运用阿米巴模型赋能钻探企业“最小单元”

石油钻探企业施工多呈现“点多、线长、面广”特点,其作业特殊性决定了管理难度。在当前钻探企业面临“量价齐跌”的严峻形势下,如何推动企业各项管理指标持续向好,不断释放发展活力,成为钻探企业实现高质量稳健发展的重大课题。长城钻探钻井二公司通过创新运用“阿米巴”模式,划小“经营、生产、操作”三个最小管控单元,实现对“基层队、班组和岗位员工”精准管控,推动单机、单队创效能力大幅提升,为打造“安全优质高效独立运营的铁人式基层队”,激活各板块创效能力奠定了基础。     

CO2响应性可控释放化合物及应用

CO_2响应性可控释放化合物是近年来发展起来的一类智能型刺激响应性物质,它是指通入和排出CO_2后,其性质能发生可逆变化的新型物质。由于调控过程中仅仅涉及CO_2及惰性气体的通入和释放,反应过程中无副产物和污染物的产生,因此具有很大的应用价值。综述了CO_2响应性可控释放化合物的结构、性质、应用及研究进展,并指出了研究方向和应用前景。     

电子封装用钢基体外壳除氢研究

钢基体（如10#钢）外壳在混合集成电路中大量使用,该外壳生产时,会接触或产生大量氢气。研究表明,密封电子器件中的氢会导致砷化镓、氮化镓等半导体芯片失效,影响器件长期可靠性。本文研究了电子封装用钢基体外壳内部的氢含量,分析了当前典型制备工艺下氢含量的产生原因,对比了不同镀种外壳的氢含量差异,并讨论了产生差异的原因。针对烧结及镀覆工序展开除氢试验,对经过低温/高温激发的封盖密封外壳,进行了氢含量测试,并获得了氢含量规律。研究结果为外壳制备提供了建议,也为外壳后续使用提供了依据。     

水驱油田可采储量预测软件开发与应用

开发了在VisualBasic6 .0集成环境 (IDE)下的水驱油田可采储量预测软件 ,该软件由数据处理、水驱曲线绘制、特征直线拟合三个功能模块组成 ,具有可视化、自动化程度高、易操作、简单明了等特点。应用本软件可以快速准确进行历史拟合和预测油田可采储量 ,提高预测工作的效率、精度和可信度。     

锂离子电池电解质研究进展

能源的高效利用越来越受到重视，人们对锂离子电池的高性能化提出了更高的要求。锂离子电池主要包括正极、负极、电解质及隔膜。其中，电解质作为决定锂离子电池特性的关键材料之一，承担着电池内部电荷传递的功能，对电池的各项使用性能有着至关重要的影响。综述了国内外锂离子电池电解质的应用研究进展，着重对电解质的分类、性能和优缺点进行分析总结，讨论了现研究阶段需要解决的主要问题，指出电解质未来面临的挑战，并对电解质的发展作出了展望。     

边底水碳酸盐岩气藏提高采收率的微观驱气效率

边底水碳酸盐岩气藏储量丰富，是目前塔里木盆地、四川盆地、鄂尔多斯盆地等油气产区重要的开发对象，边底水碳酸盐岩气藏在开发中后期普遍面临水侵影响，将引起驱气效率和采收率下降等问题。为此，首先通过耦合流体流动方程和界面追踪方程，建立了孔隙尺度水气非混相流动模型，然后基于随机生长4参数法生成的非均质多孔介质模拟了水驱气过程，最后明确了剩余气的分布和形成机理，并探讨了微观驱气效率的变化机制。研究结果表明：(1)剩余气的分布包括盲端剩余气、孔喉间剩余气和簇状剩余气，其比例和规模受微观孔隙结构、润湿性和毛细管数共同控制，通过改变生产压差，打乱原有压力系统及气体膨胀，能进一步动用剩余气，进而提高微观驱气效率；(2)微观驱气效率与渗流过程密切相关，每一条水相优势通道的形成或扩大都会引起出口含水率的急剧上升并使驱气效率的增速变缓；(3)气藏微观孔隙结构和润湿性特征是确定的，通过优化毛细管数改变界面推进模式能有效提高微观驱气效率。结论认为，对于实际气井，应基于储层微观孔隙结构和润湿性特征，揭示气水界面推进力学机制的演变规律，进而确定最优毛细管数；明确孔隙尺度水气渗流特征及微观驱气物理机制，有助于指导气藏提高...     

数据驱动与物理驱动融合的双驱动渗流代理模型构建

渗流代理模型的构建是油气藏模拟技术研究的前沿方向，而目前广泛使用的纯数据驱动渗流代理模型无理论支撑，对数据数量和质量的要求较高，很大程度上限制了渗流代理模型的发展。为此提出了数据驱动与物理驱动相融合的双驱动渗流代理模型，其在纯数据驱动渗流代理模型的基础上，融合油气渗流理论，模拟预测油气渗流过程。结果表明：相较于纯数据驱动渗流代理模型，即使训练数据极度稀疏，双驱动渗流代理模型仍具有较高的预测精度；通过在训练数据中加入不同等级的干扰噪声，验证了双驱动渗流代理模型的鲁棒性优于纯数据驱动渗流代理模型；通过迁移学习，将训练好的双驱动渗流代理模型应用到新的渗流场，实现了快速收敛并节省了计算资源。     

基于局域特征相似性度量的卷烟制品外观缺陷检测

为解决深度学习技术在卷烟制品外观缺陷检测中存在人工标注繁琐、目标形态随机性大等问题，提出了一种基于局域特征相似性度量（Local Characteristic Similarity Metric,LCSM）的图像算法。LCSM算法只需要对正常样本进行训练，使用特定的卷积神经网络提取正常样本的特征并构建图像每个区域的数据特征分布，再提取测试图像局域特征向量并采用Wasserstein距离度量其特征分布与对应正常样本特征分布之间的相似性，从而判断测试图像是否存在缺陷。采集并制作了卷烟小盒、烟用胶囊和烟支3个数据集用于验证LCSM算法性能。结果表明：LCSM算法在3个数据集的缺陷检测准确率分别达到98.75%、99.50%和98.50%，与近期报道的Skip-GANomaly、STPM以及IGD算法相比，分别提高14、2和2百分点。该方法可为提高卷烟制品外观缺陷检测准确率提供技术支持。