廊固凹陷大兴断层对油气分布的控制研究

廊固凹陷断裂系统复杂，其中大兴断层是中西部的控盆边界断层，它通过对凹陷的构造样式、沉积特征的控制进而影响整个凹陷的油气分布。从区域构造背景和盆地的沉积演化角度，按不同段落断裂展布的方向、产状的陡缓、对沉积的控制作用以及不同层段物质组份的差异，将大兴断层划分为4段：北段、中北段、中南段和南段，各段又可进一步分为上下不同的两段。各段断层的结构、形态、伴生构造、活动时间等都存在较明显差异，通过控制物源而控制沉积相的展布、储层物性和生储盖组合。相应的伴生构造和沉积物发育特征导致构造、构造-岩性组合控制了油气的分布：北段下段、中北段下段近湖一侧是廊固凹陷中西部有利的油气聚集带；中北段上段发育的生物气藏具有一定的勘探前景。     

刑事图像技术的应用与研究

刑事图像技术是刑事科学的重要组成部分：是检验、固定痕迹物证的一种方法。刑事图像的重大应用在于扩大人类的视野，显示肉眼看不到或看不清的重要细节，以便揭露和证实犯罪。     

模糊数学识别火山岩岩性

针对火岩地层岩性识别成功率低的状况，应用模糊数学原理，建立模糊数学识别火山岩岩性模式，识别和划分火山岩地层岩性，以便进一步深入研究火山岩油气藏储层，选择8个反映火山岩岩性测井参数，确定阈值；利用所建立的火山岩岩性识别模式，对火山岩岩性进行分类；依据最大隶属原则，识别火山岩岩性，应用实地研究资料，识别10种火山岩岩性，并与岩心鉴定统计分析结果对比，一致性达85％。表明该方法识别火山岩岩性精度较高，在地质上具有很好的应用前景。     

构造性神经网络在测井岩性识别中的应用

测井岩性识别是石油勘探中十分重要的基础工作,准确的岩性识别结果可以为勘探和开发提供可靠的依据。人工神经网络方法可对复杂的高维数据进行非线性映射,在模式识别领域得到越来越广泛的应用。针对传统的BP神经网络算法存在收敛速度慢、隐层数以及隐层节点数难以确定等缺点,研究了一种构造性神经网络学习算法---级联算法（Cascade Correlation Algorithm,简称CC算法）及其在石油工程中的应用。采用该算法对甘肃镇原-泾川地区进行岩性识别研究,通过与BP神经网络的识别结果进行比较,体现出构造性神经网络的优越性。     

储层预测中有关测井参数的分析及应用

根据研究区56口井,笔者对岩心、自然伽马、自然电位、声波时差、密度、中子等钻井、测井资料进行多种统计和交会分析,研究速度、密度、波阻抗、孔隙度与深度、岩性,波阻抗与孔隙度等的关系,分析储层物性特征,并作相关交会图,建立规律关系式。经比较得出利用波阻抗进行下一步的反演工作会比较合理。根据砂岩孔隙度与波阻抗之间的函数关系,可以利用砂岩波阻抗估算砂岩孔隙度。为下一步储层预测研究提供良好的基础资料。     

三峡库区城镇污染河流沉积物重金属风险评价与来源分析

以三峡库区城镇化发展迅速的典型流域——梁滩河为研究对象,分析了不同河段沉积物重金属含量,用地累积指数Igeo和沉积物污染指数SPI评价了沉积物重金属的累积程度和生态潜在风险,并用主成分分析和相关分析方法探讨了重金属来源.结果表明:梁滩河沉积物As、Cd、Cr、Cu、Ni、Pb、Zn、Hg的质量分数变化范围分别处于(2.31~8.56)×10-6,(0.074~0.574)×10-6,(92.85~336.13)×10-6,(19.22~45.35)×10-6,(13.50~48.37)×10-6,(11.77~52.17)×10-6,(46.91~1035.30)×10-6和(0.012~0.229)×10-6.沉积物重金属生态潜在风险较低(SPI为1.11~6.90),但个别重金属累积污染严重,Cr和Zn累积达到超重污染;Cd、Hg在人口聚集地区达到中度污染.相关分析和主成分分析表明:河流污染治理工程实施后,沉积物重金属主要来自于城镇生活污染.     

对一种新的序列密码结构的密码分析

对新提议的一种基于线性反馈移位寄存器、非线性反馈移位寄存器和过滤布尔函数的序列密码结构的安全性进行了研究,对这种结构给出了一种区分攻击.举例子说明了此攻击的有效性.这种新的攻击表明,此种新的序列密码结构存在潜在的安全弱点.     

优化的Rough Set综合评价算法在房地产开发和销售中的应用

将优化的Rough Set综合评价算法属性的同分辨能力数引入到粗糙集评价,增加了评价的客观性,优化了评价算法,对于房地产开发的决策和综合评价有辅助作用。     

反馈电路的判别

反馈在电子电路中的应用非常广泛,如何正确判断反馈类型,是分析电子电路性能的重要前提。通过结合实例就反馈类型的判别做了较为深入的分析,总结了不同电路反馈类型简单有效的判别方法,有助于初学者更好更快的掌握反馈的知识。