排序方式: 共有26条查询结果,搜索用时 130 毫秒
1.
2.
专题教育是学校教育的重要组成部分,它是由政府部门倡导、由学校组织实施,旨在培养公民基本素养的教育活动。专题教育在实施方式中遭遇了尴尬,表现为一些地区和学校采取了应付、应景的做法,特别是在各种高利害的考试面前,专题教育往往被压缩。面对专题教育的这种"常态",北京市着手进行了专题教育课程教材建设工作,打造专题教育的"新常态",主要做法如下。1.专题教育课程化纵观各类专题教育可以发现,它将个人、集体、国家 相似文献
3.
4.
5.
东方1-1气田在垂深为1 350 m左右的大位移水平井钻井过程中,表层乐东组、莺歌海组一段地层极易出泥球;水平段储层莺歌海组二段钻进摩阻扭矩大,且存在压力衰竭,极易发生井漏;储层埋深浅,地层成岩性差,井壁易失稳。针对以上钻井难题,经过多年摸索与实践,在非储层段改变以往钻井液作业模式,探索性地使用海水聚合物体系,保证非储层段泥岩充分水化;在储层段引入纳米可变形封堵剂PF-Greenseal优化无固相钻井液屏蔽暂堵性能,同时配合使用成膜封堵剂PF-LPF及高效润滑剂PF-Greenlube,成功解决了泥球、井漏、摩阻扭矩大、井壁失稳等难题,形成了一套东方1-1气田浅层大位移水平井钻井液作业模式。现场3口调整井应用结果表明,非储层段钻进机械钻速由41~64 m/h提高到85 m/h左右,同时可降低50%钻井液成本;储层段井壁稳定,井径扩大率低于3%,扭矩低,储层保护效果好,3口井测试表皮因数接近0。研究结果可为类似油气田钻井作业提供钻井液技术参考。 相似文献
6.
针对传统轴承故障诊断方法依赖人工进行特征提取时效率低且难以处理大规模数据等问题,将卷积长短时深度神经网络(CLDNN)引入轴承故障诊断并进行改进,提出一种基于注意力机制的卷积门控深度神经网络(Attention-CGDNN)的滚动轴承故障诊断模型,该模型将卷积神经网络、门控循环单元和全连接神经网络有效融合以实现滚动轴承信号特征提取,并加入注意力机制使网络更专注于重要特征,最后通过Softmax分类算法实现滚动轴承故障诊断。采用CWRU和XJTY-SY轴承数据集的验证结果表明,Attention-CGDNN模型具有训练参数少,训练难度小,收敛速度快和识别精度高的特点,特征提取能力更强,故障诊断性能优于传统模型。 相似文献
7.
8.
为实时掌控高拱坝混凝土温度变化,及时制定合理控温措施,防止产生温度裂缝,深入分析了混凝土温升阶段温度影响因素,并选取初始浇筑温度、环境气温、通水温度、通水流量、绝热温升等5个主要因素作为LSTM神经网络的输入因素,建立了基于LSTM神经网络的高拱坝混凝土温升阶段温度预测模型,同时采用最大误差、平均绝对误差(MMAE)、对称平均百分比误差(SSMAPE)等评价指标检验模型精度,最后以白鹤滩高拱坝为例,对大坝混凝土温升期的温度进行预测。结果表明,所建预测模型的最大绝对误差为0.58℃,MMAE、SSMAPE分别为0.30℃、1.35%,预测精度较高,可操作性强,能为高拱坝混凝土温度控制提供决策支撑。 相似文献
9.
10.
油基钻井液成本高昂,但对在复杂地层进行的海洋钻井而言,依然具有水基钻井液不可比拟的优势。针对南海西部油气田3个高难度钻井区块钻井过程中遇到的工程难题,给出了相应的油基钻井液体系配方、性能和维护方法;阐述了不同海域含油钻屑的处理方法。钻井实践证明,油基钻井液体系不仅是易坍塌井、高温高压井及老油田超低压调整井钻井作业顺利进行的重要保障,而且具有良好的储层保护性能,有利于油气田的勘探和开发。 相似文献