大港油田马西深层清改污可行性研究

大港油田马西深层是个典型的低渗区块 ,长期以来一直注清水。该块在港东地区 ,具有一定的地理和管理优势 ,所以选择在该区块进行清水改污水注入的先导试验 ,针对地层特性 ,进行了岩心水敏、速敏、体积流量和污水配伍性等清水转注污水对岩心伤害的室内评价 ,并结合以往清水的水质指标确定了污水水质指标 ,在此基础上优选了污水精细处理的工艺技术 ,并投入了现场应用试验。1 室内岩心伤害评价1 1　岩心伤害试验评价方法1 1 1　 试验方法原理马西深层室内岩心伤害评价试验根据达西定律进行。模拟油田注入流体与注入条件 ,通过评价储层渗透率的…     

基于非下采样Contourlet变换的指纹图像超分辨率重建

非下采样Contourlet变换(Nonsubsampled contourlet transform,NSCT)采用非抽样金字塔结构和非抽样方向滤波器组构成,具有Contourlet变换所不具备的平移不变性、较高冗余度等优良特性,而且能够克服伪吉布斯现象。图像经过非下采样Contourlet变换后分解成多尺度、多方向的细节信息,这些细节信息代表了图像不同频带不同方向的特征,这就简化了系数之间的关系。基于学习的超分辨率重建算法具有整体的预测性,将非下采样Contourlet变换和基于学习的算法相结合,在一定程度上提高训练精度。针对指纹图像的实验证明该算法具有良好的性能,重建的图像纹理性细节信息较好,基本保持了原指纹图像的特征点,更接近于原始的高分辨率图像。     

浅谈计算机在高校项目管理中的应用

在信息技术空前发展的今天,高校项目管理工作中全面应用信息平台已经成为大势所趋。在高校的项目管理工作中,集成化、数字化、现代化的新要求促进了计算机及其技术的广泛应用,在此基础上,可以为国内高等院校的科研、教务管理、教学等方面的工作提供全面的综合性服务。本文在分析计算机在高校项目管理工作中所能起到的作用出发,探讨了具体的应用途径与策略。     

基于水质指数法的城市河流水质综合评价研究

依据江门市泥海水水质2020年9月的5个断面的监测数据,以溶解氧（ＤＯ）、高锰酸盐指数（ＣＯＤＭｎ）、化学需氧量（ＣＯＤ）、氨氮（ＮＨ3－Ｎ）、总磷（ＴＰ）作为ＣＷＱＩ模型的5个主要变量对河道水质进行综合评价。分析结果表明:各监测点的ＣＯＤＭｎ和ＣＯＤ均满足Ⅳ类水质要求,ＴＰ基本满足Ⅳ类水质要求,ＤＯ污染较为严重,ＮＨ3－Ｎ污染最为严重。通过对泥海水的监测断面的水质时间空间分布趋势分析可知,5个水质参数变化规律在不同监测时间表现趋势差异较大,每个水质参数在不同监测断面中变化规律相差也较大。采用ＣＷＱＩ方法能够从定性和定量两个方面对监测结果进行综合分析,监测结果可为下一步实施改善型措施提供依据。     

民族文化认同——大学校园文化建设的源头活水

随着全球化进程的加快,西方价值观尤其是美国文化对我国文化的渗透,已经侵入到了大学校园文化建设中,使得大学校园文化中民族文化认同的危机日渐凸显。本文分析了全球化背景下大学校园文化建设中民族文化认同感的缺失,并提出应对措施,以期在大学校园文化建设中,增强大学生的民族文化认同感。     

基于SURF特征匹配的复制一移动篡改区域探测方法

针对复制一移动篡改,本文提出基于SURF（Speeded Up Robust Features）特征匹配篡改区域快速自动探测与定位方法。首先应用SURF算法提取待检测图像的特征点和特征向量并进行特征匹配,然后估计匹配对之间的仿射变换参数并消除错配,最后通过仿射变换找出趋近完整的复制一移动区域。实验结果证明了该方法对复制一移动篡改探测的有效性。     

基于专利分析的高频覆铜板发展态势研究

高频覆铜板是5G相关产业发展的核心基础,技术门槛高,市场前景广阔.为厘清高频覆铜板领域的发展态势,对高频覆铜板及其关键核心技术(树脂、纤维布、填料、铜箔等)的专利大数据进行全面挖掘和深入研究.结果表明:高频覆铜板领域仍处于高速发展期,树脂、纤维布、填料、铜箔等技术演进以实现稳定的介电常数、低介质损耗为目标.美国和日本的企业占据主导地位,日立、住友、松下、三菱等日企专利申请量排名前列.我国在高频覆铜板领域起步虽晚,但发展较快,形成了广东和江苏两大研发高地,涌现了生益科技、华正新材等优势企业,但整体上专利技术缺乏核心竞争力,且面临较强专利壁垒.据此,提出了我国高频覆铜板产业高质量发展的对策建议.     

Cr-Ni-Mo铸钢件中的杆状断口

<正> 本试验研究了Cr-Ni-Mo合金铸钢件中经常出现的杆状断口缺陷。杆状断口的形成与钢中[AlN]沿一次晶晶界大量析出有关,随着杆状缺陷在整个断口上所占面积的百分比增加,冲击韧性显著下降,因此必须根据杆状断口的分布形态及数量定出级别限制使用。     

基于局部密度的最小生成树聚类算法及其在电力大数据的应用

电力大数据主要来源于电力生产和电能使用的发电、输电、变电、配电、用电和调度各个环节,,如何运用这些数据提高电力管理工作的智能化水平已经成为相关电力环节十分重要的研究课题之一。但现有电力大数据中用到的聚类方法却不能发现任意形状的数据集聚类类别(即类簇),这影响了电力大数据在应用中的计算精度与计算时长。因此提出了一种新的算法,即使用局部密度峰值和基于共享邻点的距离,更好地结合了密度与距离的关系,表示出数据之间的差异。使用局部密度峰值并用基于共享邻点的距离来构造最小生成树,然后重复切割最长的边,直到找到给定数量的簇。在电力大数据应用上的实验结果表明,该算法在具有良好的效果。