基于随钻测井数据预测破裂压力

破裂压力是判断岩石是否起裂的重要依据,而现有的随钻测井资料仅能解释地应力、弹性模量等参数,缺乏对破裂压力的解释。为了准确预测破裂压力并降低施工压力和风险,基于MH地区的FSI(Flow Scanner Image)仪器测试的产出剖面测井资料,区分泡酸与不泡酸两种方式分别建立广义回归神经网络(GRNN)模型,对该地区油井开发进行破裂压力预测,并运用交叉验证方法得出光滑因子（σ）,通过与真实破裂压力值对比验证模型的准确性,并与BP神经网络和H-W模型的预测结果进行对比分析,再基于此预测给出泡酸建议。结果表明： GRNN模型预测结果与实际破裂压力更接近,且均方根误差为4. 54%,平均百分比误差为0. 03%,均优于BP神经网络和H-W模型。GRNN模型不受地质条件影响且预测精度高,操作简便,可用于该地区破裂压力预测,也可作为后续井FSI仪器流动扫描的替代,不但可以为同类地区的施工提供借鉴,而且可以为同地区开发资源节约成本。     

WTO下战略农产品适度保护博弈分析

在界定战略农产品的概念的基础上,建立了政府和保护的企业两个参与人的完全信息下静态博弈模型。从激励和惩罚的角度出发,分析了在不同的激励和惩罚下,模型将会有决策效果不同的纳什均衡解。这个解继而会影响政府是否选择“保护”和企业是否选择“努力”的战略和行动。阐明了激励和惩罚对政府和企业行动选择的可能性。也说明了政府对企业激励的有效性。将为我国制定适度农产品保护政策提供决策帮助。图6,参8。