南堡1-1区东一段浅水三角洲水下分流河道单砂体叠置关系

综合应用岩心、测井、生产动态等资料,完成了南堡1-1区东一段储层水下分流河道单砂体的划分。通过总结单一水下分流河道砂体间的接触关系,分析了研究区水下分流河道叠置特征及其形成原因。研究结果表明:南堡1-1区水下分流河道单砂体厚度5. 2～11. 5 m,宽度最大可达400 m;单一水下分流河道砂体在剖面上存在分离式、叠加式、切叠式3种接触关系,以分离式为主;平面上存在分离式、相变式、对接式、切割式4种接触关系,以切割式为主;在空间上可组合成12种基本接触类型,占比由大到小依次为分离+切割、叠加+切割、叠加+对接、切叠+切割等;湖泊水体周期性变化、可容纳空间与沉积物供给通量比值(A/S)、动态地貌形态变化等因素共同形成了研究区浅水三角洲前缘水下分流河道砂体剖面下切能力有限而平面频繁改道交切的特征。     

配电网单相接地故障快速选相方法研究

配电网单相接地故障传统判相方法需要考虑相序和电压大小来判别故障相,但高阻接地故障时相角测量较为困难,因此故障相判断难度很大.通过分析小电流接地系统发生单相接地故障时各相电压以及中性点电压随故障电阻变化的关系,提出单相接地故障时仅根据中性点电压大小以及相电压大小直接判断故障相的简化方法.最后通过PSCAD/EMTDC搭建...     

蓄水期堆石混凝土重力坝力学和变形特征研究

为研究堆石混凝土重力坝的力学特性和变性特征,依托贵州某水电站工程,对不同阶段、不同位置处的坝体温度和渗透压力进行监测。通过有限元软件,建立堆石混凝土重力坝仿真模型,同时考虑超载倍数的影响。结果表明,施工阶段的堆石混凝土绝热温升不高,通过控制混凝土入仓温度是控制施工阶段坝体温度的有效手段。在运营阶段,大坝靠近下游和上部的位置,温度受外部影响较大,呈现季节性变化规律。帷幕后的监测点渗透压力较小,显示出帷幕良好的止水效果。在超载倍数达到10时,坝顶位移达到42.3 mm,坝底位移达到15 mm左右,但仍未出现上下游贯通性的屈服破坏,这表现出该堆石混凝土水坝的整体安全性较高,其稳定性也较好。     

人工神经网络用于电除盐产水水质预测研究

为了实现化工行业高纯水全自动生产,本文利用电除盐（electrodeionization,EDI）技术替代传统的混床技术,并研究了人工神经网络对EDI产水过程模拟仿真的可行性,采用误差反向传播网络（BP网络）建立了进水流量、电导率、pH值以及工作电压与EDI透过水电阻率之间关系的动态模型,并对不同的训练样本归一化方法和训练方法进行比较。结果表明,在网络隐含层层数为1、节点数为13时,采用归一化方法三能够较好的预测EDI透过水电阻率,且该模型可用于EDI除盐过程的动态描述,为实现化工行业高纯水全自动生产奠定了基础。     

瞬变电磁法在安居煤矿水害防治中的应用与研究

安居煤矿主副井筒贯通后,为加快施工进度,在井底车场和东翼三条大巷施工时,利用瞬变电磁与钻探相互验证的方法,查明了巷道前方岩层富水、断层发育位置及导水情况,证明了矿井瞬变电侧法的可靠性和有效性,为井底车场和三条大巷顺利施工提供了较为准确的地质及水文地质资料,确保了矿井的安全施工。     

现代大学书院的样态与建设路径——促进学生学习的视角

在“时时、处处、人人、事事”学习泛在的新时代,现代大学书院的任务需要跃升为促进学生学习。从促进学生的学习和发展的视角来看,书院呈现出三种样态:辅助学习、分工学习、融合学习。目前三类书院功能层次较低、学习性设计不足、相关要素未能回归学习本义,因而未能充分发挥书院促进学习的价值。为促进学生投入学习,实现书院教育经历最优化,书院要开发和利用学生住宿学校所带来的时间、空间和群居等天然优势,设计书院目的化教育方案、完善书院室友匹配方式、建立有效的书院导师制、拓展互动性的书院教育空间。     

探讨园林景观设计的艺术及方法

随着社会经济的快速发展,园林景观设计的规模在不断的扩大。要想使得园林景观呈现出更加个性化的设计,应该注重园林景观设计中的艺术运用。本文主要阐述了园林景观设计的艺术及方法。     

对核电工程建设进度管理探索的分析

在国民经济稳步提升的当前社会,各行各业都得到了良好的发展环境.核电工程的建设数量也越来越多.要想在不影响施工进度的情况下确保施工质量不受影响,需要相关单位根据自身实际情况来对工程做出全方位的控制管理.对于核电工程而言,施工进度管理是其中较为重要的一个环节,建设单位要对其加大重视力度,并且结合自身发展情况对此进行优化更新...     

基于TRNN和FA-PF融合的锂离子电池RUL预测

预测锂电池剩余使用寿命RUL(remaining useful life)可以提高电池供电系统的稳定性和安全性,从而明确故障的发生并及时做出响应。在预测过程中粒子滤波PF(particle filter)常用于在线辨识模型参数,但当PF在线辨识参数时易出现粒子贫化问题,需要大量粒子才能完成状态估计,这将会导致预测结果不准确。为了提高RUL预测的准确性,提出一种基于时间递归神经网络TRNN(time recurrent neural network)和萤火虫算法FA(firefly algorithm)优化PF融合的锂电池RUL预测方法。首先,由于TRNN的泛化能力优于经验模型,并且易于捕捉容量退化的长距离依赖问题,因此选用其模拟各种条件下的电池退化模型;其次,基于FA优化的PF技术对TRNN模型参数进行递归更新,使粒子群移动到高似然区域,从而减少PF的贫化;最后,选择不同条件下不同电池的实验数据进行验证和比较。结果表明,与传统方法相比,该方法具有更高的RUL预测精度。