸馏、120万吨／年延迟焦化、15万吨／年催化重整、100万吨／年汽柴油加氢精制、2万吨／年硫磺回收、0．8万立方米／时制氢六套工艺装置和公用工程设施等26个单元，于2003年8月16日开上，2004年9月30日完成工程中间交接。该工程于2004年12月全面建成投产后，使塔河分公司原油加工能力达到220万／年，为中国石化集团公司加快实施西部资源接替战略、带动边疆区域经济发展发挥了重要作用。     

新型制冷剂热物理性质研究与应用现状

介绍了制冷剂热物理性质的内容和目前的测试精度、制冷剂的环境特性和评价指标。综述了新型制冷剂热物性质的研究进展和开发应用及专利申请情况。展望了新的混合制冷剂的开发前景，并指出应加强新的混合制冷剂热物理性质的实验研究。     

融合小型深度生成模型的显著性检测

针对基于深度神经网络模型的显著性检测方法中存在的模型训练困难、模型参数量大以及检测速度慢等问题,本文提出了一种融合小型深度生成模型的显著性检测方法.方法以生成对抗网络为框架,设计了包含11个卷积模块和5个池化层的鉴别器网络以及不包含池化层,仅包含15个卷积模块和5个转置卷积模块的小型生成器网络.其中,小型生成器网络大小仅2.4M,参数量仅67万左右.将训练好的小型生成器用于显著性检测,并与LMB(融合背景块再选取过程的显著性检测)算法通过设计的融合算法进行融合,从而得到最终结果.通过大量的实验对比分析表明,提出的方法在F值和MAE(Mean Absolute Error)值上均取得大幅提升.     

基于机器学习的智能出租车预测系统

为了更合理地调度出租车资源,提出基于机器学习的智能出租车预测系统.首先,对波尔图出租车GPS数据集进行分割处理,并抽取其中的一部分作为研究对象;接着利用回声状态网络算法预测旅行目的地;最后利用随机森林算法在相同情况下预测出租车抵达时间.实验表明本系统能根据当前的波尔图出租车GPS数据集预测出实际出租车某段旅程的目的地和旅程所需要的时间,以达到减少出租车资源浪费的目的.