涠西南凹陷烃源岩地球化学特征及油源对比

北部湾盆地涠西南凹陷流沙港组和涠洲组烃源岩地化特征分析结果表明,流沙港组生烃潜力高于涠洲组,其中以流二段最优;2套烃源岩总体处于弱还原—弱氧化的沉积环境,伽马蜡烷含量甚微,C24四环萜的含量表明陆源有机质占有一定比例,各组段C27、C28、C29αααR型甾烷分布特征多为"V"型和反"L"型,且流二段的C30-4-甲基甾烷含量最为丰富。根据生标特征可将原油分为3类:Ⅰ类原油来源于流一段烃源岩;Ⅱ类原油源于流三段烃源岩;Ⅲ类原油可分为2个亚类,Ⅲ1类原油来源于流二段的泥页岩,Ⅲ2类原油为流一段和流二段混合来源,推断混源中流二段烃源岩生烃贡献较大。涠洲组原油与涠洲组烃源岩特征相差甚大,推测应源于其下部地层。     

小井眼水平井裸眼砾石充填完井技术及其应用

水平井裸眼砾石充填可以有效控制油井出砂和底水锥进,但小井眼水平井的井眼直径小、曲率变化大,阻力特性敏感,井底压力难控制,砾石充填困难较大。渤海湾秦皇岛32-6油田为典型高孔高渗、疏松砂岩底水稠油油藏,开采过程中采用设计合理的井身结构和井眼轨迹、优化钻完井液体系、采用梯级优质筛管、调整充填参数等手段,顺利完成32-6E平台5口小井眼水平井砾石充填作业。介绍了刮管洗井、防砂、浸泡破胶等具体步骤及取得的效果,指出采用裸眼砾石充填完井,投产后超过配产要求,油田开发效果良好。     

基于AMESim的自适应油源建模与仿真研究

该文在认真分析自适应油源液压系统结构基础上,对自适应油源液压系统控制原理进行了数学推导,建立了自适应油源控制数学模型,得到了自适应油源的传递函数方框图,在此基础上利用AMESim软件建立了自适应油源液压系统仿真模型,仿真了定量泵控制信号对自适应油源液压系统输出的影响,并对控制信号和系统输出之间的关系进行了分析.     

钠钙粉作为添加剂制备赤泥激发偏高岭土胶凝材料

采用XRD、IR、SEM、和EDS等分析手段.研究了钠钙粉作为添加剂制备的赤泥偏高岭土胶凝材料的力学性能和水化产物.结果表明:钠水玻璃模数为1.0、水灰比为0.34、钠钙粉加入量为6%时效果最好,同时得知偏高岭土经强碱激发后的水化产物为C-S-H凝胶和硅铝酸钙.随着试样养护龄期的增长肢凝材料结构更密实,形成PSS型结构.     

太阳能吸附式制冷关键环节分析及其优化

太阳能吸附式制冷作为一种环保、可靠的低品位热能利用方式,正受到越来越多的科研工作者的关注.介绍太阳能吸附式制冷的热力过程,并以循环中的3个关键环节为出发点,介绍国内外近些年来的试验成果,进行比较分析,为太阳能吸附式制冷系统设计指出改进方向.     

聚合物水泥混凝土的试验研究

本试验结果表明:5%,10%,15%聚灰比的聚合物水泥混凝土其28 d抗压强度值分别是空白对比试样的1.04,1.06,1.12倍;抗折强度值分别是空白对比试样的1.02,1.04,1.10倍。抗压强度与抗折强度比为9.14,9.13,9.10。因此得出:普通硅酸盐水泥混凝土中掺入聚丙烯酸酯可以提高聚合物水泥混凝土的抗压强度和抗折强度,改善聚合物水泥混凝土的性能,具有很好的发展及应用前景。     

化学仿生法制备生物活性涂层的研究现状

简要介绍了化学仿生法的特点、沉积机理及其在硬植入材料表面改性中的应用概况,回顾了国内外关于化学仿生法制备生物活性涂层的研究现状.制备的生物活性涂层较薄、生长速度较慢是制约化学仿生法实际应用的主要因素,而采用与微弧氧化等表面改性技术相结合的复合化处理是将来制备生物活性涂层的发展方向.     

综合改进奇异谱分解和奇异值分解的齿轮故障特征提取方法

针对齿轮故障特征微弱,在强背景噪声下难以有效提取的问题,提出了一种改进奇异谱分解（ISSD）结合奇异值分解（SVD）的齿轮故障特征提取方法。针对奇异谱分解（SSD）算法中模态参数需凭经验选取的缺陷,基于散布熵优化算法对SSD算法进行了改进,在得到既定的一组奇异谱分量的基础上,根据峭度值最大准则筛选出了最佳奇异谱分量并进行了SVD处理,采用奇异值能量标准谱自适应地确定了信号重构阶数以还原信号和提高降噪效果。最后对信号进行包络解调以提取齿轮故障特征,将所提方法运用到仿真信号和齿轮实测信号中,并同传统包络谱、SSD包络谱以及经验模态分解结合SVD(EMD-SVD)方法进行了对比分析,结果表明,所提方法的降噪和特征提取效果更佳,能够更加有效地实现齿轮故障的判别。     

领域术语自动抽取及其在文本分类中的应用

本文提出了一种基于信息熵的领域术语抽取方法,在给定领域分类语料的前提下,该方法既考虑了领域术语在不同领域类别间分布的不均匀性,又考虑了其在特定领域类别内分布的均匀性,并针对语料的不平衡性进行了正规化.人工评测显示该方法能更准确有效地抽取领域术语.本文还将该算法应用于文本分类,用于代替传统特征选择算法,实验表明,该算法能够显著提高文本分类的精度.     

基于标题类别语义识别的文本分类算法研究

本文提出了一种基于标题类别语义识别的文本分类算法。算法利用基于类别信息的特征选择策略构造分类的特征空间,通过识别文本标题中的特征词的类别语义来预测文本的候选类别,最后在候选类别空间中用分类器执行分类操作。实验表明该算法在有效降低分类候选数目的基础上可显著提高文本分类的精度,通过对类别空间表示效率指标的验证,进一步表明该算法有效地提高了文本表示空间的性能。