吉木萨尔凹陷二叠系芦草沟组致密油初期开采特征

准噶尔盆地东部吉木萨尔凹陷中二叠统芦草沟组致密油尚处于勘探开发初期。在分析芦草沟组致密油试采生产特征、压力特征、渗流特征、递减特征等基础上,对芦草沟组致密储集层的采收率进行了测算。指出,水平井及多级压裂技术是实现致密油经济有效开发的两大关键主体技术;芦草沟组属正常压力系统,压力系数为1.05~1.20;储集层渗流为非达西流,具有一定的启动压力;油井投产后符合双曲递减规律,初期年绝对油量递减在60%左右,预测最终采收率为5.5%     

滨里海盆地东缘塔克尔构造石炭系台内滩储层特征及主控因素

针对滨里海盆地东缘塔克尔构造石炭系台内滩储层的分类及其主控因素进行分析.综合测井、岩心、地震等资料,系统地阐述台内滩储层的沉积特征、储集空间类型、储层分类及控制因素.研究区台内滩类型主要有生屑/藻屑滩、有孔虫滩、鲕粒滩、砂屑滩等4种,次生溶蚀孔洞、粒间溶孔、晶间溶孔为其主要储集空间,另有部分原生粒间孔、体腔孔、铸模孔等...     

基于改进仿电磁学算法的多目标电网规划方案研究

对基本仿电磁学(Electromagnetism-Like Mechanism,ELM)算法进行了改进,获得了新型的改进仿电磁学(improve electromagnetism-like mechanism,IELM)算法,并与遗传算法(genetic algorithm,GA)进行了性能对比分析。研究结果表明:在基本ELM中引入被动聚集思想来实现单个粒子的解域拓展,避免解域狭小问题;通过建立权重的自适应控制函数规避了迭代后期的不收敛性;运用搜索范围动态缩减法来提高预期收敛速度和全局寻优效果。相较于GA算法,采用改进的IELM算法在解决电网规划方案的非线性组合优化过程中,在收敛效率、操作适应性和全局最优解方面具有显著优势。     

Double weighted K-nearest voting for label aggregation in crowdsourcing learning

Multimedia Tools and Applications - In this article, we propose a new voting strategy in crowdsourcing learning by avoiding the effects of missing labels and poor workers. To achieve this, we apply...     

混油钻井液条件下气测值的量化校正处理

以往气测录井对混油钻井液气测值的处理,一般只是根据经验作非量化校正处理,没育有效的量化校正方法,尤其是对气测烃类组分值的校正处理基本上没有考虑。针对此情况,分析了储集层甲炕相对含量变化特征和混油钻井液烃类组成与储集层烃类组成不同的特点,以胜刊油田M-平1井钻井液混油前后的气体检测分析数据为例,通过分析混油钻井液与束混油情况下地层全烃和烃组分检测值的相互关系．得出了剔除混油干扰后的地层全烃和烃组分的校正计算公式,为混油钻井液条件下利用气测参数准确评价油气层提供了有效保障．     

胶印质量自动检测中图像配准的研究

胶印质量自动检测系统中,图像的配准是整个系统的关键技术。本实验提出使用SUSAN角点定位和模板匹配相结合的方法解决胶印质量自动检测中图像配准的问题。该方法首先利用SUSAN算法检测到图像角点,然后对图像进行平移和旋转,再在特定图像区域内,利用模板匹配的方法,进行精确配准。这种新方法与传统算法相比,能在提高定位精度的前提下,有效节省运算时间。实验结果表明新算法是有效且可行的。     

红小米化学成分与营养成分分析

为探究河南南阳红小米的物质基础,以不同年份南阳红小米为原料,采用组织破碎法提取、硅胶色谱层析法结合结晶沉淀法纯化及常规的营养成分分析方法,对红小米的化学成分和营养成分进行分析,同时以芹菜素为标准品,采用亚硝酸钠-硝酸铝-氢氧化钠显色法测得红小米中总黄酮含量。首次从红小米中分离得到香草醛、香草酸、β-谷甾醇、邻苯二甲酸二丁酯、芹菜素共5 个化合物;测得的总黄酮质量分数为4.91%;同时研究结果表明,红小米中氨基酸种类丰富,必需氨基酸-总氨基酸、必需氨基酸-非必需氨基酸之比分别为39.49%、60.51%,数据接近联合国粮农组织及世界卫生组织的理想模式;脂肪酸主要有棕榈酸、亚油酸、油酸、硬脂酸等,其中亚油酸含量最高（64.60%）;维生素中γ-VE含量较高（2.24 mg/100 g）;微量元素中Mg和P含量最高,分别为2 160、3 470 mg/kg。     

Optimizing discrete event dynamic systems via the gradient surface method

In this paper we propose a gradient surface method (GSM) for the optimization of discrete event dynamic systems. GSM combines the advantages of response surface methodology (RSM) and efficient derivative estimation techniques like perturbation analysis (PA) or likelihood ratio method (LR). In GSM, the gradient estimation is obtained by PA (or LR), and the performance gradient surface is obtained from observations at various points in a fashion similar to the RSM. Zero points of the successive approximating gradient surface are then taken as the estimates of the optimal solution. GSM is characterized by several attractive features: it is a single-run method and more efficient than RSM; it uses at each iteration step the information from all data points rather than just the local gradient; it tries to capture the global features of the gradient surface and thereby quickly arrives at the vicinity of the optimal solution. A number of examples are exhibited to illustrate this method.This work was supported by the Office of Naval Research Grants Nos. N00014-90-K-1093 and N00014-89-J-1023, by National Science Foundation Grant No. ECS-85-15449 and by Army Grant No. DAAL-03-86-K-0171.     

入河排污口设置对第三方的影响分析及防控措施

在污水排放口设置时,为了保护第三方的用水权益,必须采取相应的措施避免或减轻污水排放对附近水域水质的影响。以中石油江苏长江中心项目入河排污口为例,对附近水域受排污的影响及防控措施进行了分析。数学模型预测的结果表明,排污口附近数座水厂取水口水域的水质达不到饮用水Ⅱ类水质的要求。分析表明：通过设置污水处理厂、控制污染物排放强度和排放方式、选择污水排放时间、建立污水处理设施连锁系统、改变污染物迁移途径,可有效降低排污对附近水域的水质影响,满足取水厂取水水质要求。     

基于局部结构学习的非线性属性选择算法

针对大多数高维数据之间不仅有相似性,而且还有非线性关系等特点,提出一种基于局部结构学习的非线性属性选择算法。该算法首先通过核函数把数据映射到高维空间,在高维空间中表示出数据属性之间的非线性关系;然后在低维空间中通过局部结构学习来充分挖掘属性之间的相似性,同时通过低秩约束来排除噪声的干扰;最后通过稀疏正则化因子来进行属性选择。其通过核函数映射来找出数据属性之间的非线性关系,运用局部结构学习来找出数据属性之间的相似性,是一种嵌入了局部结构学习的非线性属性选择算法。实验结果表明,该算法相比其他的对比算法,有更好的效果。