华池-白豹地区长6油层组储层评价

华池-白豹地区长6油层组是重要的勘探目的层,其砂体发育,含油性较好,但储层物性差,均为低渗、特低渗透储层,是典型岩性—地层油藏.在岩心和沉积相分析的基础上,对大量砂岩样品进行铸体薄片、扫描电镜、X-衍射、压汞分析,结合测井、地震资料,对华池-白豹地区长6储层特征进行综合研究,认为长6储层岩石以细—极细粒长石砂岩为主,胶结物主要为粘土及碳酸盐岩,孔隙类型以原生粒间空隙为主,属于低-特低孔隙度,特低-超低渗储层.影响储层物性的主要因素有碎屑颗粒大小及结构、胶结物类型及含量、孔隙类型、成岩作用和沉积相类型.研究区长6油层组储层总体上以Ⅲ类(差)储层为主.     

有关规划和建筑设计中消防问题的思考

针对城市规划与建筑设计中面临的大体量建筑物沿街越长、消防通道的转弯半径、新兴小型化工企业的厂际和厂内防火间距、多栋高层建筑毗连裙房防火间距等问题．通过科学合理地分析,提出消防车通道的设置应满足灭火救援需要,道路转弯半径满足消防车辆转弯需要、妥善处理小型石化企业及高层建筑毗连裙房防火间距等具体的建议。     

芒硝水平连通井组开采工艺研究

为解决江苏油田赵集矿区芒硝水平连通井组稳产期短、硝水质量下降的问题,根据芒硝的溶解物性和开采特点,对水平井技术套管下入位置及水平段在硝层中的位置、注水方向与强度和注油频率等涉及水平连通井组开采的几个关键技术进行了研究和试验。经过2个新井组近2年的应用,井组的硝水质量高、控盐效果好、控盐时间长,研究和设计的有效性与可靠性得到了充分的验证,可对矿区其它新井组的设计和生产提供有益的指导。     

组合内窝孔精密排种器小粒种子清种过程的计算机模拟分析

型孔轮式机械排种器不能适应精播的主要原因之一是对种子尺寸变化适应性差。本文以一种内侧充种垂直圆盘排种器———组合内窝孔精密排种器为例 ,对该排种器内窝定量孔中多余种子清种过程进行了理论分析和计算机模拟。分析结果表明 ,当种子尺寸较小时 ,内窝定量孔的长度及内窝孔轮的转速是影响内窝定量孔中多余种子清种的主要因素。     

应用基因活化剂控制锦橙夏梢提高产量品质效果研究

在锦橙生理落果期（5月中旬至6月上旬）喷施植物基因活化剂5000～10000倍液1～3次,控制夏梢抽发的效果达87.1%～74.8%,克服了新梢与幼果争夺营养的矛盾。免去了人工抹梢的劳力。喷1次增产20%左右,喷2～3次的增产62.8%～150.7%和176.5%～153.4%,效果达显著和极显著水平。采前裂落果减少84.0%～79.0%和55.9%～43.9%,且果实着色好,单果增重2.7～16.9g。经农业部柑桔质量监督检测中心检测结果：可溶性固形物提高2.0%,100ml果汁总糖增加1.89g,Vc增加7.96mg,酸甜适度、味浓,口感好,很受消费者欢迎。     

融合非临近跳连与多尺度残差结构的小目标车辆检测

目的 基于深度卷积神经网络的目标检测模型易受复杂环境（遮挡、光照、远距离、小目标等）影响导致漏检、误检和目标轮廓特征模糊的问题，现有模型难以直接泛化到航拍场景下的小目标检测任务。为有效解决上述问题，提出一种融合非临近跳连与多尺度残差结构的小目标车辆检测算法（non-adjacent hop network you only look once version 5s multi-scale residual edge contour feature extraction strategy，NHN-YOLOv5s-MREFE）。方法 首先，设计4种不同尺度的检测层，根据自身感受野大小，针对性地负责不同尺寸车辆的检测。其次，借鉴DenseNet密集跳连的思想，构建一种非临近跳连特征金字塔结构（non-adjacent hop network，NHN），通过跳连相加策略，在强化非临近层次信息交互的同时融合更多未被影响的原始信息，解决位置信息在传递过程中被逐渐稀释的问题，有效降低了模型的误检率。然后，以减少特征丢失为前提，引入反卷积和并行策略，通过参数学习实现像素填充和突破每1维度信息量的方式扩充小目标细节信息。接着，设计一种多尺度残差边缘轮廓特征提取策略（multi-scale residual edge contour feature extraction strategy，MREFE），遵循特征逐渐细化的原则，构建多尺度残差结构，采用双分支并行的方法捕获不同层级的多尺度信息，通过多尺度下的高语义信息与初始浅层信息的逐像素作差实现图像边缘特征提取，进而辅助网络模型完成目标分类。最后，采用K-Means++算法使聚类中心分散化，促使结果达到全局最优，加速模型收敛。结果 实验结果表明，非临近跳连的特征金字塔与多尺度残差结构的多模态融合策略，在提升模型运行效率，降低模型计算资源消耗的同时，有效提升了小目标检测的准确性和鲁棒性。通过多场景、多时段、多角度的样本数据增强，强化了模型在不同场景下的泛化能力。最后，在十字路口、沿途车道双场景下包含多种车辆类型的航拍图像数据集上，对比分析4种主流的目标检测方法，本文算法的综合性能最优。相较于基准模型（YOLOv5s），精确率、召回率和平均精度均值分别提升了13.7%、1.6%和8.1%。结论 本文算法可以较好地平衡检测速度与精度，以增加极小的参数量为代价，显著地提升了检测精度，并能够自适应复杂的交通环境，满足航拍场景下小目标车辆检测的实时性需求，在交通流量、密度等参数的测量和统计，车辆定位与跟踪等场景下有较高的应用价值。     

固相萃取/超高效液相色谱——串联质谱法测定香辛料中的去甲乌药碱和曲托喹酚

针对香辛料中的去甲乌药碱、曲托喹酚,建立了一种基于固相萃取前处理技术结合超高效液相色谱-串联质谱(UPLC-MS/MS)的检测方法。该方法以去甲乌药碱-D4和曲托喹酚-D9为内标,样品采用0.5%甲酸-甲醇提取,经MCX固相萃取柱净化后,将待测液引入UPLC-MS/MS进行分析,在ACQUITY HSS T3色谱柱上洗脱,多反应监测模式(MRM)下定量分析。结果表明,在2.0～100 ng/mL浓度范围内去甲乌药碱和曲托喹酚具有较好的线性关系(y=1.83952x+0.096246,r=0.999948;y=1.38263x–0.177529,r=0.999846),方法检出限为5.0μg/kg,定量限为10.0μg/kg,化合物在不同基质的3个加标水平(10.0、50.0、200μg/kg)下的回收率为84.6%～108.6%,精密度为1.2%～3.5%(n=6)。采用所建立的方法对市售的30种香辛调味料中的去甲乌药碱和曲托喹酚进行检测,在陈皮、荜拨、毛桃、黑胡椒、香叶、桂枝、肉蔻、桂皮、花椒、白胡椒中检出去甲乌药碱,曲托喹酚均未检出。综上,该方法准确、灵敏、稳定,可用于香辛料中去甲...