基于区域背景的人机联作多井解释软件系统

为了避免单井解释与宏观地质背景脱节的弊端,采用面向对象技术对测井资料多井评价系统进行了分析。在开发基本构件类的基础上,建立了在区域背景下以求解井筒解释参数为主要目标的多井交互解释系统。在大庆、胜利、新疆等油田诸多区块的初步应用结果表明,该系统具有较好的实用性。     

基于解释结构模型的智慧城市建筑信息模型运维管理应用影响因素分析

现今智慧城市大力推广的情景下,相比传统的建造和运维手段,建筑信息模型（BIM）技术更适合作为建筑项目全过程智慧化管理的重要基础,解决项目管理建设中容易出现的管理不当、信息紊乱、难以发挥信息资源合理利用等问题。本文通过相关文献研究和查询相关报告,提取出10个影响因素,基于此采用解释结构模型技术（Interpretative Structural Modeling,ISM）搭建智慧城市背景下BIM运维管理应用影响因素的结构模型,根据结构模型对影响因素进行解释和分析,得出各影响因素之间的联系。该研究对BIM应用提供了理论依据,支持多方BIM相关人员针对不同使用情况来做出及时和明智的决策。     

一阶逻辑完备性定理的新代数证明

给出了一阶逻辑完备性定理的一个新的代数证明，这个证明不使用依赖于Boole代数表示定理的γ-解释，但使用关于Q-滤子△↓的△↓-解释，也需要用到选择公理，另外指出了已有代数证明的不足之处，并作了修正。     

基于嵌入式技术的测井面板设计及应用

提出了一种基于PC104嵌入式模块的高性能测井面板设计方案。该面板包含有数据遥传、深度、模拟及数字I/O以及专用人机交互等接口部件,可以作为高性能下井仪与通用地面系统之间的前端子系统使用。该面板在提供全面的测井仪器接口并具有强大的数据处理能力的同时,能够很好地保护所配接下井仪的知识产权。该面板在功能、性能、可扩展性、可靠性和安全性、研发周期、性能价格比等方面比传统意义上的测井面板都有改进,在一种高分辨率感应测井仪中投入现场应用,取得了合格的测井资料。     

Windows环境下蒙古文复杂文本处理的研究

简要介绍了复杂文本和Uniscribe布局引擎,然后介绍一种基于Uniscribe的蒙古文Unicode文本的解释算法,解决Windows环境下字处理软件不支持蒙古文国际标准编码的问题.该算法具有较好的通用性,能够有效处理多种复杂文本语言,在蒙古文字处理软件MWord中的应用说明了该算法的有效性.     

徐家围子断陷营一段火山岩旋回测井响应特征

在钻井取芯研究的基础上,应用测井资料,开展了松辽盆地北部徐家围子断陷营城组营一段高分辨火山岩旋回的划分,建立了营一段火山岩的旋回模式,并总结了营城组一段不同岩性、岩相的测井响应特征。研究结果表明,营一段划分为3个旋回,每个火山岩旋回的自然伽马和电阻率曲线值在底部一般为中高值,顶部为低值;在不同旋回界面,测井曲线振幅和变化频率明显增大,指示风化壳或沉积夹层等标志性界面的存在;并通过研究认为自然伽马、电阻率和密度3种测井曲线对火山岩岩性和岩相识别最为敏感。     

中国黄海沿岸地区工业废水排放及其统计解释

分析了黄海沿岸地区环境污染的时间变动,指出近10年来工业废水排放已经呈现下降趋势,环境与经济发展基本相互协调,统计分析证明：该地区环境污染程度与经济发展呈现典型的正相关关系,符合工业化中期的典型特征：人均GDP、水资源的消费强度、人口增长均对工业废水的排放起到了促进作用。     

曲堤油田南部沙四上亚段沉积精细研究

在临南洼陷周边地区,具油气显示的沙四段地层仅在临南斜坡上有所发现.因其沉积相研究还较少,使得沙四上亚段开发效果欠佳.因此,针对曲堤油田曲9-111断块沙四上亚段地层开展精细沉积相研究具有重要的意义.以岩心、测井及地震等资料为基础,应用沉积学和高分辨率层序地层学方法,对研究区开展精细沉积相研究.分析认为:该地区主要发育扇三角洲前缘亚相的水下分流河道、水下溢岸砂体、河口坝、前缘席状砂及分流间湾等微相,物源主要来自于南部的鲁西隆起.结合区域沉积背景,概括具有本区特征的扇三角洲前缘沉积相模式.     

企业总产值的组合预测方法与应用

为了选择灰色预测系统的最佳解释变量,并使其代表原始数据的绝大部分信息,将主成份分析方法与灰色系统理论进行有机地结合,形成一种组合预测方法。主成份的作用就在于对原始数据寻求基本结构、简化观测系统,并用一个有代表性的变量子集来解释整个问题,使GM(1,h)模型反映出影响某个经济现象的关键因素,更加有效地揭示了系统的发展趋势和动态变化规律,该方法具有很强的可靠性和实用性。     

储层含油性识别中ANN和GA融合的模糊规则提取

提出一种基于ANN和GA融合的自学习自适应的模糊规则提取算法,用来对油层进行识别.其方法是:首先运用人工神经网络(ANN)对训练样本进行有导师学习,网络的输入是测井属性,输出表达为网络权值和输入的函数Ψk=f(xi(WG1)ij,(WG2)jk)(其中:Ψk代表含油性类别Ck的判别函数;C1为干层;C2为水层;C3为差油层;C4为油层).然后,以Ψk作为遗传算法(GA)中的适应度函数提取对应于类别Ck的模糊规则.最后,通过某油田oilsk81和oilsk83油井的实证研究表明,该方法能够有效地识别储层的含油性.