水杨醛双席夫碱-镍配合物的合成及其催化稠油改质研究

针对特超稠油油藏黏度大、常规开发效果不理想等问题,合成了水杨醛双席夫碱镍配合物催化剂。催化剂晶体为内部具有多孔介孔结构的金属有机框架材料,有利于稠油中的胶质、沥青质分子或聚集体进入介孔孔道,增大催化活性中心与重组分之间的接触效率。同时,材料表面呈弱亲水强亲油性,易于分散在水中并能够自发向油水界面迁移,有效提高镍催化中心的运载效率。材料的耐温性能良好,在600℃下质量保留率为65.14%。使用高温高压反应釜评价了催化剂对稠油的降黏性能和黏度反弹率,分析了催化改质前后稠油的碳数分布特征。通过高温高压模拟驱替实验,研究了催化剂对驱油效率的影响。在胜利油田进行现场试验,并对催化改质效果进行了跟踪分析。研究发现,合成的席夫碱-镍催化剂在250℃、反应时间10h、质量分数为1.5%时,对胜利稠油的降黏率可达87.6%。放置30天后,黏度反弹率仅为3.9%。反应后的稠油显著轻质化,碳数大于41的组分含量明显减少,碳数小于26的组分含量明显增加。室内驱替实验表明,先进行2PV蒸汽驱,再伴注席夫碱-镍催化剂,驱油效率比纯蒸汽驱提高了10.5%。现场试验结果表明,催化改质措施后,油井日产液和日产油均明显增加,含水下降,累计增油315t。措施后沥青质和胶质含量下降,饱和分和芳香分含量升高,可以实现稠油黏度的不可逆降低。。     

基于Inception-BiLSTM和迁移学习的结构损伤识别

针对传统卷积神经网络（convolutional neural network,CNN）方法在时空特征提取存在不足,提出一种改进的Inception与双向长短期记忆（ bi-directional long short-term memory,BiLSTM）联合模型,以全面学习振动信号中的空间和时序信息。首先,构建具有多尺度感受野的Inception模块,自适应地提取不同尺度下的空间特征;其次,BiLSTM序列化处理时间特征,以深度挖掘时间相关性;最后,通过全局平均池化和Softmax分类器来实现钢框架结构的损伤识别。为评估该模型对噪声的鲁棒性,引入高斯白噪声作为干扰。此外,采用迁移学习策略来评估模型在不同强度激励和小样本下的泛化能力,确保适用于不同的损伤识别任务。结果表明,与传统的CNN方法相比,该模型在无噪声条件下及信噪比超过25dB时保持了100%的识别精度。该方法解决了土木工程应用中样本量不足和不同强度激励的实际挑战。通过微调预训练模型的参数,实现了在不同强度激励和小样本情况下的知识迁移与泛化,从而增强了模型的实际适用性。     

无监督和弱监督视频异常检测方法回顾与前瞻

随着监控技术的不断发展,监控摄像头已经被广泛部署到各种场景中。手动检测视频异常情况已经变得不可能。因此,作为智能监控系统核心的视频异常检测技术正在受到广泛关注和研究。随着深度学习的发展,视频异常检测领域取得了显著的成就,并涌现出许多新的异常检测方法。本文将梳理了应用在不同数据类型上的无监督和弱监督视频异常检测学习方法,分析现有方法的贡献,并比较不同模型的性能。此外,还整理了一些常用的和新发布的数据集,并总结了未来工作要面临的挑战和发展趋势。     

考虑地质分层约束的长短期记忆循环神经网络测井曲线重构

延长油田东部裸眼井区早期测井资料普遍只有自然电位（SP）、自然伽马（GR）及梯度电阻率(R2.5)三条曲线,因缺失声波（AC）、地层电阻率（RT）等测井曲线,难以满足精细油藏地质研究需求。东部裸眼井区开发时间长、单井产量低,重新测井缺乏可行性及经济性。采用长短期记忆循环神经网络(Long Short-Term Memory,LSTM)进行缺失测井曲线重构是一种经济有效方法,适用于地层测井序列数据。然而延长油田东部浅层油藏上覆黄土层段测井数据信号干扰大,直接应用模型精度较差。针对此问题,本文采用考虑地质分层约束的LSTM模型进行缺失测井曲线的重构,通过分层数据截取每口井长6层段测井数据作为样本数据,既保留了LSTM模型处理序列数据的优势,同时又避免了上覆黄土层测井数据对模型的干扰。利用裸眼井区完整测井数据进行模型训练优化和验证,讨论了考虑地质分层约束的LSTM测井曲线重构精度,结果表明通过引入地质分层约束,模型重构测井曲线精度更高。应用优化后模型实现裸眼井区50口仅有GR、SP、R2.5三条曲线数据井的AC、RT曲线重构,对50口井的142个射孔段进行二次解释,对比试油解释结论符合率达到89.4%,验证了该方法对测井曲线重构的实用性和有效性。     

采动覆岩注浆离层力学结构模型及稳定性预测方法： 以张集煤矿为例

煤矿开采引发地表岩土层移动变形,进而导致建筑倒塌、生态环境破坏等问题,离层注浆是减缓地表沉降的重要手段之一。为了研究淮南矿区倾斜地层采动离层的发育和稳定性,基于关键层理论,建立由主关键层、注浆阻隔层、亚关键层组成的采动覆岩注浆离层力学结构模型,提出注浆离层稳定性力学判据。采用离散元数值模拟分别建立水平和倾斜地层模型,模拟煤层开采过程中裂隙演化规律及可注浆离层发育情况。结果表明,水平和倾斜地层导水裂隙均未贯通注浆阻隔层,主关键层底部均发育可注浆离层,水平地层可注浆离层开度比倾斜地层的开度更大。数值模拟证明采动覆岩注浆力学结构模型可以对采动离层稳定性进行有效预测。     

基于层次贝叶斯模型的成渝地区双城经济圈雾霾监测影响因素分析

目的 建立科学有效的雾霾影响因素分析方法,解决成渝地区区域性中轻度大气污染问题。 方法 获取成渝地区双城经济圈 2014—2022 年空气质量逐时监测数据,结合数据的嵌套结构特征,构建年度时间-站点-地区三水平层次贝叶斯发展模型,并进行经典 OLS、IGLS 估计,经验贝叶斯和完全贝叶斯的对比分析,论证了完全贝叶斯方法的优势。 结果 PM2. 5 浓度受大气污染物、气象、人口、经济、产业结构、农业生产综合因素影响,PM2. 5 浓度变化速率受到 CO、SO2 和城镇化率的影响。 结论 利用层次模型建模分析具有嵌套多层次结构的雾霾监测数据,更科学合理,再借助贝叶斯统计具有利用先验信息和学习机理的优势,更有助于提高模型参数估计和预测精度。     

区域公用品牌认证对中国食品出口上市公司价格加成的影响——基于多期双重差分模型的实证研究

基于2008—2022年中国上市公司数据,构建多时点双重差分模型,实证检验区域公用品牌认证对中国食品出口企业价格加成的影响效应及作用机制。研究表明：区域公用品牌认证显著提升了中国食品出口上市公司的价格加成;对价格加成的提升作用呈现异质性。对于产品异质性更高的行业以及宣传水平更低的企业而言,区域公用品牌认证导致食品行业出口上市公司价格加成率增加更多。从质量信息不对称视角出发,为发挥区域公用品牌对农业企业出口绩效和产品竞争力的提升作用、提高企业出口利润水平、实现农业高质量发展提供了新证据。     

用神经网络实现线性系统状态估计

本文研究了一种用神经网络解决线性动态系统状态估计问题的方法。使用了动态优化技术设置Ｈｏｐｆｉｅｌｄ网络的加权矩阵。仿真结果显示本文研究的方法具有广泛的适用性。此方法对于大型系统实时估计具有很大的应用潜力。     

冷连轧过程线性化动态模型的研究

以多机架四辊冷连轧机为背景,研究了冷连忆过程的动态模型,建立了冷连轧过程的工作点线性化状态空间模型,实验仿真结果说明了这一动态模型的有效性。     

一个视景仿真平台的设计与开发

从功能定位入手,介绍了使用Visual C++基于DirectX SDK设计并实现一个视景仿真软件平台的思路和方法。该平台采用了基于共用内核的双平台总体架构,建立了可重用的框架和二次开发机制,采用功能实体-集合管理-用户界面三层设计模式,提高了代码重用度,在降低问题复杂度的同时提高了开发效率。该视景仿真平台建立了可扩展的可视对象管理机制、实现了中小规模场景的显示优化和高效地形匹配计算、实现了基于粒子系统的烟云、雨雪、爆炸、燃烧等特殊效果的逼真显示以及对于关键帧动画的支持。最后介绍了应用案例。