马寨油田分层开采提高采收率研究

马寨油田为低渗透强亲水油藏,层间渗透率差异大,原油粘度低,井网密度大。由于多年的合采使油田综合含水高达92.9%,工业采出程度仅为76.6%。结合马寨油田的开采特点,论述了分层开采提高采收率的潜力,通过岩心实验证明了马寨油田分层开采可以提高采收率,现场应用结果证实了该结论。为该油田的层间产能接替提供了一个有效的开发方式,对同类油田也具有普遍的指导意义。     

用淀粉和稀硝酸制取草酸的新方法

草酸学名乙二酸，分子式C2H204·2H2O，为无色透明单斜晶体，溶点为101－102℃。草酸主要用于药物中间体的合成，在稀有金属提炼方面也大量使用，另外在印染制革等方面也有重要用途。近年来随着我国医药工业和稀土工业的发展，草酸的需求量日益扩大，在国际市场上渐趋紧俏。草酸的工业生产有合成法和氧化法两种。合成法生产成本较低，但工艺复杂，投资较大；氧化法工艺简单，投资小上马快，原料为工业淀粉和硝酸，比较易得。国内的草酸厂大都用氧化法工艺生产，其中不少厂家存在产率低、反应时间长、污染严重等问题，而且原料浓硝酸近来价…     

建筑饰面材料色度反射性能测量及方法

采用反射光谱数据的测量方法,通过对照明观测角度、光源色温、视场影响的实验测量,发现建筑饰面材料色彩的观测结果与光线入射角和观测角度有关。在光线入射角和观测角度改变时,色度值会有所变化,观测结果与材料表面材质有关。镜面反射方向附近色度波动较大,其他角度色度数据稳定,亚光型面砖的镜面反射现象并不明显,光源色温影响材料颜色,光入射角发生改变时材料色度值发生变化。这些研究为建筑色彩设计提供了定量研究的理论基础。     

羧基化氧化石墨烯对活性炭超电容性能的影响

为了提高活性炭的超电容性能,可以利用表面含有丰富官能团的氧化石墨烯(GO)进行复合改性,而环氧基会导致GO平面上离域π键的弯曲变形,可以通过柠檬酸油浴法让环氧基发生开环反应并使GO与超电容活性炭(AC)充分交联,形成稳定整体结构.结果 表明:以250℃热处理的AC-GO所形成的化学交联结构具有良好的循环性能,在水系电解质中经过10000次循环后容量仍保持97.8％.开环作用也使得GO上的羟基和羧基等亲水基含量有所提高,这些基团能提供额外的赝电容,在1 A/g的电流密度下保持了225 F/g的电容.可见通过对GO表面官能团改性复合,能优化炭材料电容性能.     

高级别管线钢钙处理冶金效果研究

针对管线钢L360QS进行了钙处理实验研究,考查钢液中[Ca]、[S]对夹杂物变性的影响.结果表明,钢中的硫被脱到0.002%～0.003%(质量分数)范围内的较低水平,脱硫率最高达85.0%,与实验预期吻合.随着钢液中[S]增加,夹杂物中CaS+MnS的平均质量分数相应增加,但夹杂物中的CaS含量不一定增加.钙对夹杂物变性作用非常明显,[Ca]相对高的管线钢,其夹杂物绝大多数都变性为球形的含CaS钙铝酸盐复合夹杂,不存在MnS夹杂和MgO.Al2O3夹杂.为使氧化夹杂和硫化夹杂都变性完全,钢液中的硫的质量分数应控制在0.002%左右,钙的质量分数应控制在0.003 5%～0.004 0%,且[Ca]/[S]>1.9.     

基于PSO-BP神经网络的探空湿度太阳辐射误差修正

采用计算流体动力学(CFD)软件仿真太阳辐射偏干误差可获得无线探空仪的湿度修正因子,提高了湿度廓线的精度,有助于提升天气预报、气候预测及气象灾害预报预警能力。但湿度修正因子存在明显的时空分布特性,采用CFD方法对每条湿度廓线进行修正计算量庞大。针对这一问题,以CFD软件仿真出典型气压、太阳辐射量和太阳高度角下的温度误差作为数据样本,通过粒子群优化(PSO)的BP神经网络构建预测模型,对探空湿度太阳辐射温度误差进行预测,并利用饱和水汽压逼近公式推算湿度测量的修正因子。研究结果表明,以南京探空站某一天的探空数据作为测试对象,CFD计算和PSO-BP预测的湿度测量太阳辐射误差吻合度较好,说明PSO-BP神经网络预测方法能够对湿度廓线的太阳辐射偏干误差进行有效修正,而且可显著提高修正效率。     

联合特征推理和语义增强的渐进式壁画修复

针对现有深度学习算法修复壁画图像时，未充分考虑破损区域与完好区域信息的一致性，导致修复结果易出现边界效应和纹理模糊等问题，提出了一种联合特征推理和语义增强的渐进式壁画修复算法.首先，设计区域渐进结构，实现了待修复区域的渐进式收缩修复.然后，利用特征推理模块，对缺失像素的特征值进行迭代推理填充，减小壁画修复重构误差，增强壁画破损区域与完好区域之间的相关性.最后，将各层特征图自适应融合，并采用语义增强模块进行纹理细节迁移，提升壁画补全区域和整体的一致性.敦煌壁画数字化修复实验表明：所提方法修复结果具有更好的纹理细节一致性，在主客观评价指标上均优于比较算法.     

结构门控与纹理联合引导的生成对抗壁画修复

现有深度学习修复方法修复壁画时，受结构和纹理影响较大，修复结果易出现结构紊乱和纹理模糊等问题.针对这些问题，提出了一种结构门控融合与纹理联合引导的生成对抗壁画修复模型.首先，构建由结构引导编码子网络和纹理引导解码子网络构成的生成网络，利用结构信息引导编码，并通过门控特征增强边缘轮廓信息.然后，设计纹理引导器和方向注意力模块提取分层纹理特征，引导解码器重构修复，提高壁画的纹理一致性.最后，采用跳跃连接促进结构和纹理的特征互补，并利用谱归一化马尔科夫判别模型对抗完成壁画修复.对真实敦煌壁画数字化修复实验的结果表明：所提方法主客观评价均优于比较算法，修复结果更加清晰、自然.