二维不可压缩粘性流体层流边界层的相似性解

本文将笛卡尔坐标系、边界层坐标系和旋转对称边界层坐标系中的二维不可压缩定常、非定常粘性流体的边界层流动问题用一个普遍的无因次常微分方程式表示,提出了各种流动问题的相似性参变量和相似性常微分方程式,并解析了此方程式的含义。     

多光子光学双稳态和多光子激光器的量子解

本文应用Haken的量子理论统一处理多光子光学双稳态和多光子激光器,导出了光场服从的Fokker—Plank方程,得到了多光子光学双稳态和多光子激光器的统一解,其结果与半经典理论结果符合。     

基于电磁-热-流耦合场的多回路排管敷设电缆载流量数值计算

多回路电缆以集群方式敷设时,各回路之间的电磁耦合和热耦合都将加强,对电缆导体线芯和金属外护套的交流电阻及涡流损耗的影响均不可忽略。为准确计算四回路电缆在4×4孔排管敷设方式下的载流量,借助于Comsol和MATLAB软件建立电磁-热-流耦合物理场有限元模型,将电磁场、温度场及排管内空气流速场耦合求解。首先通过求解电磁场计算电磁热损耗,然后作为载荷施加于传热模型进行温度场分布计算。该模型对电缆复杂的邻近效应、趋肤效应进行直接仿真计算,考虑了金属材料电阻率随温度的变化关系,且传热模型中耦合了空气自然对流、热辐射和固体热传导3种导热方式。利用所提模型对6种排列方式下的电磁热损耗和温度场分布进行计算;并利用二分法计算相应的载流量。结果表明,排列方式对电缆间的邻近效应有较为显著的影响,优化排列方式可降低电缆损耗、提升载流量。     

什股壕地区高产储层特征研究及应用

上古生界致密砂岩气藏包含多套气层,最具有经济价值的高产层为下石盒子组盒2段,但水平井产气量差异较大。利用钻井、录井、试气和储层预测资料,对沉积、物性、电性、含气性及地震属性等特征深入分析研究,认为高产储层分布于辫状河的高能河道,粒度较粗,泥质含量低,物性较好,储集空间发育,具有"两高三低"的电性特征,录井显示含气性效果较好,地震反射强度属性为短轴强反射特征,其中物性为高产主要控制因素。利用"五有利"的方法,优选出有利开发区,进行井位部署,提高了钻井的高产率。     

黏土束缚水对压汞毛管压力曲线的影响及校正

毛管压力曲线是研究岩石孔隙结构最主要的方法之一。依据含油气泥质砂岩体积模型和HSK方程,结合半渗透隔板法、压汞法获取的毛管压力实验数据,以及CEC法测定的阳离子交换容量实验数据,分析了黏土束缚水对压汞毛管压力曲线的影响,提出一种校正压汞毛管压力曲线的方法。研究表明,对于泥质砂岩,在溶液矿化度较低且阳离子交换容量较高时,实验测量得到的压汞毛管压力曲线与半渗透隔板毛管压力曲线差别较大,即岩样黏土束缚水相对体积越高,压汞毛管压力曲线与油藏实际情况的偏差越大;应用提出的校正方法对6块不同孔隙结构岩样的压汞毛管压力曲线进行校正,中孔渗及高孔渗岩样校正后的压汞毛管压力曲线与半渗透隔板毛管压力曲线基本一致,而低孔渗岩样则不适合用该方法进行校正。     

工业锅炉计算机网络化自动监测与控制技术

介绍了利用微机对工业锅炉的自动监测与控制技术,使工业锅炉参数达到实时测量和有效的控制。在锅炉现场测控的基础上,利用网络技术实现了现场测控数据在企业内部网上实时发布、共享,使企业技术管理人员能通过网络实时了解锅炉现场设备运行情况。     

基于随机森林结合地球物理测井资料的煤体结构识别方法及应用

在更加复杂的地质因素影响下,常规测井方法识别煤体结构准确度低,为精确识别煤体结构,研究了煤体结构测井曲线响应机理以及随机森林决策树个数的优选,从而建立煤体结构与测井曲线的随机森林分类模型进行煤体结构识别。结果表明:决策树个数为500时,随机森林分类模型效果最佳;通过袋外误差和模型对测试集样本的预测结果可知,随机森林分类模型的结果稳定且泛化性强,并且适合处理非均衡数据,预测精度较高。可见随机森林算法能有效识别煤体结构,为煤层气开发提供帮助。     

基于核磁共振测井的束缚水饱和度评价方法：以中东地区M层组的孔隙型碳酸盐岩储层为例

束缚水饱和度是储层流体性质识别和油气藏储层评价的关键参数。利用地球物理测井资料进行储层束缚水饱和度评价是目前广泛使用的方法,其中核磁共振测井一般通过确定横向弛豫时间截止值来计算储层束缚水饱和度,而在中东H油田M层组核磁共振实验研究中发现,部分实验样品出现了“扩散耦合”现象,导致通过T₂截止值难以准确求取储层束缚水饱和度。通过提取核磁共振T₂谱中反映孔隙结构与流体赋存状态信息的特征参数,并结合铸体薄片等资料探讨这些参数与束缚水饱和度之间的相关关系,规避T₂截止值从而避免“扩散耦合”现象对模型的影响。实验结果表明,束缚水饱和度与核磁孔隙度、区间孔隙分量及T₂几何均值之间具有相关性,并基于上述参数建立了束缚水饱和度预测模型,在中东H油田M层组中对预测模型进行实际井验证,取得良好应用效果,为后续判别储层流体性质与水淹层识别打下坚实基础。     

基于深度学习的钻孔图像岩体结构面识别

岩体结构面对岩体稳定性和渗透性有着重要影响,是决定深部地下工程稳定性的重要因素.针对井下电视技术获取的钻孔影像,提出了一种基于深度学习算法(You Only Look Once version 4,YOLO v4)的岩体结构面识别方法,并计算识别岩体结构面的几何参数.首先,采集图像数据并进行预处理.以某隧道工程为案例,使用智能钻孔光学成像仪采集4号和6号钻孔图像,筛选含有结构面的钻孔图像进行标注以建立Ground truth数据集.从中随机选择数据集的70%作为训练数据、10%作为验证数据、20%作为测试数据,并对训练数据集使用数据增强处理.接下来使用CSPDarkNet53网络作为特征提取网络,构建YOLO v4模型,并采用试错法获取最优参数进行模型训练.利用测试集生成P-R(Precision-Recall)曲线来测试最终的模型训练效果,结果显示P-R曲线的平均精度达0.87,这表明YOLO v4训练结果较好.最后,将定位的结构面采用Canny算法通过拟合上、中、下正弦曲线函数获取岩体结构面边缘,并依据正弦函数的系数计算结构面的4个几何参数(倾向、倾角、深度和张开度).     

仲胺基亚磷酸萘酚二酯配体的合成

采用廉价易得的1-萘酚、三氯化磷、N, N-二甲基甲酰胺、二乙胺、二异丙胺、二苄胺、吡咯烷胺、哌啶及吗啉等为原料,在温和的反应条件下,经新的路线合成了7种新型富电子、多功能P-仲胺基亚磷酸-2-萘酚二酯配体。硅胶柱层析后获得了84%~90%的收率。产物为固体或液体化合物,测定了固体的熔点。并利用核磁共振谱(¹H NMR、¹³C NMR及³¹P NMR)及高分辨飞行时间质谱(HRMS)对所得产物的结构及组成进行了表征,结果证明其与所设计的目标化合物相符合。