非均质储层纳微米聚合物颗粒体系驱油实验研究

为了深入揭示低渗透储层非均质性对聚合物颗粒分散体系驱油效果的影响,采用平板填砂模型和岩芯串、并
联组合实验技术,对纳微米聚合物颗粒分散体系进行了非均质驱油实验研究,并分析了纵向、横向非均质性和渗透率
级差对驱油效果的影响。平板填砂模型模拟实验结果表明,聚合物颗粒分散体系对改善储层纵向非均质性效果更明
显,在纵向非均质模型中提高的采收率比横向非均质模型高9.83%。岩芯组合模拟实验结果表明,随着渗透率级差增
加,聚合物颗粒分散体系提高串、并联岩芯组合模型的采收率均逐渐增大,在相近渗透率级差变化情况下,聚合物分散
体系提高串联岩芯组合模型的采收率增幅为6.65%,而提高并联岩芯组合模型的采收率增幅为9.48%;渗透率级差越
大,高、低渗岩芯的分流量相差越大,聚合物颗粒分散体系调驱后,高渗岩芯的分流量降低,低渗岩芯的分流量增大。     

工业设计师之设计导向类型

以从事工业设计之工作内容人员做为研究对象,分别探究其不同设计导向在从事设计工作及项目任务时所着重考虑的因素,归纳出设计者于产品设计的价值态度类型。研究初期以文献归纳出6个设计导向属性:情感美学、造形型态手法、行为表达态度、生产机能条件、客观条件、个人技能作为设计态度的衡量及评估依据。研究方法采用Q方法,收集设计背景族群对于设计过程的看法与认知,并请专家筛选适当的陈述问题及前测问卷后,归纳整理成6属性共50题陈述句来进行问卷调查,并以Q因素分析来探讨设计背景族群对于设计态度的看法以分析其设计导向。研究结果将工业设计背景族群分为多方考虑均衡设计;年轻且机能实务并重;团队整体利益优先;重情感造形及个人观点;着重现实层面考虑;经验丰富重造形美学表现等共六类型族群。工业设计部门的主管依据每一种设计导向类型的特性,归类其属下设计师,并结合设计项目属性与复杂程度,指派适合的设计师或组成最佳设计团队圆满达成设计任务。     

线性规划最优解的判别准则

单纯形方法是解线性规划问题的一种有效方法,用这种方法解线性规划问题首先要找出初始可行解,然后通过迭化得出最优解。由于退化,迭代时往往会出现循环,为了避免循环的发生,A. Charnes在1952年提出了摄动法, G. B. Dantring等人在1954年提出了字典序方法,1977年R. G. Bland给出了用组合方法解决退化的索性规划问题的迭代方法。这些方法在解退化的线性规划问题时都是通过迭代代得出最优解。我们将用对偶模型给出线性规划问题的又一解法及其最优判别准则。这种解法其实是一次性择优而不需迭代,在某种意义下,可使线性规划问题的解决变得简洁明了,显示出此方法较其它解线性规划的方法优越。     

某发电厂机组整组启动试验过程中存在的问题及解决方法

0 引言 发电厂机组整组启动试验,能够通过试验数据验证设备的性能,最大限度保证机组在投产时可靠运行、安全投入生产,发挥出投资效益.本研究介绍某发电厂1000MW国产超超临界燃煤机组整组启动试验状况,提出整组启动试验优化处理方法,最终对启动试验结果进行分析与评价.     

SCBA:基于演变的规则知识库的数据流分类模型

近年来,数据流作为一种特殊的数据形态,广泛出现于金融、互联网、科学研究等各个领域,引起了数据挖掘界极大的兴趣。其数据量无穷,数据概念随时间变化,对问题要求快速响应等特点给研究工作带来了极大的挑战。该文聚焦于数据流分类问题,提出了一种基于演变的规则知识库的数据流分类模型:SCBA(streamclass ification based on assoc iation ru les)。该模型随着数据流的到达,从动态维护的规则知识库中挑选适应当前数据概念的规则,构建单个分类器。与目前流行的数据流分类模型相比,SCBA具有如下特点:与层次结构的决策树相比,分类器的更新更为灵活并易于实现;与倾向“平均”的组合分类器相比,单个的分类器有利于规避“小模式问题”,并能加快对数据流概念变化的调整速度和对应用的响应速度。     

非线性确定性系统的鲁棒自适应控制器

NARX模型的最小预报误差自适应控制器算法，存在着控制输入偏离以原点为收敛域中心的收敛问题，严重时将出现数值发散现象，系统是BIBO不稳定的。针对这种情况，提出了一种改进的控制输入准则函数和各样自适应控制策略，给出了NARX模型基于该准则函数的一种最小预报误差自适应控制器算法，及使系统无稳态偏差选取准则函数的限制条件，解决了系统存在稳态偏差的问题，同时给出了仿真结果。     

基于Affordance的技术创新活动发生机制

Affordance是动物(在环境中)行动的生态性基础。如果从Affordance视角对"制造"和"使用"这种人类特有的行动进行审视的话,关于技术创新的研究可能会展现出一个全新的面貌。通过Affordance视角来探究技术创新活动会发现,技术创新活动的发生过程实际上是一个Affordance的"读写"过程,其中,"书写"Affordance的过程是通过对某次特殊的Affordance遭遇进行物理还原和加工得以完成;而读取新的人工物的Affordance过程则是通过对人机界面的Affordance以及情境Affordance进行"读取"来实现的。     

LSVDD: 基于局部支持向量数据描述的稀有类分析算法

在单类支持向量数据描述算法的基础上, 提出了一种基于局部支持向量数据描述的稀有类分析算法: LSVDD, 能够处理存在类重叠的类不平衡问题. 该算法利用支持向量数据描述算法对各类样本分别进行单类学习, 从而获得单类模型; 然后对单类模型的概念重叠区域使用属性选择进一步进行局部单类学习, 最后得到综合分类模型. 在仿真数据集和UCI数据集上的实验结果表明, LSVDD能够有效和稳定地提高稀有类分析精度.