白云岩与砂岩致密储集体质量的差异性

白云岩与砂岩致密储集体质量参数为随机分布的连续谱系，孔隙结构、物理参数复杂多变，表征难度较大。基于铸体薄片、压汞、核磁共振、孔隙度和渗透率等测试技术，结合大量天然气勘探开发实际资料，采用统计分析对比方法，重点讨论了储层质量宏观与微观参数特征。结果表明，白云岩与砂岩致密储集体质量参数具有正态分布特征，是一种金字塔数据结构，常规储层比例一般为15%~20%，是砂岩或白云岩致密储层的“甜点”；致密砂岩储层微观孔隙发育，孔、喉连通性较好，分布比较均匀，储层孔、渗关系较好，表现为相对高孔和低渗；白云岩致密储层质量尽管具有孔、喉连通性差和孔、渗关系较差的不利因素，但也具有相对高渗、低束缚水饱和度、低排驱压力及裂缝网络发育等有利因素，天然气渗流能力较好，勘探开发潜力较大。我国发育碳酸盐岩沉积，应加强致密白云岩气藏成藏条件研究与勘探。     

水文序列相依变异识别的RIC定阶准则——以自回归模型为例

水文过程相依性是水文变异的主要表现形式之一,应用自回归模型对其进行拟合时合理确定模型阶数是一个难点问题。本文在分析AIC和BIC准则的基础上,提出了一种以原序列与其相依成分的相关系数作为拟合度指标,同时借用信息熵形式的函数式,作为模型不确定性度量指标的自回归模型定阶准则(简称RIC准则)。以AR(1)、AR(2)、AR(3)和AR(4)模型为例进行统计试验,将不同序列长度下该准则的定阶准确率与其他定阶准则进行比较,试验结果表明,RIC准则对于上述模型均具有较好的适应性,且定阶准确率远高于AIC准则,其中对于前三阶模型RIC准则优于BIC准则,但四阶模型略低于BIC准则。RIC准则的优势是可以同时满足模型定阶、相依程度分级与模型检验的需求,将其应用于实测水文序列分析,结果显示,该准则能较准确地识别自回归模型的阶数,且符合提出的"相依有变异而残差无变异的最小阶数"的检验标准。     

高炉熔渣调质制备高酸度系数矿物棉纤维的研究

研究高炉熔渣调质制备矿物棉纤维的电炉工艺,直接从高炉渣沟取高炉熔渣,加入石英砂调质并使用电炉补热熔化,离心后制备成绝热保温隔音防火的矿物棉纤维。纤维酸度系数为1.3、1.5和1.7,平均直径、渣球含量和含水率均满足国家标准要求。纤维为白色非晶态的棉状纤维,在水和碱中腐蚀程度低;在酸中腐蚀程度高,并有凝胶状物质附着在纤维表面。高炉熔渣调质制备矿物棉纤维的电炉工艺充分利用了高炉熔渣的显热,实现了高炉渣的高附加值利用,降低了矿物棉纤维的能耗,有助于促进了钢铁冶金行业的节能减排。     

湘钢360m~2烧结机920mm厚料层烧结生产实践

湘钢360 m~2烧结机通过点火炉抬高、雾化水制粒系统及防堵型微负压点火自动控制装置的开发与应用、烧结机台车整体改造、布料方式的优化改造和炉条板结的治理等技术措施的实施,料层厚度逐步从700 mm提高至920 mm,烧结矿质量持续提升,烧结矿产量稳步提高,烧结矿转鼓强度从77.20%提高至80.15%,内返矿量降低40 t/h,日产量提升900 t以上,固体燃料消耗从59.84 kg/t降低至53.89 kg/t。     

面向异质信息网络的表示学习方法研究综述

网络表示学习旨在为网络中的组件(节点、边、子网络等)学习出低维的表征向量,使得这些向量能够在最大程度上保留组件在原网络中的特性。异质信息网络是由多种类型的节点、链接关系以及属性信息组成的网络,具有动态性、大规模和异质性等特点,在现实生活中普遍存在。融合多种异质信息进行网络表示学习,能在一定程度上解决数据稀疏问题,同时有助于训练出具有高区别力和推理能力的表征向量。但与此同时,也面临着如何有效处理复杂数据关系以及平衡异质信息的挑战。近年来,研究者们针对异质信息网络设计了不同的表示学习算法,在很大程度上推动了该领域的发展。针对这些算法,首先设计一个统一的分类框架,接着对各类别下的代表性算法进行概括介绍和比较,分析它们的时间复杂度和优缺点。此外,分类汇总了实验中的常用数据集。最后给出了该领域的挑战和未来可能的研究方向。