对油气运聚研究中一些概念的再思考

非均质地层中烃类的扩散流和达西流可以同时存在，并可相互转换。据Welte等1997年计算，在致密泥岩层中，扩散流和达西流的流速分别为18m／Ma和15m／Ma，说明在致密地层中这两种流动几乎没有差别，同时说明了泥岩中的流动也可以用达西公式来表述。油、气的浮动和渗流虽然都是在地下多孔介质中的流动，但前者是油、气在水中上浮，不呈连续相流动，而后者是油、气呈连续相与水一起流动，因此浮力没有含烃饱和度的相对渗透率的要求，也不能用达西的密度差，浮力流是二交运移最基本的流动式。地下确实存在油、气的幕式运多和幕式以注，但幕式是一个有时间尺度的概念。油、气的运移和聚集是一个带莫式特征的连续过程，不能只强调强度较大的幕式活动而忽视了连续过程的存在，再加上油源的不稳定和通道的非均质性，因此单依据流体包裹体的分析就确定油气藏是由2或3期充注所形成，似乎有些难以置信。     

文72块沙三中油藏天然气驱可行性试验研究

根据文南油田72块沙三中油藏的性质和流体特征，通过室内细管驱替试验和长岩心驱替试验研究，表明注入天然气组成达到一定比例和注入气和温度大于某一临界值，就可以对该油藏进行注烃类气体混相驱，说明注气开发是可行的，并能够提高油藏的采收率。     

顶封封隔管柱的研制与应用

中原油田近年来注水压力不断升高，井况恶化严重，为此开发了顶封封隔管柱，主要阐述了管柱工况受力特点、结构、工作原理及现场使用效果。经现场较大面积的应用证明，各项性能、技术指标达到了现场要求。     

并行哈夫曼编码器的硬件设计与实现

文章设计了一种并行编码的哈夫曼硬件编码器，它采用了流水线和并行编码方法，使得在一个时钟周期内可以编码一个字节的数据，在编码时显著降低了工作频率。文章给出了关键部分的实现方案并分析了实验结果。     

系统备份及其误区分析

文章对系统备份的几个主要方面进行了讨论，并在此基础上，对系统备分的若干认识误区进行了分析。     

基于多传感器数据融合方法的火灾模拟实验炉温度采集系统

基于多传感器算术平均值与分批估计的数据融合方法在火灾模拟实验炉上温度数据采集中的应用，用VB6．0开发了相应的实际应用系统。     

数据采集与监控软件Genie

Genie是具有国际先进水平的数据采集与监控软件，它提供了一个面向对象的图形化用户界面，因此简化了数据采集过程、控制应用程序开发和操作员界面。本文介绍了Genie的特点、功能、基本用途以及VISUALBA－SIC在设计这类监控软件中的作用。     

燃煤电厂融合多信号光纤火焰检测器的开发研究

介绍一种新型光纤燃煤炉火焰检测器，阐述其系统组成及特点，并提出了基于模糊推理的多信号融合处理方法。     

FindOut: Finding Outliers in Very Large Datasets

Finding the rare instances or the outliers is important in many KDD (knowledge discovery and data-mining) applications, such as detecting credit card fraud or finding irregularities in gene expressions. Signal-processing techniques have been introduced to transform images for enhancement, filtering, restoration, analysis, and reconstruction. In this paper, we present a new method in which we apply signal-processing techniques to solve important problems in data mining. In particular, we introduce a novel deviation (or outlier) detection approach, termed FindOut, based on wavelet transform. The main idea in FindOut is to remove the clusters from the original data and then identify the outliers. Although previous research showed that such techniques may not be effective because of the nature of the clustering, FindOut can successfully identify outliers from large datasets. Experimental results on very large datasets are presented which show the efficiency and effectiveness of the proposed approach. Received 7 September 2000 / Revised 2 February 2001 / Accepted in revised form 31 May 2001 Correspondence and offprint requests to: A. Zhang, Department of Computer Science and Engineering, State University of New York at Buffalo, Buffalo, NY 14260, USA. Email: azhang@cse.buffalo.eduau