碎屑岩储层概念模型的建立方法——以双河油田Ⅳ上油组为例

概念模型是各油田开发阶段都经常应用的一种储层地质模型。本文通过一个实例,比较详细地介绍了建立碎屑岩储层概念模型的工作步骤和方法。以岩心资料为基础,通过微相分析,作出各微相的典型柱状剖面;利用电相作出的平面相分布图,作为井间参数预测的依据;根据沉积类型估计层内不连续夹层的大小和频率。也介绍了一些实际操作中的处理方法。     

沿海地区钢筋砼结构的防渗阻锈设计

沿海地区钢筋砼结构易受海水的侵蚀，优质密实的砼是防止钢筋锈蚀的必要条件，而砼是一种非均质材料，氯离子含量和砼的密实性，对钢筋砼抗渗阻锈性能有着直接的影响，今对沿海地区钢筋砼结构的设计，作出机理分析。     

阿姆河盆地恰什古伊地区卡洛夫—牛津阶储层特征

恰什古伊气田是中亚管线的核心供气气田之一,受早期恰什古伊地区钻井成功率低及取心收获率低的影响,其储层特征不明确,这给该区的勘探评价与开发工作造成了较大困难。利用目的层段的系统岩心资料,开展了岩心观察、铸体薄片鉴定、岩心物性和孔隙结构分析等实验,在结合前人研究成果的基础上,对该气田主要层段的储层特征进行了研究。结果表明：恰什古伊地区储层的储集性能主要表现为中—低孔、低渗,储层孔喉组合以中、小孔-小喉组合为主。通过综合评价,将区块内储层分为3级,并研究了各级储层特征,同时发现区块的岩石类型、沉积微相和成岩作用对储层发育影响显著。该研究可为恰什古伊气田的进一步评价提供坚实的基础,同时也为气田周边的滚动勘探与开发提供借鉴。     

短程硝化颗粒污泥SBR的快速启动与维持

为探究短程硝化污泥快速颗粒化的最佳条件,采用SBR反应器,在温度28℃,曝气量0.2m3.h-1,溶解氧(DO)2.0mg·mL-1,污泥龄(SRT)为15d的运行工况下,缩短沉降时间为2min,通过以pH作为氨氧化过程的控制参数,优化曝气时间,防止过曝气,经过80周期(19d)成功实现短程硝化絮状污泥的颗粒化,并维持稳定。形成的颗粒污泥粒径在1.5～2.0mm之间,对COD和氨氮的去除率分别达到80%和95%,亚硝酸盐积累率(NO2--N/NOx--N)平均达到95%。分子生物学FISH技术对颗粒污泥菌群结构的定量分析表明,AOB依旧是优势菌群,约占17.8%左右,NOB占0.6%。曝气初期FA的抑制和实时控制是启动和维持颗粒污泥短程硝化性能的主要原因。     

多肽固相合成法中的3个关键点

多肽固相合成(SPPS)已成为多肽研究的一种常用手段,近年来多肽固相合成发展迅速,利用SPPS法几乎能够高收率地制备多肽。综述了固相合成中3个关键点:合成中常用的树脂载体、保护策略和缩合剂。     

基于VB的燃料电池发动机监控系统设计

应用Visual Basic6.0开发燃料电池发动机车载监控系统软件,包括动态主控界面设计、通讯程序设计、控制程序设计和数据存储程序设计。描述了整个监控画面的设计原理和方法,详细地介绍了通信协议和上位机监控程序的工作流程,并补充说明了VB中PID控制算法的实现,用以调整电堆温度、压力、水位等各种监控参数;最后介绍了历史数据存储程序的操作方法。实践证明,该系统图形界面友好,数据采集准确可靠,操作简单,安全稳定。     

经济发达地区农村学前教育发展变迁——以长三角地区Y镇中心幼儿园的发展为例

一个幼儿园的发展变迁过程可以看作是学前教育发展的缩影。通过文献法和访谈法,对该镇学前教育的发展进行梳理,有助于从发展历程中发现问题所在,为学前教育工作者进行学前教育改革拓展思路。同时促进人们对当地学前教育的了解,揭示影响该地区学前教育发展的内外部因素,以适应在现在城乡一体化教育的发展趋势下,均衡城乡教育资源,缩小城乡教育差距是促进教育事业公平的必然要求。     

托妮·莫里森小说中黑人女性的安全空间

介绍了科林斯和格里芬关于黑人女性安全空间的论述,认为托妮·莫里森在科林斯和格里芬对安全空间研究的基础上,创见性地将是否有祖先存在作为安全空间的特点,并在其小说《家》中细致地描述了"家"这个安全空间。莫里森在小说中建构黑人女性的安全空间,是将安全空间作为解决黑人女性困境的一种尝试。     

温州瓯飞滩演变分析及滩涂资源开发展望

温州瓯江、飞云江口之间的瓯飞滩为淤涨型岸滩,温州浅滩灵霓海堤的实施,改变了周边海区的潮流特性,增加了瓯飞滩区域的泥沙淤积量及淤积速度。从岸滩演变、温州滩涂资源的利用情况分析,展望瓯飞滩作为后备土地资源,在温州有较大的开发潜力。瓯飞滩邻近温州市经济发达的市区和瑞安市,具有较高的开发利用价值,科学开发利用瓯飞滩海涂资源,为温州市区和瑞安市提供宝贵的土地资源,对温州市经济可持续发展具有重大的战略意义。     

FPN-CenterNet安全帽佩戴检测算法

安全帽作为施工场所工人的安全保障,佩戴与否影响着工人的生命安全。在佩戴检测方面引入深度学习可以高效地提醒工人佩戴安全帽。但由于施工图像中安全帽的图像过小,CenterNet表现得并不好。因此针对这个情况,提出了FPN-CenterNet框架;使用ACNet非对称卷积核来对主干网络的特征提取进行增强;使用DIoU损失函数来优化边框预测的准确度。最终修改的算法相较于原始的CenterNet算法mAP提升了4.99个百分点,在GTX GeForce 1050的GPU上的FPS达到25.81。实验结果表明修改之后的算法在安全帽佩戴检测上有良好的准确性和效率。