伊拉克Ahdeb油田稠油层测井识别及分布特征研究新方法

伊拉克Ahdeb油田Khasib油藏的开发现状迫切需要明确稠油的分布特征,以降低钻井风险。探讨了稠油层的测井响应特征,研究了稠油含量指数计算方法,在三维空间刻画出稠油的分布特征。分析稠油和轻质油基本性质的差别出发,通过理论模型分析阐述了稠油层和轻质油层在电阻率、中子孔隙度、密度以及核磁共振测井响应特征上的差异。利用阿尔奇公式计算冲洗带残余油饱和度结合中子孔隙度与密度曲线的分离幅度,定量计算了稠油含量指数,将其应用于三维地质模型中,直观地展示了稠油在各小层的分布特征。结果表明水平井轨迹穿过稠油含量指数高于0.2的区域或低产,或无法投产,生产特征与稠油分布特征完全吻合,充分证明了稠油分布特征描述的可靠性。     

二元双马来酰亚胺共混聚合物的结构与热性能研究

用两种不同类型的双马来酰亚胺进行共混聚合改性研究，研究其热性能与固化的关系，用＾１Ｈ ＮＭＲ，ＩＲ和ＴＧ－ＤＴＡ对其结构和固化度进行表征，并确定了树脂的固化参数。     

应用Illumina MiSeq高通量测序技术分析玉米内生细菌多样性

为了调查玉米内生细菌种类多样性。应用高通量测序技术测定玉米内生细菌的16S rDNA-V4变异区序列,应用Qiime和Mothur等软件整理和统计样品序列数目和操作分类单元(OTUs)数量,分析物种的丰度、分布和Alpha多样性,以及物种丰富度的差异。本研究获得用于分析的有效序列和OTU数为96334/156;稀疏曲线表明测序深度充分,OTU的数量接近于饱和。玉米(样品名YM)的Chao1指数为156.0,Shanno多样性指数为1.211。玉米内生细菌分布于以下6个属:鞘氨醇单胞菌属(Sphingomonas,37.78%)、盐单胞菌属(Halomonas,33.33%)、假单胞菌属(Pseudomonas,13.33%)、希瓦氏菌属(Shewanella,6.67%)、甲基杆菌属(Methylobacterium,4.44%)、土地杆菌属(Pedobacter,4.44%);玉米内生细菌优势菌属为鞘氨醇单胞菌属(Sphingomonas,37.78%)、盐单胞菌属(Halomonas,33.33%)。Illumina Mi Seq高通量测序技术为植物内生细菌的研究提供了更加准确、科学的数据资源。     

考虑工作负载影响的电路老化预测方法

晶体管老化效应已成为影响集成电路可靠性的重要因素.文中基于晶体管老化效应的物理模型,提出一种电路老化分析框架来预测集成电路在其服务生命期内的最大老化.首先计算出在最坏操作情况下电路老化的上限值;随后通过考虑工作负载和电路的逻辑拓扑对老化效应的影响,采用非线性规划求得会导致最大电路老化的最差占空比组合.实验结果表明,与同类方法相比,该老化分析框架对电路老化的预测具有更高的精度,更接近于电路在实际工作条件下的老化情况.     

轨道交通直流牵引供电系统牵引网短路故障仿真研究

本次研究详细介绍了遗传算法的主要内涵及基于原理,建立了应用于牵引网短路故障定位的遗传算法模型,根据遗传算法基本流程提出了数据处理方案.最后基于双边供电方式的仿真模型对遗传算法的有效性进行了验证,经仿真分析发现,本次研究所设计的遗传算法平均绝对误差为25.8％,在轨道交通直流牵引供电系统牵引网短路故障的定位方面具有充分的可行性.     

基于无线技术数字家庭灯光系统的设计与实现

随着蓝牙通信技术的日臻成熟以及GSM网络的日益普及,在分析现有数字家庭灯光系统的连接标准和控制方案的基础上,提出了基于蓝牙通信的数字灯光远程控制解决方案.本文提出的解决方案实现了通过PDA、PC和普通手机等终端对家中灯光系统进行控制.并且该方案已在工程项目中实施,且运行良好.     

屋顶绿化对室内人体热舒适的影响研究

进行了夏季屋顶绿化对室内热环境影响的实验研究,结果表明：室内空气和维护结构内表面温度均有不同程度的降低,这是有利的;然而房间的相对湿度升高了,这是不利的;综合效果是人感到热改善为基本能接受;当热环境要求高时,仅靠屋顶绿化一个手段还达不到令人满意的效果．还必须采用其它手段比如夜间开窗通风,利用电风扇使室内产生一定的风速以及空调等的综合作用。     

基于统计特征参数与相关向量机的变压器局部放电类型识别

针对传统的局部放电模式分类器存在的不足,提出了一种基于统计特征参数与相关向量机(RVM)的变压器局部放电类型识别的新方法。首先针对4种变压器局部放电实验模型的二维图谱提取出表征图谱特征的16个统计参数,然后设计一对一RVM多分类模型,将统计参数作为输入向量送入RVM分类模型,实现放电类型识别。测试结果表明,RVM分类器具有较好的放电识别效果,与支持向量机(SVM)相比具有计算复杂度低、相关向量少、训练及测试时间短等优点,两者识别精度相当,均高于BPNN。     

组合核支持向量机在放电模式识别中的优化策略

传统的单一核函数SVM无法实现局部放电中的多特征空间向量的映射分类,且目前SVM大都采用不同尺度的径向基函数作为核函数,核的调整空间较为有限,无法针对不同特征空间的放电参数达到普适的效果。针对上述问题,本文提出一种基于多分组特征的组合核多分类SVM的局部放电识别方法。该方法首先完成多类特征空间在不同类型SVM核函数中的映射分类,再采用骨干粒子群(BBPSO)优化方法选取最佳核参数,并求解核函数权值系数,最终形成最优核函数组合分类模型。实验结果表明,该方法对多个特征空间数据具有普适性,且融合效果理想,分类精度高于误差反向传播神经网络(BPNN)和SVM识别方法。