信息融合技术在变压器油气识别故障诊断中的研究

变压器故障分为放电性故障和过热性故障两大类别,它们均会在变压器油中有所反映。本文通过对变压器油中主要气体的分析,判断变压器的故障类型。具体方法是:利用改进算法的BP网络和信息融合技术,以变压器油中五种主要特征气体作为神经网络的输入,以六种变压器状态作为相应的输出,通过加入动量因子,可以提高学习率系数,充分发挥改进算法的BP网络具有自适应学习能力的优势。仿真测试结果表明,本方法能够在较大范围内准确有效地进行变压器的故障诊断。     

裂缝性地层测井信息采集和油气定量解释评价技术应用研究

针对目前国内外在裂缝性储层中利用测井信息进行油气解释评价的局限性,以渤海某地区B井为例,采用常规测井、井壁成像测井(STARⅡ)、交叉偶极阵列声波测井(XMACⅡ)和在裸眼测试时加测生产测井的测井采集组合,利用这些测井信息对花岗岩的储集空间进行定性描述和定量计算,并依据裸眼试油时加测的生产测井资料,对综合解释划分的储集空间中的流体性质进行了识别,对油气层的分层产量进行了定量计算。结果证实该方法在裂缝性花岗岩地层中的应用是切实可行的。     

测井资料在海上油田沉积相研究中的应用

对于露头缺乏和钻井取心较少的海上油田 ,利用测井资料信息量大、数据连续和垂向分辨率高的优势 ,可以间接地从中获取地层岩性、沉积构造、砂体成因、古水流方向、物源方向、砂体迁移方向等多项沉积相标志 ,为下一步进行地层沉积微相研究提供重要依据。海上油田的应用效果表明 ,在综合分析岩心描述、岩矿鉴定、粒度分析、无机地球化学等资料的基础上 ,充分利用测井资料(尤其是地层倾角测井和成像测井资料 )进行油田沉积相研究 ,不仅可以大大节约成本 ,而且有利于开发后期油藏的精细评价和开发方案优化。     

泥岩蚀变对声波测井影响的试验研究

通过泥岩岩样浸泡程度与声波时差响应的试验研究,揭示了2000m深度以下泥岩蚀变对声波时差测量的影响规律。结果表明,泥岩含水时的纵、横波速度均大于干岩样的速度,随着浸泡时间的增加,纵、横波速度逐渐增大,当达到一定数值时,纵、横波速度会随着泥岩浸泡时间的增加出现小幅下降,之后就趋于稳定,横波尤为明显。试验结果颠覆了泥岩被水浸泡后声速变小时差变大的一般性认识。试验结果对声波测井资料地震反演以及声波测井资料地质解释具有指导意义。     

基于Xu-White模型的优化测井横波速度预测技术研究与应用

为了减小Xu-White模型参数提取误差对预测精度的影响,在理论研究的基础上,通过引进虚拟孔隙度变量和非线性优化算法,形成了一种基于Xu-White模型的优化测井横波速度预测技术,并建立了应用流程.虚拟孔隙度变量能够较好地容纳Xu-White模型因砂、泥孔隙的扁度和骨架等参数提取所带入的误差,进而提高其预测精度.该技术在渤海湾地区实际资料处理应用中取得了较好的效果.     

基于迁移学习的多模态AD病程分类研究

近年来,患阿尔茨海默病(Alzheimer’s Disease, AD)的人数逐年增加。临床研究显示,轻度认知障碍(Mild Cognitive Impairment, MCI)转化为AD的概率很大,因此,提高磁共振成像(Magnetic Resonance Imaging, MRI)和正电子发射断层扫描(Positron Emission Tomography, PET)等神经影像图对AD、 MCI的分类准确率十分必要。为了解决数据量少、标注困难的问题,首先使用CycleGAN网络对缺少的PET图进行生成;然后采用基于区域能量融合准则的小波变换算法对MRI图和PET图进行图像融合,能够极大程度的保留图像中的数据信息;最后利用迁移学习技术对轻量级网络MobileNet进行训练与微调。实验结果显示,在数据量较少的情况下,所提方法在泛化能力较好的同时,也获得了较高的准确率。     

聚氨酯弹性体的进展及应用开发

一、概况我国聚氨酯工业的发展,自80年代中期进入高峰之后,在80年代后期处于稳步协调发展的时期,其主要的发展重点是原料配套和应用开发。近几年来,泡沫的销售量有所下降,大约下降15～20%,弹性体和涂料仍约以10%的速度逐年增长,粘合剂发展平稳,而氨纶则刚刚开发。聚氨酯弹性体,由于其原料类别较多,     

地震与测井资料自动匹配的研究

用测井资料标定地震属性过程中,要求有高精度的时深关系曲线。在分析测井与地震观测方法差异的基础上,研究影响合成地震道与井旁道匹配的因素,提出一套在黏弹性介质中地震资料与测井资料自动匹配的方法,在黏弹性介质中可以获得高精度的地震波相速度。此法既包括测井资料与地震资料的尺度匹配,又包括两者的频率匹配。将该方法应用于胜利油气区垦利油田,取得了较好的效果。