红外辐射作用下煤体解吸渗流规律研究

来源 :辽宁工程技术大学 | 被引量 : 0次 | 上传用户:Michellesy
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
我国煤层气资源丰富,面对复杂的地质开采条件,由于当前的技术与理论的局限性,导致开采利用率不高,未能全面实现大规模的工业开采。针对此种情况,大量的专家学者研究各种技术以求增加我国煤层气的开采效率,通过提高煤层气储层的解吸量及渗透率达到高速开采煤层气的目的。课题组基于此提出了一种新的煤层气增产技术,利用红外辐射对煤储层进行激励达到使煤层气促解增渗的效果。论文通过开展红外辐射作用下煤体的温升试验、红外辐射作用下煤体的解吸实验以及红外辐射作用下煤体的渗流实验,对红外辐射作用下煤体的解吸渗流规律进行研究,然后通过拟合关系式,定量分析煤体解吸渗流的相关参数演化规律,得到了解吸量、渗透率与红外辐射功率等的关系。通过对实验数据的整理与分析,得到了如下结果:通过红外辐射作用下煤体的温升规律实验得到煤体温度、升温速率与红外辐射功率的关系,红外辐射功率越高,煤体升温速率与所能达到的最高温度越高。根据红外辐射作用下的解吸渗流实验得到在相同应力条件下,红外辐射的功率越高,煤体的解吸量与渗透率越高,解吸速率解吸速率随着红外辐射功率先增加后缓慢减小最终趋向于0。根据实验结果得到在相同孔隙压条件下对不同功率的煤体的解吸量与时间的拟合公式,煤体渗透率与红外辐射功率的关系式。研究工作丰富了红外辐射的理论与应用。研究结论为红外辐射促采煤层气的工程应用提供参考依据。该论文有图54幅,表21个,参考文献102篇
其他文献
针对SIFT(Scale Invariant Feature Transformation)算法提取航拍图像特征点过多导致匹配算法效率低和算法中出现误匹配对导致匹配精度低的问题,提出一种通过选择高层特征获得匹配集后使用MSAC(M-Estimate Sample Consensus)算法不同模型筛选匹配集的方法,实现航拍图像匹配。首先,从第二层开始采用高斯金字塔图像提取特征,计算特征之间的点积,取
进入大数据时代,用户数据成为企业的战略资源,数据的安全问题也受到更多人的重视。全同态加密是兼顾加密与数据运算能力的密码方案,本文基于后摩尔时代的密码安全问题和访问公钥机构带来的性能问题,针对现有全同态加密算法中,单比特加密的效率低、抗噪声能力弱、同态计算深度低的问题,借助格理论构造一个基于身份的矩阵全同态加密算法。首先提出改进的身份基矩阵加密算法,算法基于格上判定性误差学习困难问题,能抵抗量子算法
对高分辨率遥感影像进行场景分类是解译遥感影像信息的一项重要工作。为了更全面,准确地识别遥感影像所包含的信息,研究者们不满足于传统的人工设计特征,将深度学习利用到了场景分类中,构建卷积神经网络来对遥感影像进行检测和分类。目前,利用深度学习进行场景分类工作已经成为一种主流的方式,广泛应用于语义分割、目标检测和图像分类等计算机视觉领域,然而,高分辨率遥感影像往往具有背景复杂性强、目标多样性大和目标信息与
数字图像相关方法(Digital Image Correlation)简称DIC,是一种直接、高效和经济的光学测量力学技术,以图像分析为基础,测量含有位移和应变的变形场。DIC具有简易的光路、强大的环境适应能力、测量范围广等优点,已经在实验力学和不同的相关研究领域得到了广泛的应用。目前的数字图像相关方法在光照强度,空气湿度,大气不稳定和实验中施加的动载荷,冲击载荷的极端测试条件下的求解精度仍存在一
基于DeepLabV3+算法进行图像语义分割的任务中,因忽视不同级别特征图中的特征重要程度存在差异性,导致丢失大量的特征细节信息,致使分割效果不佳,针对上述问题,提出了一种基于改进Deep Lab V3+的图像语义分割方法。首先,采用Xception模型作为主干网络,在这个模型中同时提取两条低级特征作为解码器的特征输入,增加特征信息;其次,引入注意力机制,采用通道注意力对从主干网络中获取到的特征图
随着互联网技术的发展,数字水印技术成为数字版权保护的重要解决方案之一。针对数字水印技术中非盲水印算法需要第三方保护相对于盲水印不安全的特点和盲水印算法的可逆的特性,本研究把非盲水印算法与盲水印算法结合起来,将不可逆算法运用到盲水印中,同时运用视觉密码、重复码、DCT转换和Schur技术实现不需要第三方保护的不可逆盲水印算法。首先,利用视觉系统通道分解图像,对原始图像进行DCT变换和Schur分解,
时间序列是数据库中的一种常见的数据类型,它被广泛应用于工业、医疗、金融和气象等数据库中。时间序列的主要任务是聚类和回归预测,在时间序列的回归预测中,常因数据集过大导致预测效果差,而时间序列的聚类可以将具有同一性质的时间序列划分到相同类别中,先对时间序列进行聚类再进行回归预测比不分类直接回归预测的效果好。但时间序列具有长度不等和数据集大等特点,传统相似性度量方式无法对不等长时间序列进行度量,以动态时
土壤微生物性质可以作为评估土壤质量及肥力变化最为敏感同时也最具潜力的指标,植物抗逆性可以反映植物在逆境状态下抵御伤害的能力。为揭示微生物菌剂在胁迫条件下对土壤性质及对植物生理特性的影响,以紫花苜蓿为供试植物,海州露天矿排土场土壤为基质,在单施哈茨木霉菌、枯草芽孢杆菌以及两种菌剂混施条件下,通过盆栽试验分别进行干旱、盐分和重金属胁迫研究,测定其土壤微生物性质及植物抗逆性。研究结果表明:(1)随干旱胁
传统相关滤波目标跟踪算法利用时空正则化方法缓解边界效应和滤波器退化带来的影响,但此方法不能动态更新,所以算法在跟踪过程中无法获取随着目标变化的空间正则权重,且难以避免跟踪漂移现象的发生。针对上述问题,对时空正则化方法进行改进,提出一种动态时空正则化的相关滤波目标跟踪算法。首先,通过显著性检测算法得到内容相关策略,并利用此策略获取包含目标第一帧信息的显著性图,经过处理后与传统空间正则权重结合,便得到
基于相关滤波的跟踪算法,利用手工特征为目标外观建模,速度快但精度较低,基于深度学习的跟踪算法,利用卷积深层为特征,精度高但速度慢。为兼顾算法的速度与精度,提出双模型流形正则化相关滤波跟踪算法。算法由主模型和辅助模型构成,主模型采用上下文相关框架与相关滤波算法相结合,有效地弥补了相关滤波学习模型中余弦窗所过滤掉的背景信息,通过对上下文相关样本做流形正则处理,达到惩罚上下文相关框架、优化主模型模型的目