川东石炭系低渗气藏开采方式适应性分析

针对川东石炭系低渗气藏增产措施效果差异大的特点,对低渗气藏常用的几种增产措施进行了增产效果分析,并结合低渗气藏特征,总结了不同增产措施的适应性,提出了根据不同气藏特征有针对性地选择与之相适应的增产措施的认识。这些认识,有助于避免低渗气藏选择增产措施的盲目性,提高增产措施的成功率及增产效果,对川东石炭系低渗气藏及同类型气藏的开采具有指导意义。图4表9参3     

国内外天然气流量计量检测技术现状及进展

为了提高和确保计量准确度,国内外都建立了天然气流量实流检定站。论述了国内外天然气流量计量检测技术现状,阐明了天然气流量计量检测的直排和环道方案,对国内天然气流量实流检定站能力进行了对比分析。     

大庆外围油田地应力特征及人工裂缝形态分析

通过分析大量的试验资料,简要论述了地应力研究的方法和手段,搞清了大庆外围油田部分区块的地应力分布规律。研究结果表明,井点地应力大小以最大垂向主应力为主,水力压裂裂缝为垂直缝;最大水平主应力方向以近东西向为主,水力压裂裂缝的延伸方向也以近东西向为主;但受断层影响的平面地应力大小和方向差异较大,导致水力压裂裂缝的延伸方向有所改变,大量的现场微地震人工裂缝方位监测结果也说明了这一点。     

大庆油田完井工艺技术现状及发展方向

综述了大庆油田目前完井工艺技术现状.完井工艺已形成适应不同地质条件和井况的普通射孔完井工艺、油管输送射孔联作完井工艺和新型完井工艺三大系列14项技术,满足了油田不同开发模式完井的需要.其中有7项普通射孔完井工艺,即电缆输送射孔、油管输送射孔、水平井射孔、超正压射孔、定方位射孔、WCP带压作业和全通径射孔;有5项联作完井工艺,即油管输送射孔与测试联作、射孔与抽油泵联作、射孔与压裂联作、射孔与高能气体压裂联作和射孔与酸化联作;有2项新型完井工艺,即水力喷砂射孔和水力割缝.分析了大庆外围油田不同完井工艺的现场应用效果,阐述了完井工艺的技术水平和存在问题,明确了今后的发展方向.     

基于数据挖掘技术的智慧校园构建研究

本文针对高校数据信息特点,基于数据挖掘技术构建了智慧校园的建设模型,确立了高校综合智能决策分析模型中的各级目标,提出了高校综合智能决策分析系统的体系结构。结合大学生网络行为分析来验证和确认平台模型的设计,探索了高校综合智能分析决策系统在高校中的应用,即为高校管理提供决策支持,推进高校教学、科研、管理、生活及服务的智慧化,对实现教育信息化、管理规范化和决策科学化具有重要意义。     

超宽带1:4Wilkinson功率分配器的设计

介绍了WIIkinson功分器的基本设计方法,研制了一种工作频段在2～12 GHz的带状线宽带功分器,采用多节λ/4阻抗变换器级联,实现了功分器频带的展宽.仿真结果和测试结果比较表明,功分器在频带范围内满足良好的性能指标,隔离度在整个频带范围内均在20 dB以上,驻波比小于1.5,输入输出端口均达到良好的匹配.     

基于物联网的机房管理系统

介绍了利用物联网NFC电子标签和Android智能手机系统,结合通信运营商3G高速网络及统一的资源数据库,实现机房设备和ODF、DDF配线架的智能化管理,并确保标签资源和数据库资源的100%同步。充分利用电子标签的智能性和便利性,弥补现有纸质或者卡片式标签的单一性和更改不方便的缺点。利用android编程的扩展性增加系统客户端的各种使用功能。     

电力系统综合负荷建模的实用化研究

介绍了为解决综合测辨法负荷建模应用软件系统使用中存在的扩展性差、自动化程度低等问题而开发的负荷建模软件系统。该系统将原来由单个应用程序完成的负荷建模的任务分解成几个顺序执行的子任务,并用agent执行各子任务。在对采样设备、数据格式、负荷模型等需要实现多种类型兼容的时候,对应地增加agent即可,因此具有很好的扩展性。同时系统利用其内嵌的工作流系统实现了流程自动化,能够实时在线地自动完成负荷模型参数辨识全流程工作。     

钒钛磁铁矿金属化球团还原冶炼中钒的行为（英文）

研究电炉冶炼钒钛磁铁矿金属化球团中炉渣氧化钙、氧化镁含量以及冶炼温度对钒的行为的影响。对钒的还原和分配热力学进行计算和分析,并采用实验室电炉进行高温冶炼试验。热力学计算结果表明,钒在钛渣和铁水间的分配比随着渣中氧化钙、氧化镁含量增加以及冶炼温度的提高而下降。电炉冶炼试验结果表明,铁水中的钒含量以及生铁中钒回收率随着渣中氧化钙、氧化镁含量以及冶炼温度的提高而增加,而钒在钛渣和铁水间的分配比则有下降的趋势。此外,钒在铁水中的回收率随着钛渣光学碱度的增加存在提高的趋势。增加钛渣中的氧化镁含量进而提高炉渣光学碱度,不仅有利于钒的还原,而且可以促进有利于钛回收的含镁黑钛石相的形成。     

基于轻量级卷积神经网络的带钢表面缺陷识别

带钢表面缺陷识别对促进带钢生产质量提升至关重要。然而传统的图像处理与识别方法存在精度不高、且容易受到光线等因素影响;而新兴的基于深度学习的算法,则存在模型参数量大且难以部署等问题,无法在实际生产中得到广泛应用。本文提出了一种轻量级部分深度混合可分离网络(PDMSNet)用于解决以上问题,由于其模型小以及浮点型运算(FLOPs)少更易于部署在资源受限的平台。采用标准的带钢表面缺陷数据集NEU-CLS的测试结果表明,与其他缺陷分类器相比,在带钢表面缺陷检测方面,本文所提出的模型性能更加优越。识别准确率达到了99.78%,而参数量只有0.17 M以及272 M FLOPs,在单一低端的GeForce MX250图形处理单元(GPU)识别一张图片平均时间为0.47 ms,可以满足工业现场实时检测的要求。