大型LNG贮存站贮罐设计选型论证

继文献[1]后,继续运用热力学第一定律对LNG在贮存运输转注过程中的热力学特性进行分析,定量分析计算LNG节流过程的节流汽化率值,提出减少节流过程所形成的汽化率的有效途径;论证大型LNG贮存站贮罐应根据不同的LNG液源、液体品质和操作工况等条件进行设计选型;论证除合理地选择正确的LNG贮罐结构形式外,还应高度重视LNG贮罐的安全泄放设计,以确保LNG贮存站的安全性能、使用性能和技术经济性能均处于最佳状态。     

不同贮存及加工条件对海产品中组胺与TVBN的影响

测定了3种海产品在冷藏、室温等条件下储藏或放置期间组胺与挥发性盐基氮(TVBN)含量的变化,比较了各海产品在上述条件下其品质的劣变与组胺含量之间关系.同时,还比较了3种海产品在水煮和油炸处理前后组胺的含量变化.结果显示:冻藏是海产品较为理想储藏方法,其组胺含量增加缓慢,品质的劣变不明显;水煮和油炸都能够在一定程度上较少鱼肉中的组胺含量,水煮处理效果优于油炸处理.     

营养保健型胡萝卜果脯的研制

以新鲜胡萝卜为原料,探讨了具有保健功能的胡萝卜果脯的生产工艺.确定了最佳工艺条件,制备出适合糖尿病患者食用的、具有营养保健功能的新型果脯.     

钢包烘烤器烧嘴砖的改进

调整耐火材料的选用及配比，加入部分减水剂，锆英石，提高了钢包烘烤器烧嘴砖的使用寿命。     

柴达木盆地狮子沟油田N1油藏低阻油层形成机理

低电阻率油层与邻近水层或泥岩层的电阻率值极为接近，给油、水层识别造成困难，因此，低电阻率油层的评价是当前测井解释方面普遍关注的难题。狮子沟N1油藏在开发过程中发现部分低阻油层，这些油层电阻率指数小于3，电阻率只有2.2 Ω·m（中40井Ⅱ-37），而水层最高的电阻率是4.9 Ω·m（中11井Ⅱ-11），平均电阻率为2.74 Ω·m；由于油、水层电阻率十分接近，这类油层很难识别。通过目前的试采资料，分析了引起该油田低阻的可能原因，主要有：①储层岩性细；②泥质含量高，储层岩石阳离子交换量大；③油藏幅度低，油水密度差小，含油饱和度低；④地层水矿化度高；⑤受断层的影响，储层孔隙结构复杂。按常规的解释标准和解释图版对低阻层进行解释，无法区分油层和水层。建议对该油藏进行深入研究和试油，开展高压物性实验，建立起新的解释模型，使该油藏能够得到高效开发。     

国际大坝委员会关于环境问题的经验与导则简介

1 经验 依据其成员25a以上的环境有利与不利影响的经验,加上多年的积极准备,包括广泛讨论与交换书面意见,国际大坝委员会于1995年1月正式出版了《大坝与环境论文》,1997年5月又出版了新版本。几十年中,国际大坝委员会的委员们在各届大会上提交了大量有关大量有关大坝与水库对自然和社会经济环境影响的材料。国际大坝委员会还根据其“环境委员会”的工作成果，编制出版了7本专著。     

四气门发动机可变滚流结构稀薄燃烧特性的研究

研究了可变滚流结构的稀薄燃烧特性。主要讨论了可变滚流结构对发动机稀薄燃烧时燃油经济性和排放特性的影响。结果表明 :在稀薄燃烧情况下 ,发动机负荷大小对 CO排放的影响不大 ,CO排放始终保持在 0 .5 %以下 ;HC排放则具有相似的变化趋势 ,但排放量随负荷增加而略有增加 ;负荷对 NOx 排放的影响主要表现在空燃比为 13～ 18的范围内 ,负荷越大 ,NOx 排放越大 ;对空燃比小于 13或大于 18的 NOx 排放影响较小。阀片位置 (或滚流比 )对发动机稀燃状态 CO排放的影响很小 ,而对 HC和 NOx排放则存在一定影响。在稀薄燃烧条件下 ,滚流运动更有利于改善低速高负荷时的燃油经济性。     

沥青烟气测定方法国内外研究现状

沥青在加热施工过程中会释放出带有刺激性气味的沥青烟,沥青烟中又含有多种环境优先控制污染物,因此沥青烟气抑制技术日益受到重视。但沥青烟气的测试方法千差万别,不同方法的结果差异较大,缺少统一的技术规范。文章通过对国内外沥青烟气的分析检测手段进行介绍,综合各分析方法的优势,为以后选择合适的分析方法提供依据。     

基于长短时记忆神经网络LSTM的煤体结构识别方法

煤体结构的定量识别是煤和煤层气等资源勘探开发中的关键性问题之一。本次研究以鄂尔多斯盆地A地区煤岩为研究对象,选取5条常规测井曲线井径CAL、自然伽马GR、声波时差AC、补偿中子CNL和密度DEN曲线,构建基于LSTM神经网络的煤体结构识别模型,实现了煤体结构的定量识别。研究表明：随着煤层被破坏程度的增大,构造煤具有DEN曲线和GR曲线值偏低,AC曲线、CNL曲线和CAL曲线值偏大的特征;LSTM网络模型参数是影响模型识别准确度的重要因素,通过多次试验得出网络训练的迭代次数(Epoch)、LSTM神经网络包含的隐藏单元数(numHiddenUits)和数据最小分块尺寸(MinBatchSize)参数的最优值分别为800、32和28;基于LSTM神经网络的煤体结构识别模型准确度达到85.5%,并且利用未参与模型构建的验证井进行可靠性的验证,认为该方法可有效识别煤体结构,基本满足实际生产的需求,对于相似地区煤体结构的识别也具有一定的借鉴意义。