“二三结合”开发模式渗流特征研究

L油田B区块开展"二三结合"实验区,"二三结合"开发模式渗流特征对区块的合理高效开发具有重要意义。为了明确其渗流特征,利用油藏数值模拟软件Eclipse建立代表意义的油藏数值模型,研究区块"二三结合"开发模式下原射孔层和补孔层的渗流特征,分析了"二三结合"开发模式下,不同开发阶段综合含水率、采出程度、井底压力、地层压力及含水饱和度的变化特征。研究表明,"二三结合"开发模式先通过水驱开发挖潜原射孔层剩余油,提高厚油层顶部剩余油的采出程度,再通过聚合物驱进一步提高开发效果,通过水驱与聚驱的综合作用,最终得到较好的开发效果。     

弱智儿童的脑机制及教育启示探析

弱智儿童的脑机制是我国特殊教育界尚未探讨的一个领域。从智力、弱智和学习的本质出发,探讨了弱智儿童脑发育的机制和脑活动机制,认为弱智儿童脑发育的正常机制因为先天、后天的遗传异常或损伤遭到了破坏,由此导致了神经系统的传导失能,并表现为神经环路的形成困难、传导的信息堵塞和消失这些主要的神经活动特点。提出了干预或教育弱智儿童的三大措施,包括食物或物质干预、文化给予以及感官训练与文化、言语的结合。     

迹为整数的3×3阶正交矩阵的谱

讨论了3×3阶正交矩阵的特征值和迹的关系,证明了迹为整数的3×3阶正交矩阵的谱可由迹确定,为应用广泛的3×3阶正交矩阵的谱的计算提供了简单实用的方法.     

彩虹黑弦的热力学性质

双重相对论(DSR)是描述平直时空中的量子引力的一个有效模型.当试图将该模型纳入到弯曲时空中考虑时,一种被称为"彩虹引力"的理论可帮助实现这一推广,此时背景时空依赖于探测粒子的能量.事实上受粒子能量影响的度规的形式依赖于正交系的选取.本文主要考虑了自由落体参考系下的彩虹静态柱对称黑洞(彩虹黑弦).得到了取一阶近似的彩虹黑弦的霍金温度和熵,这种修正来源于考虑的彩虹引力效应.     

基于修正斜压场的RC框架边节点剪切性能分析

为研究钢筋屈服强度和混凝土抗压强度对钢筋混凝土(RC)框架边节点剪切性能的影响规律,基于修正斜压场理论(MCFT),对某框架边节点的剪切应力-应变骨架曲线进行数值模拟,并与试验结果进行对比.在验证MCFT算法的精度后,研究钢筋屈服强度和混凝土抗压强度两个参数变化对RC框架边节点剪切应力-应变骨架曲线和峰值剪切应力的影响规律.结果表明:基于MCFT可以较好地模拟RC框架边节点的剪切应力-应变关系曲线; RC框架边节点的峰值剪切应力对混凝土抗压强度的变化更为敏感,但当试件的钢筋(HRB400)屈服应力下降幅度超过16.45%时,对钢筋屈服应力的变化更为敏感;当试件的钢筋(HRB400)屈服应力下降幅度超过10%时,节点发生钢筋滑移破坏,此时峰值剪切应力会大幅下降.     

基于高斯字典原子稀疏表示的高精度宽角SAR成像方法

为了提高从宽角合成孔径雷达(synthetic aperture radar, SAR)图像中提取目标后向散射各向异性特性的性能,在宽角SAR字典稀疏表示模型的基础上,提出一种基于高斯字典原子的高精度宽角SAR成像方法。在字典构造上,采用不同中心位置、相同方差的高斯函数。在求解稀疏表示系数上,采用广义最小最大凹惩罚稀疏重构算法求解。最后，根据稀疏表示系数的重构结果以及构造的字典得到目标的后向散射各向异性特性。通过仿真实验和Backhoe数据对算法进行验证,结果表明,该方法能够高精度地提取目标的后向散射各向异性特性。     

基于NOMA的认知无线电网络功率分配

考虑采用非正交多址接入(NOMA)技术的认知无线电网络下行链路的功率分配问题,旨在最大化接入系统的次用户数,提升系统的频谱效率.在不影响主用户通信的情况下,对次用户进行合理的功率分配,使得系统接入的次用户数最大化.在系统可用功率未得到充分利用时,考虑在接入系统的次用户间对未利用的功率再次进行功率分配,提升系统的频谱效率.仿真结果显示:当次用户最小速率为2.5 bit·s~(-1),请求接入系统的次用户数为10时,频谱效率可提升13%.     

红树林保护与修复标准发展现状及对策

回顾近20年来中国对红树林的保护以及通过人工造林进行恢复的情况, 梳理我国红树林保护与修复的相关标准, 厘清现行标准存在的问题, 提出如下相应的建议与对策。1) 应结合国家碳中和战略及红树林保护与恢复规划目标, 制定完善的红树林保护与生态修复技术标准体系规划, 加快相关国家标准的出台; 2) 在编制红树林保护与修复相关标准的同时, 应注重红树林固碳能力和增汇效应的提高; 3) 建议制定退塘还林相关标准, 填补国内空白; 4) 应充分落实“自然恢复为主、人工修复为辅”的生态修复原则, 重视并加强红树林保护与修复标准的技术细节制定; 5) 标准的制定和实施应由红树林研究专业机构及专家深度参与, 提高造林成活率。     

Hierarchical Community Detection Based on Partial Matrix Convergence Using Random Walks

Random walks are a standard tool for modeling the spreading process in social and biological systems.But in the face of large-scale networks,to achieve convergence,iterative calculation of the transition matrix in random walk methods consumes a lot of time.In this paper,we propose a three-stage hierarchical community detection algorithm based on Partial Matrix Approximation Convergence(PMAC) using random walks.First,this algorithm identifies the initial core nodes in a network by classical measurement and then utilizes the error function of the partial transition matrix convergence of the core nodes to determine the number of random walks steps.As such,the PMAC of the core nodes replaces the final convergence of all the nodes in the whole matrix.Finally,based on the approximation convergence transition matrix,we cluster the communities around core nodes and use a closeness index to merge two communities.By recursively repeating the process,a dendrogram of the communities is eventually constructed.We validated the performance of the PMAC by comparing its results with those of two representative methods for three real-world networks with different scales.     

Fuzzy Views on Black-Litterman Portfolio Selection Model

In this paper, views of investor are described in fuzzy sets, and two fuzzy Black-Litterman models are constructed with fuzzy views and fuzzy random views respectively. In the models, expected returns and uncertainty matrix of views are redefined and the views are formulated by fuzzy approaches suitably. Then the models are tested with data from Chinese financial markets. Empirical results show that the fuzzy random views model performs the best, and both the fuzzy models are better than the traditional ones, demonstrating that the fuzzy approaches can contain more information in the views and measure the uncertainty more correctly.