普光气田高频层序地层格架与储层发育,尹太举,张昌民,依据地震、测井和露头建立了该气藏的高分辨率层序地层格架,并对储层的发育和分布进行了预测。研究中按照泥质含量和相组合演化,
2024-02-27 08:29:16 1.55MB 首发论文
1
针对特低渗透油藏多层合采时各层注水推进速度差异较大的问题,为准确计算各层水驱前缘的位置,利用特低渗透油藏渗流理论,建立理论模型,推导了考虑油相非线性渗流特征的水驱前缘的计算公式,分析了渗透率级差、注采井距、非线性渗流特征对水驱前缘的影响.结果表明:储层渗透率越小,水驱前缘距注水井的距离越小,且考虑非线性渗流特征计算出的水驱前缘更小;注采井距越大,水驱前缘位置与注水井距离变大,但是无因次水驱前缘变小,而不考虑非线性的无因次水驱前缘保持不变,反映出非线性渗流特征使油藏开发效果变差.
2024-02-27 08:04:39 477KB 行业研究
1
薄冰层脱附与脆裂的力学模型与功耗优化,张承虎,,本文针对固体表面上冻结的薄冰层的脱附去除问题,建立应力平衡方程并进行应力状态分析,分别建立了垂直刮削、倾斜刮削条件下的冰
2024-02-26 21:55:47 546KB 首发论文
1
为了控制塔山煤矿8304工作面在切顶卸压过程中巷道顶板的下沉变形现象,保证成巷过程及巷道二次复用期间顶板围岩的稳定性,在预留巷道顶板原支护的基础上采用恒阻大变形锚索对顶板进行补强支护。运用理论计算并结合现场实际条件,选用长度为9. 3m,支护密度0. 8根/m2的恒阻大变形锚索加固顶板。现场应用结果表明:巷道顶板下沉量较小,成巷效果良好,可以满足复用生产要求,说明恒阻大变形锚索能很好适应切顶卸压自成巷对巷道顶板的变形影响,也为其他类似条件下沿空留巷顶板支护提供一定参考。
2024-02-26 12:52:01 1.49MB 行业研究
1
如果将二十面体准晶体嵌入散装材料中,则会显示不规则形状。 如果它具有自由表面,则它具有定义明确的小平面,反映出其独特的5倍,3倍和2倍旋转对称性。 在这项研究中,通过电弧熔化制备了标称成分为Al65Cu20Fe15的Al-Cu-Fe合金,并使用扫描电子显微镜,能量色散X射线光谱和电子背散射衍射(EBSD)研究了其微观结构。 在λ晶相的表面上发现了一个额外的层。 该层的EBSD显示出5倍,3倍和2倍的旋转对称性,表明了二十面体的准晶体结构。 此外,已经发现,二十面体准晶体额外层和λ衬底具有由EBSD图案上的菊池带和极的重合所揭示的取向关系。 该报告对于有关二十面体准晶相的形成和与二十面体准晶相有关的薄膜制备的未来研究非常重要。
1
分层地层对透地通信电磁波的传播特性有重要影响。现有的研究主要是基于规则分层地层模型对电磁波透地传播特性进行分析,但分层地层往往是不规则的。为此,基于所建立的不规则分层地层模型,将分层地层模型分界面抽象为平面、正斜面和负斜面。根据电磁波入射角与分层地层倾斜角的几何关系,推导了电磁波在不规则分层地层中正向和反向传播时电场强度和磁场强度的衰减情况。仿真表明分层地层的不规则性与电磁波进入分层地层介质的先后次序均对电磁波的传输衰减有重要影响。虽然电场强度和磁场强度随着透地距离的增加都显著地衰减,但电场强度和磁场强度的衰减特性并不相同。此外,无论是对电场还是磁场,由于在分层地层分界面电磁波都要产生反射,因此,电磁波在进入到另外一层媒质时电场强度和磁场强度都会产生一定程度的突变衰减。
2024-02-24 16:15:51 1.59MB 透地通信 透射系数 衰减特性
1
易语言D2D图层应用源码,D2D图层应用,屏幕窗口逻辑,屏幕窗口渲染,显示窗口,激活窗口检测,图层排序,碰撞检测顺序
1
2024 AIGC应用层十大趋势白皮书.pdf
2024-02-22 11:09:44 7.67MB AI
1
2.1.2浅层学习和深度学习 机器学习的历史阶段的划分可谓仁者见仁智者见智,从不同的角度可以划分为不同 的阶段。按机器学习模型的层次结构来划分,20世纪80年代至今,机器学习的发展可 以说经历了两个阶段:浅层学习(shallow le锄ing)和深度学习(deep leaming)【27】。 大多数传统的机器学习和信号处理技术,都是利用浅层结构的架构‘301。例如高斯混 合模型(GMMs)、线性或非线性动力系统、条件随机场(CRFs)、最大熵(MaXEnt) 模型、支持向量机(SVMs)、Logistic回归、核回归、多层感知机(MLPs)等等都是 浅层结构。这些结构通常包含一层或两层的非线性特征变换,可以看成是具有一层隐含 层或者没有隐含层的结构。浅层结构在解决一些简单的或者受限的问题中显示出了有效 性,但由于其有限的建模和表征能力,在处理更为复杂的实际的应用时,如人的语音、 自然的声音和语言、自然图像和视觉场景这些自然信号时非常困难。 深度网络,是含有多个隐含层结构的网络。通过引入深度网络,我们可以通过学习 一种深层的非线性网络,来实现复杂函数的逼近,从而计算更为复杂的输入特征【311。由 于每一个隐含层可以对上一层的输出进行非线性变换,因此深度网络拥有比浅层网络更 为优异的表达能力,例如可以通过学习得到更为复杂的函数关系,并且表现出了从少数 样本中学习数据的本质特征的能力。 深度网络最主要的优点在于,它能用更加简单的方式来表示比传统浅层网络大得多 的函数集合,而多层的优势是可以利用较少的参数来表示复杂的函数关系。如图所示, 要表达结构复杂的函数蛔(伽《唧(s加3(x)))),用传统的单层结构很难简洁地表示,而 用多隐含层的深层结构,可以用较少的参数表示较为复杂的函数,用多层的简单结构 s伽(工),x3,e。,cDs(x),抛(x)来表示上述复杂函数容易很多。 12 zkq 20150924 万方数据
2024-02-19 10:46:03 4.42MB 深度学习
1
PLC西门子电梯PLC程序,有单部六层,三部十层,六部十层等,带wincc画面,包含西门子中智赛获奖程序
2024-02-11 21:47:56 48KB
1