注水井螯合酸复合解堵体系研究与应用

针对海上疏松砂岩油藏使用常规含氟酸液体系酸化易造成岩石骨架疏松和二次伤害的问题，结合海上油田注水井不动管柱酸化和酸化后残酸不返排便直接转正常注水的特点，研制出一套低腐蚀、低沉淀的螯合酸复合解堵体系，并以渤海油田X区块注水井为例，对注水井欠注原因及解堵效果进行分析。结果表明，螯合酸复合解堵体系具有较好的缓速性、缓蚀性和抑垢性，可有效增加酸液作用距离、保障注水管柱安全、避免造成岩石骨架疏松和抑制二次和三次沉淀产生，能高效解除无机物和聚合物伤害；X区块注水井欠注原因主要是水敏、微粒运移、悬浮颗粒、结垢和聚合物等形成的多元复合物堵塞地层；现场应用单井视吸水指数增加幅度大于65.4%，解堵效果显著，可在类似油田推广应用。     

油藏流场定量表征方法及应用

复杂断块油藏经过长期注水开发，导致油藏流场分布愈加复杂，逐渐形成优势流场和弱势流场。优势流场区无效注水循环严重，弱势流场区注水却难以波及，油藏开发效果差，开发调整困难。为此，以黄骅拗陷南部的沧东凹陷枣南孔一段枣Z断块为例，基于真实油藏建立概念模型，开展了复杂断块高含水油藏流场定量化研究。根据油藏静、动态参数对油藏流场的影响程度，优选出渗透率、地层压力梯度、含油饱和度、面通量4个参数作为油藏流场的主要表征参数。在此基础上，基于模糊数学理论建立油藏流场强度计算模型，从而确定了目标油藏的不同类型流场强度划分界限，并针对不同流场类型制定了流场调整技术对策。目标油藏的流场调整实践结果表明，应用油藏流场定量表征方法能有效描述高含水期油藏流场特征，有利于指导油藏层系组合调整、注采井网重构，进而改善油藏注水开发效果。     

利用反预报方法从截面预言近滴线丰质子核的结合能

在Origin等数据处理软件中,当实验数据较少时,自由参数的不同初始化设置会导致较大的结果差异,这为物理结果的确定带来较大不确定性.通过最小二乘法分析了345MeV/u ~(78) Kr+~9Be反应中产生的丰质子同位素的截面和结合能,并得到线性回归方程.通过回归方程,利用结合能预报部分丰质子核素的截面,以及通过实验截面对近质子滴线核素的结合能进行反预报测量.这对于近质子滴线的丰质子核素实验测量具有较好的借鉴意义.     

基于自适应变异PSO-SVM的APU性能参数预测模型

为提高辅助动力装置(auxiliary power unit, APU)性能参数预测的精度,针对支持向量机(support vector machine, SVM)模型在实际使用中遇到的参数选择问题,采用自适应变异粒子群优化(particle swarm optimization, PSO)算法实现对SVM惩罚参数和核参数的优化选择,提出一种基于自适应变异PSO算法优化SVM的APU性能参数预测模型。进一步分析了预测模型不同预测步长对短期预测精度的影响。利用某型APU性能参数数据进行了验证,并与多种预测模型进行了对比实验。实验结果表明,对于排气温度(exhaust gas temperature, EGT)的预测,自适应变异PSO-SVM模型的平均绝对百分比误差(mean absolute percentage error, MAPE)比标准PSO-SVM模型低47%;对于滑油温度(oil temperrature, OT)的预测,自适应变异PSO-SVM模型的MAPE比标准PSO-SVM低29%,为短期APU性能变化趋势预测提供了一定的参考。     

一种基于旁信息增强的协同过滤自动编码器模型

针对用户评分预测不准确的问题,提出了一种基于旁信息(side-information)对用户兴趣进行预测的协同过滤自动编码器推荐模型,给出了模型的设计原理、损失函数以及具体结构.模型使用单隐藏层自动编码器实现,用户评分与旁信息同为模型的输入/输出数据,旁信息也直接参加模型的训练,这种设计不仅降低了模型的规模和复杂度,而且旁信息可以直接对用户兴趣进行修正.同时,通过对训练数据集合的合理划分与扩充,使得训练的网络模型增加了表达能力.在真实数据集上的对比实验表明,本文提出的方法提高了评分预测的准确度,具有一定的实用价值.     

热轧非稳态过程轧制力自学习模型优化

为提高热连轧非稳态过程轧制力的预测精度,提出了一种轧制力自学习模型优化方法. 将模型自学习系数分解为层别学习系数和轧制状态学习系数,表征机架间轧制力预报偏差的遗传特性及实际轧辊状态对模型预报的影响.在系数更新过程中,根据层别距离分别对学习系数进行更新,减小了轧制规格切换时轧制力的预报误差.所提方法已成功应用于某热连轧过程,与原模型相比,优化后的自学习方法的预测偏差从2.8%降低到1.4%,均方差从3.3%降低到1.7%,有效提高了非稳态过程轧制力的预测精度和鲁棒性.     

面向排名预测的电影媒体网站研究

结合排序学习方法, 对电影排名预测任务进行研究。通过挖掘和分析电影媒体网站数据, 完成对排名预测相关特征的抽取与扩展及排名标注的对齐和划分等, 并提出面向电影媒体网站的排名预测模型。实验结果显示, 该模型能有效地提高电影排名预测任务的性能, 在为影视院线合理规划同期电影的上映时间及排片比例、为观影者提供优质热门的电影推荐等方面具有一定的应用价值。     

丽水市黄村水库水系浮游动物生态特征及影响因子

2016年4月—2017年3月,每月对丽水市黄村水库流域浮游动物(包括轮虫、桡足类和枝角类)进行了调查,分析其群落结构的生态特征、水库与河道中群落时空分布差异性及其关键影响因子.结果显示:该水域共检出浮游动物37种,其中轮虫27种,桡足类5种,枝角类5种.基于浮游动物群落数据进行聚类分析,将所调查的水体区域分为4类:上游河道、大洋水库、(两水库间的)连接河道和黄村水库.4类区域的浮游动物群落在种类、多样性、优势种、生物量及特有种方面特征明显.黄村水库、大洋水库和连接河道均从上游河道处来水,但浮游动物群落结构却出现不同程度的差异性,表明浮游动物群落的构建过程与环境(局域物种分选过程)和空间(扩散限制)有着重要关联.     

基于AUV的航迹追踪自适应UKF算法

无迹卡尔曼滤波算法(UKF,unscented kalman filter)是一种常见的(AUV,autonomous underwater vehicle)加权统计线性回归航迹追踪算法,其算法冗余度低于(EKF,extended kalman filter)、(PF,particle filter)及(PSO,particle swarm optimization)等数值优化算法,且算法效率较高。然而,UKF控制算法中的系统采样时间间隔通常会被设置为常数,由此可能会产生预测值的误差累积,从而影响导航预测结果的精度。因此,笔者提出了基于AUV的航迹追踪自适应无迹卡尔曼滤波算法(AUKF,adaptive unscented kalamn filter algorithm),以期降低预测算法的累积误差。该预测方法依据标准UKF算法的原理,通过构造相应的约束、判断与反馈机制,调整系统状态方程中每一步的采样间隔t,从而提升算法的航迹追踪精度并减少过程噪声及传感器噪声对预测过程的影响。最后,通过仿真实验与结果对比,近一步验证了之前所提出的设想。     

基于灰色关联度分析和支持向量机 回归的沥青路面使用性能预测

沥青路面使用性能多因素预测是一个复杂的非线性问题,传统预测模型存在很多不足。为弥补传统模型的缺陷,建立一个高精度、长周期、多因素的预测模型,通过灰色关联度分析对各因素进行降维处理,选择与沥青路面使用性能关联度较大的影响因素进行支持向量机回归非线性预测,提出了基于灰色关联度分析和支持向量机回归(GRA-SVR)的沥青路面使用性能预测模型。最后选用广云高速实测车辙指数(RDI)值进行实例验证,并同GM(1,1)和PPI两种模型的预测结果进行了对比分析。结果表明:基于GRA-SVR建立的多因素预测模型具有很好的精度和可操作性,可在长周期过程中使用,为大数据养护决策提供了模型参考和依据。