A区块加密后精细水驱挖潜效果及潜力分析

A区块为B油田三类区块,油层埋藏较深,局部砂体发育零散,区块储层物性较差,采用300×300m反九点法井网布井,很难建立有效的驱动体系,油层憋压严重。随着油田开发的不断深入,原井网已经不能很好地适应开发需求,导致该区开发效果较差。2015年对该区采用采用井间加井、排间加排的布井方式进行局部加密,取得较好效果。     

改性淀粉抑制赤铁矿反浮选石英的作用机理研究

通过矿物浮选试验、动电位测定以及吸附量测试,考察了4种淀粉抑制剂对赤铁矿和石英浮选性能的影响,并探讨了其作用机理。在碱性条件下,改性淀粉抑制剂对赤铁矿抑制效果明显,且以改性玉米淀粉效果最佳,改性磷酸酯淀粉、改性羧甲基淀粉的抑制效果次之,而普通淀粉抑制作用一般。同时4种淀粉抑制剂对主要脉石矿物石英的抑制效果均不明显。pH=10~12.5条件下,改性玉米淀粉因其羟基氧和裸露在赤铁矿表面的铁元素发生了化学键合,因而选择性抑制能力最佳。分子动力学模拟表明,改性玉米淀粉片段与赤铁矿作用更为紧密,验证了改性淀粉能更好地抑制赤铁矿。     

云/边缘协同的轴承故障诊断方法

现有轴承故障诊断技术存在以下问题:①传统诊断方法需要人工提取特征,耗时长,诊断结果不稳定;②卷积神经网络诊断方法需要大量的计算资源和较长的训练时间,与故障诊断的实时响应要求存在矛盾。针对以上问题,提出一种云/边缘协同的实时轴承故障诊断方案。经过实验验证,该方案在拥有少量样本情况下与不进行云/边缘协同相比可大幅提高诊断准确率,并节约大量的训练时间。通过改进的轴承故障诊断算法达到了较高的故障诊断准确性,并通过模型的迁移学习与边缘端协同,增强了故障诊断算法对个性化应用的适应性和故障诊断的实时性。     

张庄铁矿高阶段矿房切割天井施工工艺试验

张庄铁矿设计采矿方法为大直径深孔阶段空场嗣后充填法。为了最大化发挥采矿设备性能，降低采切工程量，提高回采效率，通过实施一系列技术攻关，实现了将采矿阶段高度由原来的60 m提高到90 m。而作为最初爆破回采的自由面及爆破补偿空间，切割天井施工工艺为影响高阶段矿房爆破回采效果的关键因素，施工质量的优劣，直接影响矿房爆破回采生产作业能否顺利进行，而二次处理在增加施工成本的同时将带来安全隐患。张庄铁矿在面临可参考的成熟经验较少的情况下，结合现场可用的作业条件采取了对比试验的方法，在安全、技术及经济多方面综合分析比较下，确定了最终方案，为张庄铁矿安全稳定生产奠定了基础，同时研究成果可为大型地下矿山生产实践提供一定的参考。     

扭矩分析在大修打捞作业中的应用

大修打捞作业对于开发到中后期的油井来说是比较常规的工作,但大修打捞本身难度较大,成功率较常规作业低,油井报废的风险大。涠洲11-1-A7井是2016年打捞作业中比较典型的案例,虽然本次打捞以失败告终,但是从打捞作业本身分析作业失败的原因来看,整个作业过程中,扭矩分析的失误对作业的影响非常严重,因此有必要对本次作业的扭矩分析做详细的对比分析,从中总结出一定的规律,以利对以后的打捞作业提供借鉴。     

过氧羟基油酸作为铁矿石反浮选捕收剂试验研究

针对铁矿阴离子捕收剂低温反浮选的难题,以油酸为原料,经过氧化、皂化和老化等步骤合成了新的耐低温捕收剂过氧羟基油酸,并对TFe含量为46.22%、SiO_2含量为32.47%的东北某铁矿强磁选精矿进行了反浮选试验。结果表明,试样以NaOH为调整剂、玉米淀粉为抑制剂、氧化钙为活化剂、过氧羟基油酸为捕收剂,经1粗1精2扫,中矿循序返回的反浮选工艺,可以得到铁品位为67.78%、回收率为86.89%、SiO_2含量为3.09%的铁精矿,在低温条件下实现了"提铁降硅"的目标。Zeta电位分析、溶液化学分析和红外光谱分析表明,过氧羟基油酸在Ca~(2+)活化后的石英表面的吸附为化学吸附。     

蓬莱市大柳行地区金矿热液成矿规律及地质勘查工作浅析

大柳行地区位于胶东半岛北部,区内金矿密布,已探获资源储量并开采的主要矿脉有数十条。金矿脉多被定义为低温浅成热液矿床,已为大量探采工程所验证。近年深部探采工程施工过程中,在主矿脉附近不断发现有闭合构造内成矿的盲矿体,产状类似于于主矿体,呈雁行排列,排列规律与单个矿体南东侧伏规律相同。通过对区内成矿一般规律的总结分析,结合这一现象为今后的地质探矿工作提供新的思路。     

基于卷积神经网络的葡萄叶片氮含量识别方法

为实现对葡萄叶片氮素含量快速、便捷的识别，在卷积神经网络VGG-16网络结构基础上，将数据增广后的图像按不同梯度划分进行模型训练，通过十折交叉验证法探究最佳的训练集与验证集分配比例，并构建4个不同深度的网络模型进行训练对比，采用全局平均池化代替全连接层约简网络参数量。训练结果表明，氮含量梯度设为0.70%、0.35%和0.175%时，室内简单背景识别准确率分别为85.9%、76.2%和71.1%；晴天室外复杂背景下识别准确率分别为44.6%、35.0%和30.4%。研究结果表明利用VGG-16建立的网络学习模型对葡萄叶片氮含量识别提供了一种新的便捷方法，对农业信息化和智能化技术应用具有一定促进作用。