基于人工神经网络的粉煤灰科学分类

鉴于目前国内在粉煤灰分类方面存在的片面性,我们结合人工神经网络(ANN)理论,提出了基于人工神经网络的粉煤灰科学分类方法。该方法充分考虑了粉煤灰的火山灰活性,并考虑了细度、玻璃体、烧失量、K2O、SO3、CaO多种因素对分类的影响。实例表明,按本文提出的方法建立的网络模型比较合理,精度比较高,克服了以往分类方法的片面性,能比较全面地反映粉煤灰的品质性能,为粉煤灰的多元化利用提供依据。     

页岩油气最终采收量地质主控因素——以美国海湾盆地鹰滩页岩为例

基于白垩系鹰滩组下段1 317口生产井和72 口系统取心井991组分析化验数据,分别按油和天然气,采用两种页岩油气最终采收量(EUR)经典模型预测单井最终采收量,以消除工程因素的预测均值作为最终结果,全面厘清控制页岩油气EUR的关键地质因素.研究表明:储集能力、资源量、流动能力和可压性是控制页岩油气EUR的4个关键地质...