神木双110井区非均质气藏井位优化部署技术

神木气田双110井区地质条件复杂，储层非均质性强，井位部署及跟踪调整难度极大。2017-2019年长城钻探公司与长庆油田创新合作模式，充分发挥联合开发优势，以双110井区为目标，坚持地质工程一体化，精细地质研究，优化井位部署。为了保证开发效果，从地震、测井、录井、岩芯、试气等资料入手，开展构造特征、沉积相特征、砂体及有效储层分布规律研究，建立三维地质模型，优选含气富集区。在井型、井网论证的基础上，优化井位部署，最终实现“少井高产”。共完钻直/定向井208口，对比方案少钻37口井，静态I+II类井比例达84.0%，部署完成水平井15口，平均水平井长度1 433.5 m，砂岩钻遇率83.3%，获得良好的开发效果。     

江苏副高型强对流天气特征及环境参数分析

副热带高压控制下的强对流天气常常漏报和错报。为了提高此类天气的预报准确率,利用2007—2016年常规地面和高空观测资料以及地面区域自动站资料,运用统计分析方法,对苏南地区56例副高型强对流的天气特征和环境参数特征进行分析。结果表明:副高型强对流主要有短时强降水、雷暴大风、冰雹雷暴大风和强降水混合型,其中混合型出现频率最高(66%),雨强在30～79.9 mm/h的短时强降水频率(68%)最高,雷暴大风的风力多为8～9级(61%);强对流触发时间峰值在12:00—14:00时。静力稳定度方面,850与500 hPa的温差ΔT_(85)和沙氏指数S_I的中位值分别为25℃和-1℃左右,3种类型强对流的差异不大;混合型强对流的对流有效位能C_(APE)的中位值(2 510 J/kg),远大于短时强降水(1 570 J/kg)和雷暴大风(1 220 J/kg);而对流抑制有效位能C_(IN)的中位值则是雷暴大风(160 J/kg)的最高。3种类型强对流低层水汽条件相似,1 000 hPa露点T_d的中位值均在25℃左右;水汽条件差异主要在中层,中层大气越干、露点垂直递减率越大,越利于雷暴大风的发生,反之,则利于短时强降水的发生,混合型强对流介于两者。K指数的中位值,雷暴大风(32℃)、混合型(34℃)到短时强降水(36℃)是逐渐增大的。自由对流高度L_(FC)和抬升凝结高度T_(CL),雷暴大风的25%值分别为650、910 hPa,远小于短时强降水的900、970 hPa,混合型强对流则位于两者。差异明显的环境参数,对副高型强对流天气的分类预报有一定的指导意义。     

两种改进的非线性方程组四阶迭代求解法

文章基于两点Gauss型求积公式,分别结合梯形积分公式和Adomian分解法构造了两种牛顿型迭代格式.借助泰勒展开式,文章证明了这两种迭代格式都具有四阶收敛,并通过数值实验例子验证这两种迭代格式的有效性.     

超高功率超短脉冲发展的现状及相关科学问题

超高功率超短脉冲激光系统在其聚焦焦点附近可以实现高达1022-24 W/cm2的峰值功率输出,为强场物理实验研究,以及实验室内模拟极端环境下的天体物理条件提供了直接的实现方案.自从国际上首次提出了建造EW激光的概念,即输出总功率达到1018 W的大型激光系统后,国际上很多国家都在设计和建造大规模的超高功率超短脉冲激光系统.本文简要介绍了国际上这种规模激光系统的发展状况,并结合国内超高功率高能超短脉冲激光的发展,对超高功率超短脉冲激光系统发展中相关技术问题进行阐述.     

网络控制系统中迭代学习控制算法的鲁棒收敛性分析

针对网络控制系统中受输入扰动和初态干扰的非线性系统，提出了一种迭代学习控制算法，讨论了输出数据丢失情况下系统输出对期望轨迹的跟踪问题。采用一个概率已知的随机贝努利序列来描述网络控制系统中的数据丢失现象，即如果输出数据没有丢失，则利用跟踪误差来修正上一次迭代学习时的控制量，从而获得系统当前控制量；如果存在输出数据丢失现象，则系统当前控制量保持上一次迭代时的控制量不变。给出了保证算法收敛的充分条件。从理论上证明了系统满足给定的收敛条件时，在数据丢失网络环境下具有输入扰动、初态扰动的被控系统随迭代学习次数的增加，系统输出除初始点以外都能够收敛于期望轨迹。通过仿真算例进一步验证了所提方法的有效性。     

基于Lobatto-Gauss结构的一维四次有限体积元法

构造基于Lobatto-Gauss结构的一维四次有限体积元法,并对这种方法进行稳定性和收敛性分析,进一步探讨对偶单元节点上导数的超收敛性.数值实验验证了所给方法的超收敛性.     

平滑移动过程的矩完全收敛性

本文研究了基于φ-混合序列的平均移动过程的矩完全收敛性,主要工作是在Kim,Ko的基础上将矩完全收敛性推广至q阶矩,并将其中的结论作为本文的特例给出。     

非同分布φ混合序列加权和的强极限收敛性

利用φ混合序列矩不等式和截尾的处理方法,研究非同分布φ混合序列加权和强极限收敛性质的问题,得到了若干新结果,推广并改进了独立同分布情形下的相应结果.     

基于智能搜索和特殊划分的人工蜂群算法

人工蜂群算法是一种具有强大搜索能力的全局搜索算法。传统的人工蜂群算法使用雇佣蜂、观察蜂和侦察蜂进行相互合作，每种蜜蜂有不同的分工，但不同类型的蜜蜂之间并没有差别。提出一种通过智能搜索和特殊划分来提升性能的人工蜂群算法。该算法中，不同的雇佣蜂和观察蜂会使用不同的搜索策略来寻找食物来源。该算法放弃了贪婪选择算法且在每次迭代时更新食物来源的位置。因此，该算法能够利用整个蜂群的经验来引导蜜蜂的搜索，通过一系列基准算法的性能分析证明了该算法的有效性。     

求解BBM方程的一个两层线性化差分格式

本文对一类带有齐次边界条件的Benjamin-Bona-Mahony方程(BBM方程)的初边值问题进行了数值研究,提出了一个具有二阶理论精度的两层线性化差分格式,该格式合理地模拟了原问题的一个守恒性质.本文证明了该格式差分解的存在唯一性.综合运用数学归纳法和离散泛函分析方法,本文还证明了该差分格式的收敛性和稳定性.数值实验表明该方法是可靠的.