芭蕉场低孔低渗石炭系气藏滚动勘探开发目标评选

芭蕉场气田为川东地区石炭系分布边缘钻获的小型气田,新一轮气藏描述研究,证实其为低孔低渗、地层-构造复合圈闭气藏,含气范围较早期的研究成果明显增大,资源量也相应地增加。按照目前仅有的B1井采气规模,开采周期太长、效益差。通过气藏地质特征、气藏生产动态分析,开展滚动勘探开发目标优选,提出较为合理的滚动勘探开发建议井位,科学、高效地开发利用该气藏,进而为类似气藏的开发提供借鉴。     

工厂企业配电系统节约用电技术措施的探究

通过说明通过对工厂企业配电系统节约用电的意义,运用工厂企业配电节能的基本理论知识,从工厂的配电系统的技术改造和科学管理方面探讨实现工厂节约用电需要采取的办法,从而提出一系列的节约用电的技术措施,对大型用电的工厂和企业具有很大的指导意义。     

基于Lorenz-96模型的顺序数据同化方法比较研究

顺序数据同化方法在数据同化系统中得到了广泛的应用,其性能各有优缺。选择3种典型的顺序数据同化算法,即集合Kalman滤波,集合转换Kalman滤波和确定性Kalman滤波,使用经典的Lorenz-96模型进行敏感性实验,研究不同的关键参数变化,如集合数目变化、观测数变化、误差放大因子变化和定位半径变化时对同化效果的影响。实验表明：集合数目和观测数目的多少直接影响3种方法的同化效果;协方差放大因子和定位半径的选择会提高同化精度。综合比较,确定性集合Kalman滤波算法是一种具有较强鲁棒性的滤波算法,能够在集合数较小的情况下达到较好的同化效果。     

四川盆地龙门山北段隐伏构造带特征及其油气勘探意义

2014年以来,四川盆地西北部(以下简称川西北)龙门山山前带双鱼石地区上古生界天然气勘探获得重大发现,先后在中二叠统栖霞组、中泥盆统观雾山组钻获多口工业气井。随着勘探工作的稳步推进,深入开展龙门山逆冲推覆构造前锋带—山前带构造特征研究,是认识该区上古生界气藏特征、拓展油气勘探领域的重要前提。为此,基于新部署的线束三维地震、重磁电资料以及ST9等井的实钻成果,解剖了龙门山逆冲推覆构造前锋带—山前带的构造特征,进而分析了该区隐伏构造带的构造特征、天然气成藏条件和勘探前景。结果表明:(1)龙门山逆冲推覆构造前锋带(1)号隐伏断裂之下发育大型隐伏构造带,其地层受挤压褶皱变形,发育下三叠统嘉陵江组以下的海相地层;(2)由南到北(1)号断裂底部滑脱层位由浅变深,从南部的寒武系滑脱,向北部逐渐转换为基底卷入,古生界及其以上地层整体抬升,越向北抬升幅度越大,断裂上下盘之间的位移距离、褶皱幅度也越大,北部相对南部上古生界构造整体抬升约1 500 m;(3)在剑阁以西—广元地区,(1)号断裂东侧整体表现出"三级台阶"的构造格局。结论认为:龙门山逆冲推覆构造前锋带(1)号断裂下盘隐伏构造带面积达1 800 km2,具有优越的天然气成藏条件,其中观雾山组和栖霞组储集条件、保存条件好,是川西北深层海相层系天然气勘探拓展寻找新突破的重要领域,具有现实的油气勘探意义。     

乙醇气相羰化合成丙酸及丙酸乙酯催化剂研究进展

介绍了乙醇羰化合成丙酸的发展现状及丙酸及其酯合成方法,综述了乙醇羰基化反应机理和活性组分、催化助剂、载体的选择及其对催化过程的影响。通过对比不同的乙醇羰基化催化剂,提出现有研究的不足和今后的研究方向。     

深层过滤阻力模型及其计算机控制系统设计

深层过滤是水处理工程中的基本单元方法,在油田注水处理、石化厂废水治理方面有很重要的地位。本文应用深层过滤数学模型和Ｋｏｚｅｎｇ方程,建立了深层过滤的阻力模型;在进行了针对新型滤料——炉渣的实验测定基础之上,给出了具体的关于炉渣滤料的床层压力降与悬浮物浓度的关系式。实验结果分析表明,本文所提出的阻力模型是符合实际的;同时利用阻力模型设计了一套计算机控制系统,实现了深层过滤过程的自动化监测。     

变压吸附富氧装置在玻璃池窑的应用

变压吸附富氧装置在玻璃池窑的应用李化治郑克明（北京科技大学１０００８３）（沃克公司１０００２５）唐文龙（北京玻璃五厂）ＡｐｐｌｉｃａｔｉｏｎｏｆＯｘｙｇｅｎ－ＲｉｃｈＧａｓｂｙＰＳＡｏｎＧｌａｓｓＴａｎｋＦｕｒｎａｃｅ￥ＬｉＨｕａｚｈｉ（Ｕｎｉｖｅｒ...     

基于联合对抗训练的深度学习表面缺陷检测方法

表面缺陷检测是确保产品质量的重要途径。深度学习在表面缺陷检测中已经得到了大量应用,并为实现自动化的表面缺陷检测提供有效的技术途径。然而,深度学习模型容易受到对抗攻击的威胁,进而严重影响其准确性,甚至造成模型失效。为提升深度学习模型对对抗攻击算法的防御能力,基于对抗训练提出新的基于联合对抗训练的深度学习模型。对抗攻击算法包括单步攻击算法和迭代攻击算法,为提升所提联合对抗深度学习模型的防御能力,在对深度学习模型训练时即同时添加不同对抗攻击算法生成的对抗样本,同时增强模型对单步对抗攻击算法和迭代对抗攻击算法的防御能力。为验证所提算法的有效性,所提算法以CIFAR10和磁瓦表面缺陷数据集为基础进行验证。试验结果表明,所提的联合对抗训练深度学习模型能显著提升对单步对抗攻击与迭代对抗攻击的鲁棒性,并优于传统方法。