论文部分内容阅读
众多学者提出了矢量开发思想,但对于其影响因素的研究较少,制约了矢量化井网在矿场中的应用效果。依据矢量化井网思想,以实际工区典型井组为原型,建立井组概念模型。结合已有文献的物理模拟实验结果,利用油藏数值模拟技术,对典型井组概念模型均衡见水时间的多个影响因素进行了分析论证。结果表明:在均衡驱替且油井见水时间基本一致的前提下,主渗透率方向两侧油井之间的排距随着方向渗透率比Ky·Kx-1的增加逐渐加宽,特别对于角井,变化最为显著;随Ky·Kx-1增加,注入水波及范围逐次扩大,Ky·Kx
其他文献
为了客观准确地进行房屋安全性评价,考虑到房屋结构的复杂性和评价指标的不确定性,提出基于区间层次分析法和熵权法的建筑安全模糊综合评价方法。首先,将建筑结构划分为6个相对独立的部分,在此基础上建立影响每部分安全性的评价指标。其次,采用区间层次分析法和熵权法通过耦合赋权的方式计算综合权重,根据评判标准建立两种类型的隶属函数,并对各因素进行模糊评价,运用多级模糊评价原理构建房屋安全评估模型。最后,对工程实例进行安全评估,结果表明:基于房屋安全评估模型提出的评价方法能较为全面真实地反映房屋的安全状态,同时为房屋的修
为了对灾难场景图像进行快速分析和识别,提出了一种基于多分辨率卷积神经网络和残差注意力机制(attention module)相结合的图像分类模型。首先,对灾难场景数据集进行预处理,在相同类型的条件下将其随机划分为训练集和测试集。基于改进的卷积神经网络(convolutional neural network, CNN),提取训练集的图像特征。使用训练集图片的特征进行训练,并且在测试集图片上实现分类
为分析黏粒含量对遗址土抗剪强度特性的影响规律及其形成机理,以遗址粉砂土为研究对象,用常规直剪仪开展不同黏粒含量的慢剪试验,并对部分土样进行微观试验。直剪试验结果表明,黏粒含量从0增至25%的过程中,抗剪强度显著提高,黏聚力呈两段折线型增长(拐点位于黏粒含量10%处)特征,高、低应力段的差值逐渐减小直至基本相同,而内摩擦角则随黏粒含量增加而减小;在试验干密度和黏粒含量范围内,粉砂土按照规范法拟合所得低应力段的抗剪强度大于实测值,用于土遗址稳定性等分析时偏于不安全。结合扫描电镜试验结果,认为造成土样黏聚力随黏
从生产操作和节能以及工业化装置的角度,对苯乙烯共沸精馏节能技术的流程以及技术特点进行了详细介绍。其次对此技术方案提出了几点优化措施,包括对后冷器的负荷优化,对乙苯/苯乙烯塔顶控制优化以及对乙苯蒸发系统蒸汽出口控制方案的优化等,通过回收塔顶低温热,能够给苯乙烯装置带来一定经济效益。最后分析了苯乙烯共沸精馏技术优化后的效果,从运行工艺参数和运行稳定性以及节能效果、经济效益几方面进行了对比,指出苯乙烯共沸精馏节能技术具有很大的实际应用价值,对苯乙烯装置的可持续发展具有重要意义。
基于电压源型多端柔性直流输电系统采用dq双环控制,无法为系统提供惯性。提出了一种虚拟同步发电机技术的自适应下垂控制策略,该策略不需要站间通信,根据交流系统的频率变化情况,生成自适应下垂系数,分配多端柔性直流系统换流站的功率,使交流网络参与多端换流站不平衡功率的分配。该策略提升了交流网络的惯性水平,减小扰动发生时交流网络频率变化率,使功率分配更加合理。在PSCAD/EMTDC仿真平台进行所提策略的有效性验证,表明所提策略可以减小整个系统的频率变化情况。
为研究长行程屈曲约束支撑(buckling restrained brace,BRB)的抗震性能,针对不同有效屈服长度比的屈曲约束支撑进行了拟静力试验研究,对比分析了试件的滞回曲线、骨架曲线、延性系数、耗能能力、刚度退化和强度退化等性能指标。结果表明:高有效屈服长度比能够有效提高试件的极限承载力和极限位移;长行程屈曲约束支撑的延性系数为2.54~3.60,延性较好;有效屈服长度比对长行程屈曲约束支撑的刚度退化性能影响不大;高有效屈服长度比的长行程屈曲约束支撑,强度退化更稳定;抗震性能有所提高。
磷转运蛋白是番茄植株体内磷转运的重要载体,参与磷元素的吸收与转运,可有效提高番茄植株的磷吸收效率。近几年来,对植物磷转运蛋白1(phosphate transporter1,PHT1)的研究逐渐深入。在番茄上已经发现了8个PHT1家族基因,即Le PT1~Le PT8,其对番茄磷吸收和转运具有重要作用。本文对番茄PHT1家族基因的研究进展进行了综述,并对未来番茄PHT1研究的发展方向提出了展望。
表面活性剂可促进石油烃从非水相液体或固相向水相迁移和溶解,已被广泛用于石油烃污染土壤的增效修复。阐述了表面活性剂的作用机理,综述了非离子、阴离子、生物和混合表面活性剂等的特点及其在石油烃污染土壤修复中的应用研究进展,分析了表面活性剂性能的影响因素以及表面活性剂的环境风险。
为了精准、高效获得富水砂层渣土改良试验效果,以渗透系数、内摩擦角(改良前)、电阻率、泡沫剂浓度和膨润土浓度为输入变量,坍落度、渗透系数、内摩擦角(改良后)为输出变量,并基于24组富水砂层渣土改良数据,建立相关向量机(relevance vector machine,RVM)预测模型,将预测结果与反向传播(back propagation,BP)神经网络模型进行对比分析。结果表明:RVM模型在预测坍落度、渗透系数和内摩擦角时的平均误差分别为0.73%、0.38%和2.24%,优于BP神经网络模型的1.76%