耐久性档案纸及其研究进展

介绍了档案纸的定义及提高档案纸耐久性的必要性,详细叙述了档案纸的老化、腐蚀机理和研究进展,从而提出了综合考虑纸张的原料、抄造方法和储存环境以提高档案纸的使用寿命。     

不同助剂对硅橡胶密封材料力学性能影响研究

本文系统研究了交联剂、增塑剂、增粘剂、填料等不同助剂对室温硫化硅橡胶的力学性能影响规律,为制备高性能的室温硫化硅橡胶密封材料奠定一定的基础。     

基于剖面隐马氏模型的多序列比对

多序列比对被称为NP完全问题,是生物信息中最基本的问题之一.目前,广泛使用剖面隐马尔可夫模型解决多序列比对问题.作者在粒子群优化算法的基础上,提出了将量子粒子群优化算法用于剖面隐马尔可夫模型的训练过程,进而构建了一种基于剖面隐马氏模型和量子粒子群优化算法的多序列比对算法.从核酸序列和BaliBASE比对数据库中选取了一些比对例子进行了模拟实验,并与其他算法进行了比较,结果表明,所提出的算法能在有限的时间内不仅能找到理想的隐隐马尔可夫模型,而且能得到最优的比对结果.     

应用灰色关联理论分析聚合物驱油主要影响因素

影响聚合物驱油效果的因素很多,但是从中找到主要影响因素是困难的。应用灰色关联理论,对聚合物驱油主要影响因素按关联度进行排序分析,找到其中主要影响因素,对今后聚驱开发方案设计和开发调整起到重要的参考意义。     

沧东凹陷孔二段油气成藏模式初探

针对沧东凹陷,深化孔二段基本成藏条件研究,构建不同类型斜坡的油气成藏模式,反转型斜坡的中高斜坡、继承性斜坡的中低斜坡位于辫状河三角洲前缘亚相,供储匹配关系好,利于岩性地层油藏的形成。湖盆中心,油页岩发育段夹薄层砂岩、白云岩类储层具备储集性能,利于页岩油、致密油藏的形成。指出沧东凹陷孔二段源储一体,大面积连片含油,是岩性地层油藏勘探的现实领域,并取得良好的应用效果。     

新型PBT增韧剂对PBT增韧的研究

采用新型双官能化增韧剂SWR-6B对PBT及增强PBT进行增韧研究。结果表明，随着增韧剂SWR-6B用量的增加，PBT的冲击强度显著提高；当其质量分数为10％时，冲击强度为lO．OkJ／mz，是纯PBT的2倍；在增强PBT中的效果也优于其它增韧剂；且SWR-6B在改善冲击强度的同时，材料的拉伸性能，弯曲性能下降较少，是一种比较理想的PBT增韧剂。同时对比了SWR-6B和美国杜邦MN-PTW及法国阿托AX8900等对PBT及增强PBT性能的影响。     

CuAlTiWV高熵合金薄膜的制备及掺氦和退火行为研究

利用磁控溅射技术,在纯Ar和Ar-He混合气氛下制备CuAlTiWV高熵合金薄膜。利用场发射扫描电子显微镜(Field Emission Scanning Electron Microscope,FESEM)、高分辨透射电子显微镜(High Resolution Transmission Electron Microscope,HRTEM)和X射线衍射仪(X-ray Diffraction,XRD)分别表征了薄膜的微观形貌和相结构,用划痕实验和FESEM研究薄膜的膜基结合强度和失效模型。结果表明:未掺氦且未退火CuAlTiWV高熵合金为非晶相基体上弥散分布着体心立方(Body Centered Cubic,BCC)相和金属间化合物相纳米尺寸粒子的结构。氦的引入和退火处理会影响薄膜的结晶度,但不会改变晶体结构类型。此外氦会使薄膜的表面产生鼓包,膜基界面处产生孔洞,从而使薄膜的临界载荷降低,失效模型由黏着失效转变为内聚失效。     

相渗曲线在精细油藏描述中的应用

油水两相渗透率曲线是研究油水两项渗流的基础,是油水两相渗流特征的综合反映,是油田开发计算、动态分析,以及数值模拟等方面不可缺少的资料之一。在数值模拟中是影响产油量和含水的重要因素,油水相对渗透率曲线决定产油量与含水的分布状况,影响区块及单井的历史拟合效果。准确的认识油水两相相对渗透率曲线,分析影响曲线形态的因素,在数值模拟中合理的调整举足轻重。     

季节性冻土地区衬砌渠道的冻害成因与防治措施

指出混凝土衬砌渠道的冻害可以分为冻胀破坏、冻融破坏和冰冻破坏3种类型,论述了不同冻害的破坏形式,认为冻胀破坏在我国北方季节性冻土地区比较广泛,对工程的危害程度较大,是刚性材料衬砌渠道的主要冻害形式,阐述了渠基土的冻胀机理和主要影响因素,并提出了回避冻胀、削减冻胀、衬砌结构和运行管理等方面防治冻胀的措施。     

基于AQPSO的数据聚类

提出了一种新的聚类算法——适应性的基于量子行为的微粒群优化算法的数据聚类(AQPSO)。AQPSO在全局搜索能力和局部搜索能力上优于PSO和QPSO算法,它的适应性方法比较接近于高水平智能群体的社会有机体的学习过程,并且能保证种群不断地进化。聚类过程都是根据数据向量之间的Euclidean(欧几里得的)距离。PSO和QPSO的不同在于聚类中心的进化上。QPSO和AQPSO的不同在于参数的选择上。实验中用到4个数据集比较聚类的效果,结果证明了AQPSO聚类方法优于PSO和QPSO聚类方法。