排序方式: 共有27条查询结果,搜索用时 0 毫秒
1.
采用了一种不用外加碱或移除乳酸来达到控制发酵液中乳酸的新技术,即采用乳酸菌和酵母菌的混和发酵来控制pH值以促进乳酸链球菌素(nisin)的生产。其原理是乳酸菌在发酵生产nisin的过程中所产生的乳酸可以被酵母菌利用,从而达到控制发酵液pH值的目的;同时,混菌培养选用的酵母菌不能利用乳清培养基中的乳糖,从而避免了2株菌之间对碳源的竞争,创造了一个互利共生的微生态环境,从而达到促进nisin生产的目的。实验表明,乳酸根的积累对nisin发酵生产具有抑制作用;混合发酵的酵母菌利用了发酵液中的乳酸,促进了乳酸菌生长和nisin生产;酵母菌较乳酸菌提前3h接入到发酵培养基中时,能更好地控制pH值;最佳的接种比例为乳酸菌3%,酵母菌5%。 相似文献
2.
埕海潜山位于歧口凹陷南缘,是覆盖巨厚中生界、上古生界的内幕型潜山构造,近期勘探在远离基岩风化壳的奥陶系发现高产天然气.为明确奥陶系碳酸盐岩潜山形成演化、内幕缝洞储层发育及天然气成藏的关系,在新的三维地震资料解释基础上,解剖内幕潜山地质结构.结果表明:埕海潜山经历3期构造变形,即印支期逆冲褶皱、盐山期走滑断陷及喜山期反转构造.中生代早期逆冲推覆、新生代构造负反转对潜山内幕圈闭形成和缝洞储层展布最为重要.埕海潜山天然气源自上古生界煤系,新近纪构造深埋促进煤系源岩二次生烃,并沿负反转断裂系充注于奥陶系内幕成藏.由于高角度裂缝切割奥陶系含石膏地层,促进大规模TSR反应,导致天然气藏富集硫化氢. 相似文献
3.
二维叠前模式识别方法研究 总被引:1,自引:0,他引:1
郭淑文 《石油地球物理勘探》2008,43(3):317
现有的模式识别技术都是针对叠后数据提取属性,而叠加过程恰好丢失了属性随炮检距的变化信息。为此提出针对叠前地震数据提取各种属性,然后再对每个CDP所有地震道属性求取它们相对于炮检距的变化梯度或平均值,再对提取的地震属性采用聚类分析和分类判别的方法进行模式识别。在做分类判别时,提出了先对井旁道目的层提取属性,再应用聚类和测井资料指定样本类别的新方法。经实际资料检验表明,此法能够分辨出储层纵向、横向的变化。 相似文献
5.
建立了五味子挥发油与其他功能成分相结合的提取方法。五味子先经水蒸气蒸馏法提取挥发油,收集挥发油,将水提液与提油后的原料进行分离。对提油后的原料进行其它功能成分的再次提取:采用超声波醇提法,95%乙醇为溶剂,每次30min,共2次,抽滤,合并醇提液。将水提液与醇提液分别浓缩,用高效液相色谱法测定。建立了同时测定五味子中五味子醇甲、五味子甲素的反相高效液相色谱(RP-HPLC)方法。色谱条件:色谱柱为AgilentTC-C18柱(5μm,250mm×4.6mm),流动相为甲醇-水(75:25,v/v),紫外检测波长226nm,柱温30℃,流速0.7mL/min。检测结果表明与未提油,直接醇提功能成分的五味子浓缩液比较,提取挥发油后五味子醇甲、甲素等功能成分的含量均未有损失。本法提高了原料的利用率,具有环保、节约资源等优点。 相似文献
6.
地震属性分析在薄储层预测和描述中取得了广泛应用,但当多套砂泥岩薄互层由于子波的干涉在地震上表现为一个复合波时,如何确定地震属性与沉积微相之间的关系缺少系统的模型实验,为验证地震属性分析预测沉积微相的能力,建立三维地质模型,得到了振幅切片与砂体之间关系的基本认识,并利用大港油田的实际地震数据进行了分析和验证。 相似文献
7.
随着对可采油气储层的研究转向更小、更深、更热的井,随钻监测(NMD)的要求遇到了极大的挑战。随钻测量仪必须能耐住350(175℃)的高温、能经受住高达22000psi的压力、以及变化多端的泥浆条件。另外,较深的井会引起NwD信号的大幅度衰减,因此在井下需要一个功率较强的信号发射器。这篇章描述了新一代可回收随钻测量仪的开发,这种仪器已经被证实能传送石油工业所需的可靠信号,即便是在很深的高温高压井内也没问题。 相似文献
8.
灰色聚类法在水质评价中的应用 总被引:11,自引:1,他引:11
本文应用灰色系统理论,采用灰色聚类法,对地面水的水质进行了评价。灰色聚类法即区分聚类元素在聚类指标下的所属类别,其步骤为:(1)按聚类指标所属的典型类别确定功效函数;(2)确定标准权;(3)确定实际权;(4)划分类别。文中应用此方法对山西省汾河水的水质进行了综合评价,还将此方法与综合污染指数法进行了比较。从分析计算和比较的结果可以看出,灰色聚类法考虑了水质分界线的不确定性,比综合污染指数法更接近于客观实际,经过灰色聚类法分析计算得出的水质等级向量指数,更明确地反映了水质等级的所属程度,因此该方法是河流水质评价的一个较好的方法。 相似文献
9.
受地震数据有效频带的限制,常规的地震反演方法很难对薄层结构进行准确刻画和描述。基于机器学习的地震反演方法是近年来用于薄层结构预测的新技术。为此,基于BLSTM-Net神经网络模型,针对薄层空间结构的预测问题开展了简单及复杂陆相沉积模型的阻抗反演试验分析。首先,构建简单的薄互层模型,开展基于BLSTM-Net模型智能反演与基于测井约束的常规地震反演方法的试验对比,同时对BLSTM-Net模型的抗噪性进行测试;然后,构建典型的陆相沉积复杂薄互层地质模型,对反演结果的可靠性及其对地震频带的依赖性进行试验分析;最后,对比分析BLSTM-Net神经网络模型与稀疏脉冲反演对弱反射的恢复和保护能力。模型试验结果表明,基于BLSTM-Net模型的反演方法较常规反演方法具有更强的薄层结构预测能力,且对弱反射具有更好的保护作用,具有更大幅度提高实际地震数据薄层刻画精度的理论优势和技术潜力。 相似文献
10.