石南低渗油藏剩余油富集规律研究

石南21井区为低孔低渗油藏,目前处于高速开发期,储层非均质性影响了地下油水流动。为了能准确研究区块剩余油富集规律,应用相控地质建模及油藏数值模拟一体化技术,用已知的相模型约束属性模型的展布,得到的模型更符合地质实际。在此基础上进行历史拟合并分析区块剩余油分布可知,区块构造高部位及低渗透率区域为剩余油富集区,为区块的后续挖潜提供了依据。     

mesh网络中基于效用转发的网络编码算法

在已有的无线Mesh网络路由算法的基础上,针对网络的动态变化性和差异性等因素带来的问题进行了研究,提出一种基于效用转发的网络编码算法.首先利用节点间的历史通信数据,动态获取不同网络环境下影响效用值的各因素所占的权重值;然后在簇头节点和汇聚节点处进行二维随机线性网络编码,结合节点的剩余能量、效用值和丢包率判断节点能否进行编码,并且采用编码包优先传输的策略转发数据包;最后综合利用网络时延、效用值和节点间的跳数,选择最优的下一跳转发节点.仿真结果表明,该算法能更好地提升数据包的转发效率,降低传输时延,提高网络的性能.     

不完全信息下生鲜农产品供应链协调的剩余补贴契约研究

针对生鲜农产品的季节性、易变质特点,在由单个生产商和单个经销商组成的两级生鲜农产品供应链中,研究了供应链协调的剩余补贴契约。首先在需求具有季节性且服从正态分布的情形下,建立了VMI模式下的剩余补贴契约模型,讨论该契约如何实现供应链的协调;然后在考虑生鲜农产品易变质率的情形下,引入双边拍卖机制,研究供应链中买卖双方没有共享全部信息的定价问题。研究表明：生鲜农产品的易变质率会影响双方交易价格的确定,易变质率越高,批发价越低,且批发价下降的速度越来越快;另外,易变质率与经销商提供的单位补贴呈正向关系,易变质率越高,单位补贴也就越高。所以,生鲜农产品的易变质率会影响剩余补贴契约对供应链的协调。     

哈萨克斯坦南肯尼斯油田综合挖潜技术实践与认识

SK油田地层能量下降,2007年始产量迅速递减,含水率持续上升。为改善此现象,油田展开基础研究,深入研究剩余油分布规律,部署一批加密和完善井,调整注采井网,提高了储量动用程度和水驱控制程度。在改变思路的同时加大措施力度,增油比例得以提高。实施改进后油田产量下滑趋势得到遏止,产量得以恢复到峰值,储量采出程度提高。     

中高含水期油藏剩余油潜力定量化评价新方法及其应用

针对目前中高含水期剩余油定量化表征存在的问题,基于三维精细数值模拟模型,提出了利用优势生产潜力定量化表征中高含水期剩余油分布潜力的方法。该方法计算简单,且考虑了油藏储量丰度、油藏压力、地层渗透性、距边界距离和油气水关系位置对产能的影响。实例计算表明,相对于剩余油储量丰度法和剩余油优势潜力丰度法,使用该方法能够较为准确地找到剩余油优势潜力部位,制定较好的剩余油调整挖潜方案。     

基于氧化动力学模型预测烃基润滑油剩余有效寿命

为计算在用油剩余有效寿命,从而科学确定换油周期,以酸值为润滑油寿命表征指标,基于氧化动力学基本原理,通过模拟实验,分析温度、水分等工况条件对酸值的影响。通过温度与反应速率的线性回归计算活化能,并建立润滑油在特定温度下的寿命方程。结果表明:工作温度的升高会显著缩短润滑油的剩余有效寿命,水分通过改变反应活化能影响润滑油的使用寿命;基于氧化动力学Arrhenius方程建立的润滑油剩余寿命模型,通过模拟实验分析特定性能指标的变化率,可快速获得润滑油的预测寿命。     

利用聚类改进动态克隆选择算法的自体纯净性问题

动态克隆选择算法应用于入侵检测的过程中,经过记忆检测器和成熟检测器检测后的剩余抗原被直接作为自体供未成熟检测器耐受,但这些剩余抗原并非完全是自体,有可能隐含新型攻击。为此提出利用聚类分析技术进行改进,先用聚类算法将剩余抗原分成大、小簇,然后分析小簇中的数据,发现其中隐含的新型攻击,并及时更新记忆检测器集和自体集。实验结果表明,加入聚类分析的动态克隆选择算法能够增强检测系统发现未知入侵的能力。     

基于能量有效的移动Ad Hoc网络路由算法

由于移动Adhoc网络中节点通常采用电池供电,一旦电源耗尽,节点就会被迫退出网络,因此降低节点的能量消耗对保证节点间链路稳定至关重要。给出了节点剩余能量的计算公式,基于节点剩余能量提出了一种能量有效的移动AdHoc网络路由算法MTMR,该算法能够延长网络的生命周期,并给出了该路由算法的寻径示例。     

连续方向图法在残留指纹分割中的应用

针对残留指纹不易被分割的特点,提出一种连续方向图实现残留指纹分割的应用算法。该算法首先计算点方向图,然后利用直方图滤波技术对指纹点方向图进行滤波处理,得到连续分布方向图;其次对前景区域进一步分析,根据残留指纹和正常指纹方向一般不一致的特点,运用残留指纹与指纹区交界处方向信息变化较大的特性标记出残留指纹和指纹区边界点,然后对标记的一些虚假点进行后处理,最后利用这些边界点进行曲线拟合后去除残留指纹。实验结果表明这种连续分布方向图过渡平滑、自然,既具有很好的连续性、渐变性和抗噪性,又有较高的精度,可以有效地分割残留指纹。     

基于改进CNN-LSTM的飞控系统剩余寿命预测

数据驱动的剩余寿命（remaining useful life,RUL）预测是复杂系统健康管理的重点研究内容,然而数据集的缺乏制约了不同系统上RUL预测的研究。针对这一问题,以飞控系统为例,提出一种仿真模型和数据混合驱动的RUL预测方法。该方法通过模型仿真提供充足的故障数据,并结合改进CNN-LSTM网络实现高质量的故障信息提取。首先对系统及其故障模式建立仿真模型,利用蒙特卡罗方法生成随机故障时间序列并依次注入故障,根据仿真响应和失效阈值确定序列的寿命标签,即可生成包含多组随机序列的系统失效数据集;其次利用长短时记忆网络（long short-term memory,LSTM）提取系统状态参数时间序列的故障信息,结合一维卷积神经网络（1D-CNN）提取不同状态参数之间的关联特征,从而形成时序-空间相结合的剩余寿命预测网络。充分的实验结果证明了所提方法对不同系统均能帮助达到动态和准确的剩余寿命预测。