“1+1+N”监督管理模式的构建与实践

随着油气勘探开发程度的不断深入,钻井工程监督的重要作用越来越凸显。监督单位作为服务载体,基于油田公司勘探开发思路,根据钻井现场实际情况并结合规范要求,创新构建了“1+1+N”监督管理模式,全过程精细监督管理钻井作业,实现生产组织与技术管理的双轮驱动,助力油田公司钻井作业降本增效和高质量发展。     

原油降解工程菌的构建及其降解性能研究

通过电转化的方法将含有原油降解功能基因Lys的质粒PKsphi1-2通过电击导入宿主菌S25A1的感受态中,构建出一株具有原油降解功能的基因工程菌PKS25A1。通过原油降解试验,对其原油降解功能进行鉴定。     

基于植物DNA条形码技术对杏仁露中花生源性成分的鉴别研究

杏仁露含有丰富的植物蛋白,深受广大消费者的喜爱,拥有广阔的消费市场,同时其成分与配料表是否相符也备受消费者关心。本研究基于植物DNA条形码技术与PCR技术,设计、筛选同时能对杏仁、花生、核桃、大豆、芝麻和榛子六个物种进行扩增的通用引物,并将其应用于杏仁露中花生源性成分的检测。试验表明引物ITS2-2和trn H-psb A-1分别对六个物种的扩增成功率和测序成功率均较高;通过计算杏仁、花生的基因组DNA提取率,设计掺假模型在提取的杏仁基因组DNA中掺入花生基因组DNA,引物ITS2-2对于掺入85.80%的花生检测结果为杏仁,trn H-psb A-1对于掺入6.94%的花生检测结果为花生。引物ITS2-2和trn H-psb A-1可作为鉴别杏仁露中花生源性成分的植物DNA条形码组合。本研究为该类食品检测提供了新的思路,可作为相关研究的参考。     

液态烷烃氧载体对褐黄孢链霉菌合成纳他霉素的影响

利用单因素摇瓶发酵的实验方法,以多种液态烷烃作为氧载体,分别研究了其不同添加浓度、添加时间对褐黄孢链霉菌生长及对纳他霉素生物合成的影响。实验结果表明,正己烷、正十二烷和正十六烷都不能作为碳源被细胞利用,是有效的氧载体。正十二烷作为氧载体效果较好:接种同时添加6%的正十二烷培养,细胞干重和纳他霉素含量分别比对照组提高了22.9%和46.4%;而最佳添加时间为发酵后24 h,纳他霉素含量比接种同时添加提高了7.0%。添加6%的正十六烷,纳他霉素含量比对照组提高了43.3%。添加高于3%浓度的正己烷,菌体干重和那他霉素产量均低于对照组,推测可能是正己烷对细胞产生毒性而抑制了菌体生长和纳他霉素的合成。     

一种燃料电池发电系统直直变换器的研究

本文针对燃料电池的外特性较软这一特性，研究了一种推挽正激变换器。通过对变换器的小信号建模，设计了其双环控制参数。实验表明在燃料电池稳态输出及动态变化时，控制器均能保证了此变换器能够稳定工作，从而有效地利用了电能。     

煤田地震多属性分析技术的应用

通过井震联合反演,研究煤系地层的横向变化,预测煤层的顶、底板岩性;从地震属性中优选出波阻抗属性、振幅属性、频率属性对小构造和煤层顶、底板岩性进行分析.得出联合测井信息,综合利用地震多属性分析可以从常规几何构造的解释向物性结构的解释过渡,提高了煤田勘探的解释精度,减少了解释的多解性.     

预训练增强的代码克隆检测技术

代码克隆检测是软件工程领域的一项重要任务, 对于语义相似但语法差距较大的四型代码克隆的检测尤为困难. 基于深度学习的方法在四型代码克隆的检测上已经取得了较好的效果, 但是使用人工标注的代码克隆对进行监督学习的成本较高. 提出了两种简单有效的预训练策略来增强基于深度学习的代码克隆检测模型的代码表示, 以减少监督学习模型中...     

浅谈党建工作与数字化转型的创新融合

在数字经济大发展的背景下,在习近平新时代中国特色社会主义思想特别是习近平总书记关于国有企业党的建设、网络强国、数字经济的重要思想指引下,国家石油天然气管网集团有限公司坚决贯彻落实“两个一以贯之”,将党的建设、数字化转型作为集团重要发展战略和主要抓手,一体化推进大业务、大党建、大监督、数字化“四大体系”建设,通过党建工作与数字化转型的有机融合,为全面加强党的建设,建设新时代具有管网特色的现代企业治理体系形成重要的实践探索。     

采用多目标优化的深度学习测试优化方法

随着深度学习技术的快速发展,对其质量保障的研究也逐步增多.传感器等技术的迅速发展,使得收集测试数据变得不再困难,但对收集到的数据进行标记却需要花费高昂的代价.已有工作尝试从原始测试集中筛选出一个测试子集以降低标记成本,这些测试子集保证了与原始测试集具有相近的整体准确率(即待测深度学习模型在测试集全体测试输入上的准确率),但却不能保证在其他测试性质上与原始测试集相近.例如,不能充分覆盖原始测试集中各个类别的测试输入.提出了一种基于多目标优化的深度学习测试输入选择方法 DMOS(deep multi-objectiveselection),其首先基于HDBSCAN(hierarchicaldensity-basedspatialclusteringofapplicationswith noise)聚类方法初步分析原始测试集的数据分布,然后基于聚类结果的特征设计多个优化目标,接着利用多目标优化求解出合适的选择方案.在8组经典的深度学习测试集和模型上进行了大量实验,结果表明, DMOS方法选出的最佳测试子集(性能最好的Pareto最优解对应的测试子集)不仅能够覆盖原始测试集中更多的测试输入类别...     

一种基于遗传算法的多缺陷定位方法

基于程序频谱的缺陷定位方法可以有效地辅助开发人员定位软件内部缺陷,但大部分已有自动化方法在解决多缺陷定位问题时表现不佳,部分效果尚可的方法因复杂度较高或需要开发人员较多交互而仍需进一步改善.为改善上述问题,提出一种基于遗传算法的多缺陷定位方法 GAMFal,具体来说:首先基于搜索的软件工程思想对多缺陷定位问题进行建模,构建了候选缺陷分布的染色体编码方式,并基于扩展的Ochiai系数计算个体的适应度值;随后使用遗传算法在解空间中搜索具有最高适应度值的候选缺陷分布,在终止条件被满足后返回最优解种群;最后根据这个种群对程序实体进行排序.这样开发人员可以依次对程序实体进行检查并最终确定多个缺陷的具体位置.实证研究以Siemens套件中的7个程序和Linux的3个程序(gzip、grep和sed)作为评测对象,并扩展传统的定位方法评测标准EXAM至EXAMF和EXAML,通过与其他经典的缺陷定位方法(Tarantula、Improved Tarantula及Ochiai)进行对比,并通过Friedman检测和最小显著性差异测试可得,提出的GAMFal方法在整体定位效率方面优于传统方法,且需要更少的人工交互.除此之外,GAMFal的执行时间也在可接受的范围之内.