排序方式: 共有22条查询结果,搜索用时 31 毫秒
1.
2.
伊拉克石油、天然气资源丰富,居世界第二位,石油工业是当地的支柱型产业。随着战后伊拉克经济秩序的重建,近些年来外资企业在伊拉克的投资活动迅速增长,来自英美等西方国家以及其他亚太地区的企业纷纷参与到该国的经济建设当中,中资企业也跻身其中。本文主要对中资企业在伊拉克本地化用工可能遇到的问题及解决策略进行分析,希望能为中资企业在伊拉克的人才使用方面提供借鉴和参考。 相似文献
3.
运用碎屑岩储层和沉积研究方法,对塔里木盆地巴麦地区泥盆系东河塘组储层特征、成岩作用、致密化机理及成岩相进行分析。东河塘组储层为特低孔、特低渗储层,主要孔隙为溶蚀孔隙。通过恢复原始孔隙度,确定出主要成岩作用对于孔隙的损益量,分析出储层的致密化原因主要为压实作用,仅在少量钻井为胶结作用。储层共有6种成岩相,分别为强压实强胶结弱溶蚀相、强压实中胶结弱溶蚀相、强压实中等胶结中溶蚀相、弱压实强胶结弱溶蚀相、中压实强胶结强溶蚀相和中压实强胶结弱溶蚀相。归纳总结6种成岩相储层的测井特征,并与非取心段储层进行相似度分析,共划分了8口井23个砂岩段的成岩相。下砂岩段优势成岩相分布在巴开8井区,上砂岩段优势成岩相分布在巴探2井区。 相似文献
4.
塔里木盆地奥陶系一间房组和良里塔格组礁滩相带是重要的油气勘探领域。塔河地区S76井一间房组礁滩处于台内缓坡之上,属于台内礁滩相;而塔中地区TZ62井良里塔格组礁滩处于陡坡型台地边缘,为台缘礁滩相。通过准层序类型分析,认为两口井有六种准层序样式,但是处于不同构造位置。相比S76井而言,TZ62井的准层序对海平面变化的响应更迅速,准层序厚度更小。而通过层序结构分析,认为S76井的台内礁滩相主要发育在准层序组的高位体系域内,即基准面下降半旋回;而TZ62井台缘礁滩相处于准层序组的海侵体系域,即基准面上升半旋回。正因为如此,S76井的礁滩相呈进积式增长,礁滩厚度薄、沉积相相变速率快;而TZ62井沉积可容纳空间较稳定,礁滩相呈加积式增长,礁滩厚度大、沉积相相变速率变慢。两口井目的层段均处在一个三级层序的基准面上升旋回中,岩石类型分别以颗粒灰岩为主和以泥灰岩为主。因此,通过台内礁滩相和台缘礁滩相的岩性组合、沉积相和层序地层的相互比较可以得出,由于受构造位置和受海平面影响,不同相带的礁滩在层序地层中发育模式不同,从而导致不同礁滩的岩性、厚度以及发育规模存在差异。 相似文献
5.
6.
塔里木盆地塔中地区奥陶系碳酸盐岩发育多种形式的岩溶作用,其中深部及热液埋藏溶蚀是形成有利储层的重要机制之一。钻井岩心、录井等分析化验资料以及宏观地质背景分析表明,塔中地区奥陶系碳酸盐岩主要发育4期埋藏溶蚀,Ⅰ,Ⅱ期溶蚀孔洞基本已被充填,Ⅲ期残留孔隙和Ⅳ期溶蚀孔洞为现今储层的有效储集空间。埋藏溶蚀作用发生的流体介质主要为有机质演化过程中形成的有机酸和二氧化碳,硫化氢可能对晚期储层形成有较大贡献。通过分析前人研究成果,认为岩浆期后热液溶蚀对本区奥陶系储层的改造作用有效,具体的影响和评价还有待进一步深入研究。 相似文献
7.
8.
侏罗系和下白垩统下段在库车坳陷南缘由北向南尖灭,形成一系列地层超覆圈闭。侏罗系圈闭以侏罗系下段滨浅湖砂体为储层,中上段滨浅湖沼泽相泥质岩为盖层。下白垩统下段滨浅湖砂体为储层,中上段浅-半深湖泥质岩为盖层,具有良好的储盖组合。圈闭底板为前震旦系和震旦-下奥陶统,其底板的封堵性直接影响圈闭的有效性。研究认为3种情况下底板可以形成较好的封堵:(1)底板为前震旦系;(2)底板为震旦-奥陶系碳酸盐岩,当圈闭前端底板岩溶不发育,可成为有效封堵面,形成有效圈闭;(3)底板为震旦-奥陶系岩溶发育的碳酸盐岩,但地层圈闭储层与底板岩溶储集体连为一体,圈闭前端震旦-奥陶系与前震旦系呈断层接触,上覆下白垩统中上段盖层,构成复合圈闭。库车坳陷具有丰富的油气资源,南缘地处坳陷内三叠系-侏罗系烃源岩油气运移指向区,油源、运移聚集和圈闭条件都比较优越。因此库车坳陷南缘地层超覆圈闭具有良好的含油气前景。 相似文献
9.
针对均衡边缘检测精度和抗噪性能难度大的问题,借鉴初级视皮层(V1)细胞的动静态感知特性,建立具有方位选择性的V1细胞模型应用于图像边缘检测。采用时空滤波器来模拟简单细胞的感受野,通过使用能量模型和归一化来整合简单细胞的响应得到V1细胞模型,从而利用V1细胞静态感知特性来检测自然图像边缘。仿真结果表明,所提V1细胞模型能够基本拟合生物数据,具有生物上的普适性;与传统的边缘检测算子相比,该模型的性能更优,鲁棒性更强。依据生物实验结论来构建生物视觉模型并用于图像处理,对生物视觉和计算机视觉的融合进行了有益的探索。 相似文献
10.
为了提高栈式稀疏去噪自编码器(SSDA)的图像去噪性能,解决计算复杂度高,参数不易调节,训练收敛速度慢等问题,提出了一种栈式边缘化稀疏去噪自编码器(SMSDA)的图像去噪方法。首先,由于边缘化去噪自编码器(MDA)具有收敛速度快这一特性,对SDA网络损失函数作边缘化处理,形成边缘化稀疏去噪自编码器(MSDA),使其同时满足边缘性和稀疏性。其次,将多个MSDA堆叠构成深度神经网SMSDA,为避免模型参数局部最优,采用非监督逐层训练法分别训练每一层网络,再用BP算法对整个网络微调,从而获得最优权重。最后,用SMSDA对给定图像去噪。仿真结果表明,较SSDA而言,所提算法在降低计算复杂度、提高收敛速度的同时,拥有较高峰值信噪比(PSNR),且保留了更多原始图像的细节信息,具有更好的降噪性能。 相似文献