专利介绍

一种微波加热连续硫化挤出型遇水膨胀橡胶材料及其制备方法申请公布号:CN 112341675A申请公布日:2021年2月9日申请人:西北橡胶塑料研究设计院有限公司发明人:李兴忠、韦增红、张卫斌等本发明介绍了一种微波加热连续硫化挤出型遇水膨胀橡胶材料及其制备方法。该橡胶材料的组分及其用量为:氯丁橡胶7~9.5,天然橡胶19~21,活性剂1~1.5,双相补强剂8~11,无机填料2~6,增塑剂10~12,聚醚型聚氨酯预聚体18~20,反应水0.4~0.6,吸水树脂14~21,吸湿剂2~6,着色剂1~1.3,防霉剂0.2~0.3,多功能助剂0.7~0.8,硫化剂2~3。     

致密砂岩油藏能量补充方式评价及优化

针对致密砂岩油藏大规模体积压裂开发后能量补充困难的问题,利用自主设计制作的大型人造三维岩心物理模型和物理模拟实验舱,开展致密砂岩油藏能量补充方式优化研究。实验结果表明:致密砂岩油藏压裂开发过程中,地层能量损耗严重,采取注水或注气的方式可有效进行能量补充;地层中裂缝规模越大,越有利于原油渗流,后续补充能量的传播范围越广,有助于进一步提高原油采收率;从提高驱油效率和扩大波及系数方面优选吞吐渗吸介质,CO₂均优于活性水,CO₂吞吐开发在矿场试验中取得了显著的增油效果,因此,CO₂吞吐作为一种有效的能量补充方式在致密油开发中展现了良好的应用前景。该文分析了致密砂岩储层水平井压裂开发的渗流规律,优选出致密砂岩储层大规模压裂开发后最佳渗吸介质,可为致密砂岩油藏开发设计提供重要的理论依据。     

基于NR-Transformer的集群作业运行时间预测

高性能集群的作业调度通常使用作业调度系统来实现，准确填写作业运行时间能在很大程度上提升作业调度效率。现有的研究通常使用机器学习的预测方式，在预测精度和实用性上还存在一定的提升空间。为了进一步提高集群作业运行时间预测的准确率，考虑先对集群作业日志进行聚类，将作业类别信息添加到作业特征中，再使用基于注意力机制的NR-Transformer网络对作业日志数据建模和预测。在数据处理上，根据与预测目标的相关性、特征的完整性和数据的有效性，从历史日志数据集中筛选出7维特征，并按作业运行时间的长度将其划分为多个作业集，再对各作业集分别进行训练和预测。实验结果表明，相比于传统机器学习和BP神经网络，时序神经网络结构有更好的预测性能，其中NR-Transformer在各作业集上都有较好的性能。     

稀土改性沸石在城镇黑臭水体应急治理中的应用

稀土改性沸石具有优异的污染物吸附和置换能力，但其用于水体治理的研究多停留于实验室阶段，罕有实际工程应用。以江西省瑞昌市城东片区黑臭水体应急治理项目为实例，探索稀土改性沸石用于城镇黑臭水体治理的可行性。城东片区位于瑞昌市中心城区，分布有4条主要排污渠道，属典型黑臭水体，溶解氧含量低，氨氮、总磷浓度高，呈黑灰色，且散发恶臭。通过前期调研、方法研究和技术论证，研究提出“稀土改性沸石+人工曝气”的技术路线，对区域黑臭水体实施协同治理，从而达到改善水质、恢复水生态、提高自净能力的目的。研究结果表明：该工艺可同步去除水体中氮、磷污染物，去除效率最高可达75%以上，具有显著的生态效益，可为城镇黑臭水体应急治理方案开拓新思路。     

基于人脸卡口数据的行人共现关系图谱构建

随着人脸识别技术的不断进步以及人脸卡口的大范围且密集的部署, 本文针对团伙犯罪案件侦察这一应用场景, 对人脸卡口数据进行深入挖掘, 探究其中行人间的共现关系, 获取所关注的嫌疑人的现实社交网络, 锁定团伙其余人员. 经过实验比对和论证, 本文使用Chinese Whispers聚类算法对行人节点进行识别, 通过Faiss加速邻接边的构建, 加速图的初始化步骤, 解决其聚类效率低下的问题. 在此基础上, 使用共现频次和Apriori算法中的置信度挖掘行人间的共现关系, 构建行人共现关系图谱.     

减水剂类型对赤泥—矿渣基地聚物注浆材料性能的影响及机理研究

针对赤泥等固体废弃物对环境危害性大且利用率低等问题,以碱激发赤泥-矿渣基地聚物注浆材料为 研究对象,研究了不同掺量的聚羧酸(PA)减水剂、醛酮缩合物(AKC)减水剂和萘系(N)减水剂对材料凝结时间、流动 性及强度等的影响,并通过 XRD、傅里叶红外光谱及 SEM 等设备对减水剂的作用机理进行研究。 结果表明:减水剂增 强了材料的流动性但降低了材料的剪切应力;N 和 PA 减水剂能缩短材料的凝结时间,但 AKC 减水剂会延长材料的凝 结时间;N 和 AKC 减水剂能提高材料的强度,但 PA 减水剂会降低材料的强度;N 减水剂对材料的综合性能提升效果 更加明显,其最优掺量为 0. 7%;减水剂对赤泥-矿渣基地聚物性能提升的作用机理主要是促进地聚合物凝胶的形成。 研究成果为拓展赤泥在工程上的使用途径和效率提供了理论指导。     

机器学习理论的超光谱遥感图像无损压缩

针对一般超光谱遥感图像的压缩方法无法同时实现图像信息缩减和图像完整性的问题，提出一种机器学习理论的超光谱遥感图像无损压缩方法。利用机器学习中的聚类算法进行第一次压缩，减少超光谱遥感图像中的冗余波段光谱，并降低图像维度；再利用机器学习中的人工神经网络进行第二次压缩，将不同图像子块送入不同压缩率的神经元当中，通过隐含层自主完成图像压缩编码。通过与四种一般压缩方法的对比验证，本方法图像压缩后，图像压缩率更小，图像分辨率和信息熵更高，既有效地减少了图像信息量，能够保留有效关键信息，达到了图像信息缩减和图像完整性的双重目标。