页岩油储集层压后焖井时间优化方法

建立了考虑毛管压力、渗透压、膜效应以及弹性能的压裂-焖井-生产多过程多相流模型，提出了以产能最大化为目标的页岩油水平井分段多簇压裂后焖井时间优化方法，采用现场生产数据和商业软件验证了该模型的准确性。基于该模型和方法，根据现场压裂压力数据反演裂缝参数，建立物理模型，模拟了压裂、焖井以及生产阶段储集层孔隙压力、含油饱和度的变化动态，并研究了7种因素对最优焖井时间的影响规律，通过开展正交实验明确了最优焖井时间的主控因素。研究表明，随着焖井时间增加，累计产量增量先快速增加后趋于某一稳定值，变化拐点对应的焖井时间为最优焖井时间。最优焖井时间与基质渗透率、孔隙度、毛管压力倍数及裂缝长度呈非线性负相关，与膜效率、注入液体总量呈非线性正相关，与排量呈近线性正相关。对最优焖井时间的影响程度从大到小依次为注入液体总量、毛管压力倍数、基质渗透率、孔隙度、膜效率、压裂液矿化度和排量。     

表面活性剂对低渗透油藏渗吸的影响

采用不同类型的表面活性剂进行自发渗吸实验,并对表面活性剂改善岩石润湿性、降低界面张力的能力进行了分析。实验结果表明,阴离子型表面活性剂改善润湿性的能力好于其他类型的表面活性剂,且在岩心中的自发渗吸效果最好,这是由于阴离子型表面活性剂改善润湿性的机理为离子对形成机理,强于阳离子的吸附机理;接触角是决定渗吸能否发生的决定性因素,只有接触角小于70°时渗吸才能发生;界面张力影响渗吸速度和最终采出程度,对于渗透率为1 mD的岩心,最佳界面张力为10~(-1) mN/m。     

基于决策树算法的校园客户识别模型

校园市场是基础电信运营企业细分市场的重要组成部分,对企业核心竞争力的提升和可持续发展具有重要意义。本文主要介绍一种决策树算法的校园客户识别方法。该方法根据决策树算法的基本原理,融合了社交网络扩散原理和打分机制,将其应用到校园客户识别模型建设之中。通过外呼等方法验证客户准确性相比原有模型有了极大提升,证实了该模型的有效性。     

东津水电站大坝渗流量异常测值分析

大坝安全的正确判断是建立在可靠监测资料基础上的,因此需要对监测资料的合理性和可靠性进行检验。以东津水电站大坝为例,针对坝体及坝基渗流量原始观测成果中出现的明显异常数据,在成因分析的基础上,对明显不合理测值进行了处理,从而对坝体及坝基总渗流量实测性态做出了正确评价。     

生物活性炭滤池对污染物去除效果预测模型建立方法的介绍

对生物活性炭滤池的模型建立方法进行了介绍,从生物活性炭滤池去除有机物的效果、滤池内发生的各反应的机理及假设条件几个方面着手,具体包括水流的流动过程、生物膜降解污染物(基质)的过程、污染物在水流中以及生物膜中的传质过程,以及滤料本身对污染物的吸附过程。同时,对确定和估算模型参数给出了建议,为预测污染物在生物活性炭滤池的去除效果提供了技术支撑。