气固流化床中空隙率波动信号的自由度数确定

确定气固流化床体系的自由度数是对该系统进行定量描述的前提和基础。本文采用小波分析方法,将气固流化床中空隙率波动信号进行小波变换,以相空间重构和混沌分析理论为基础,通过G-P算法和Liangyuechao提出的方法计算空隙率波动信号小波系数的最小嵌套维,从而确定了气固流化床中空隙率波动信号的自由度数,并对两种确定最小嵌套维的方法进行了比较。     

小波包分析识别气液固三相流流型

气-液-固三相流化床因混合均匀、相间接触面积大、传热传质速率快且温度易于控制等优点在工业领域广泛应用,但气-液-固三相的流动复杂且难以测定。利用小波包分析方法,计算经4层小波分解后各个频带的能量占比,利用能量占比特征对气-液-固三相流的流型进行识别。实验结果表明,利用小波包多分辨的优点,可以有效提取气-液-固三相流的流型特征;利用小波包能量占比特征可以准确地识别气-液-固三相流流型,有效识别率达90.95%,可为封闭或浑浊体系中气-液-固三相流流型的判别提供借鉴。     

预提升气对循环流态化气力输送的影响

在循环流化床冷态模拟实验装置上,对预提升气在气力输送过程中的作用进行了研究,详细分析了气力输送中的压力平衡,考察了底部气体返混及操作流型对颗粒循环速率的影响,同时描绘了提升管预提升段内微观气固流动结构。实验结果表明,提升管底部通入预提升气可避免颗粒在床层底部的积累,增大颗粒向前输送的推动力,从而提高系统循环量。其中,喷嘴进料气体积流量的增加将加剧气体返混,底部气体内循环和局部涡流导致气流夹带增多,颗粒循环速率逐渐提高,一定程度上可削弱预提升气对循环量的影响;随预提升气体积流量的增加,底部气固流动结构由密相流态化为主向气力输送为主转变,瞬时颗粒浓度信号波动减弱,颗粒浓度显著降低。概率密度分析结果表明,预提升气体积流量的增大致使预提升段内气固两相分布相对更均匀,有利于气固相的混合及接触。     

进气喷嘴位置对循环流化床反应器循环量的影响

在高10.6m、内径100mm的循环流化床冷态模拟实验装置上研究了底部预提升气以及喷嘴进气量对循环流化床反应器循环量的影响,对比了3种不同喷嘴位置结构下系统循环量的变化情况以及提升管底部和喷嘴附近气固流动行为的差异,描述了预提升段内气体分布及流动结构。结果表明:预提升气和喷嘴进气是颗粒向上输送的重要推动力,随着喷嘴进气口高度的提高,预提升气对颗粒循环速率的作用效果愈加明显;对于喷嘴进气口位置最低的结构,其系统循环量、喷嘴附近颗粒浓度以及气固接触状况均优于其它结构;在提升管底部,气体多次形成逆流接触,内循环流动和局部涡流作用有效促进了颗粒沿径向混合,有利于颗粒循环量的提高。     

基于MECST气固相间曳力模型的气体-颗粒团聚物流动特性的数值研究

由颗粒非均匀流动结构中各个尺度内能量守恒的角度出发,建立了气固两相流系统的整体和局部参数与气固相间曳力的相互关系,提出了基于颗粒悬浮输送能量最小(MECST)气固相间曳力模型;并将其应用于欧拉-欧拉双流体模型中,数值模拟循环流化床提升管内气体-颗粒-颗粒团聚物的流动特性。考察了时均颗粒相密度和颗粒质量流率沿径向的分布;颗粒浓度、提升管压降沿轴向的分布以及颗粒团聚物在提升管内的分布特性。模拟结果表明,颗粒相密度、颗粒质量流率以及提升管压降与实验结果相吻合;与能量最小多尺度气固相间曳力模型的颗粒浓度和颗粒拟温度的结果相比,MECST气固相间曳力模型得到的颗粒浓度较低,从而使颗粒拟温度减小。     

双循环流化床提升管中气固流动特性及接触效率研究

以催化裂化平衡剂和常温空气为介质,在新型双循环流化床冷态模拟装置上,考察了单、双侧下料结构、双路循环颗粒循环速率比例对提升管内气固流动状态的影响,并提出了一种新的气固接触效率的定义。结果表明：单、双侧下料结构的不同对提升管内颗粒浓度的分布影响不大,其差异主要体现在提升管预提升区和底部反应区;双侧下料时的颗粒浓度径向分布均匀性明显优于单侧下料,且两路颗粒循环速率越接近,颗粒浓度径向分布越均匀,轴对称性越好,气固接触效率越高;降低表观气速或增大颗粒循环速率均有利于提高气固接触效率。     

用小波包变换广义回归神经网络法处理硝基苯胺异构体重叠紫外吸收光谱

开发了一种小波包变换广义回归神经网络(WPTGRNN)法,用于处理对硝基苯胺、邻硝基苯胺和间硝基苯胺重叠的紫外吸收光谱,达到不经预先化学分离进行同时测定的目的。WPTGRNN法结合小波包变换和广义回归神经网络(GRNN)的特点,改进除噪质量和预测能力。通过最佳化实验,选择了小波函数、小波包分解水平及GRNN的平滑因子。实验结果表明,WPTGRNN法的预测标准误差为1.08μg/mL,预测相对标准误差为4.20%,与小波变换广义回归神经网络、广义回归神经网络和主组分回归3种方法进行比较,WPTGRNN法优于其他3种方法。     

预提升对循环流化床反应器中气固流动特性的影响

以催化裂化平衡剂为固体介质、常温空气作为流化气体,在循环流化床冷态模拟试验装置上分别考察了表观气速、颗粒贮量、下料蝶阀开度、预提升气量等操作条件对循环流化床反应器催化剂循环速率的影响,并探讨了产生这种影响的原因;同时,深入研究了预提升出口位置对系统内催化剂循环速率、提升管底部轴向、径向颗粒浓度分布的影响,并描述了气固两相交汇点处的微观流动结构。结果表明:随着操作气速的升高,气、固相之间的相互作用增强,颗粒循环速率提高;伴床及蝶阀通过提供足够的压力支持提升管内的两相流动,增加颗粒贮量或减小蝶阀压降可有效提高颗粒循环量;通入预提升气可增大颗粒向前运动的推动力,避免颗粒发生坍落而沉积于床层底部;当伴床向提升管提供足够的颗粒循环速率时,预提升出口位置的提高破坏了颗粒的向下流动,迫使颗粒进入中心快速向上的气固流动区,从而改变气、固相交汇点处的流动结构;另外,不同预提升结构对颗粒浓度的影响有限,并未从根本上改变轴向、径向颗粒浓度的分布规律。     

基于格子Boltzmann方法颗粒团聚物曳力系数的数值模拟及应用研究

应用气固两相流动的格子Boltzmann-离散颗粒运动模型,气体流动采用格子Boltzmann方法的D2Q9模型,固体颗粒运动采用牛顿第二运动定律计算,壁面采用具有二阶计算精度的半步长反弹边界条件,数值模拟了循环流化床提升管内颗粒团聚物的运动过程。模拟结果表明,颗粒团聚物的气固相间曳力系数随颗粒团聚物的空隙率和雷诺数的增大而减小;拟合得到基于格子Boltzmann方法的气固相间曳力模型;采用基于格子Boltzmann方法的气固相间曳力模型的欧拉-欧拉双流体模型模拟循环流化床提升管内颗粒相密度和颗粒质量流量径向分布,模拟结果与实验结果很接近。     

提升管反应器不同喷嘴角度的气固流动特性研究

在大型循环流化床冷态模拟试验装置上对喷嘴与提升管竖直方向的不同夹角进行了考察。对3种不同夹角结构下的颗粒浓度轴径向分布、瞬时颗粒浓度信号以及概率密度进行了分析研究，结果表明：在预提升段和输送段3种结构并无明显差别，颗粒浓度以及瞬时信号波动的差别主要集中在喷嘴上方附近区域；相比于传统等径提升管而言，变径提升管内床层固含率增加，颗粒浓度分布更加均匀，颗粒浓度梯度减小，有利于气固两相的混合与接触；在变径提升管内，随着喷嘴角度的增大，气体在整个截面上的扩散速度增加，径向分布更加均匀，气固分离现象得到了有效抑制，气固湍动剧烈，接触效率较高。     

混沌优化神经网络方法及其在地震多属性研究中的应用

针对传统的基于梯度下降法BP神经网络中存在非线性多极值目标函数易陷于局部最优解的问题,提出了一种权值学习混沌优化的神经网络方法。非线性动力系统具有初值敏感性、遍历性的特性,采用基于混沌和梯度反传训练相结合来训练网络,可以使网络的连接权在不断迭代过程中自适应演化。实际过井地震剖面地震多属性研究实践表明,所提出的混沌优化学习方法可以克服传统方法的不足,提高预测能力。     

滑动时窗子波提取方法及应用研究

在合成记录制作中,通常采用零相位或者最小相位子波,忽略了子波真实的相位信息,而实际上相位信息在合成记录中有着极其重要的作用,在此基础上,提出了一个子波相位计算的简便方法。文中详细讨论了滑动时窗平均子波提取方法,即在不同时窗内利用井资料和地震数据提取子波,然后将提取的多个子波平均得到一个新的子波,这个子波的特性比单个子波好,而且对于减小测井或地震带来的误差有着积极的作用。将该方法运用到辽河油田某区块的研究中,完成了层位的精细标定,为后续的储层预测打下了坚实的基础。     

基于小波变换和LSSVM-DE的天然气日负荷组合预测模型

为了提高天然气短期负荷的预测精度,提出了基于小波变换和LSSVM-DE(Least Squares Support Vector MachineDifferential Evolution)的天然气日负荷组合预测模型,首先,采用Mallat快速算法对天然气日负荷实际采集数据样本时间序列进行小波分解;其次,对分解出来的高频分量和低频分量分别建立LSSVM预测模型,各分量的模型参数分别采用DE进行优化,以期得到更准确的预测结果;最后,分别对各分量的预测结果进行小波重构。以某市实际采集的样本数据为例,并将重构结果与单独应用LSSVM预测模型及ANN(Artificial Neural Networks)预测模型进行对比分析。结果表明:小波变换和LSSVM-DE预测模型的预测精度分别比单独应用LS-SVM和ANN预测模型高出1.662%、1.14%、3.96%、2.99%、15.53%和1.942%、1.01%、3.07%、1.86%、12.26%。该结论预示着将小波变换和LSSVM-DE理论相结合对天然气日负荷时间序列进行预测是一种行之有效的方法。     

基于谱模拟技术的混合相位地震子波估计方法

针对现有的地震子波振幅谱模型的不足提出了新的振幅谱模型及其估计方法。介绍了子波的Z变换在单位园上无零点和子波自相关函数已知的条件下混合相位地震子波估计的方法原理和判别准则,并在此基础上提出了基于地震子波振幅谱模拟技术的混合相位地震子波估计方法。合成和实际数据处理结果均表明,基于地震子波振幅谱模拟技术的混合相位地震子波估计方法具有较好的性能。     

基于负熵的地震盲反褶积方法及其应用

讨论了基于负熵的地震盲反褶积方法。盲反褶积方法不需要以最小相位子波和高斯白噪反射系数为基本假设,通过高斯混合模型模拟反射系数序列中的强反射信息（地质目标体）和弱反射信息（隐蔽性油气藏）,基于负熵的非高斯性判据定义盲反褶积目标函数,应用期望最大化算法求解模型参数的最优估计,最终得到与原始反射系数相似程度很高的非高斯反射系数。选用不同相位子波和非高斯反射系数模型对方法进行了验证,并与维纳脉冲反褶积进行了比较,结果表明,算法适应非最小相位、非高斯系统。将方法应用于实际地震数据处理,地震记录的频带被有效拓宽,地震资料的分辨率得到提高。     

基于谱分解的薄层预测方法

本文基于复信号的瞬时特征,实现了基于雷克子波的两步匹配追踪（Matching Pursuit,MP）算法。借助三层双界面反射系数模型推导了地震信号偶分量的峰值频率与薄层厚度的一一对应关系,结合时频分辨率较高的MP分解,提出了利用反射系数序列的奇、偶分解原理求取薄层厚度的新方法：地震记录在地震子波为零相位时关于某时窗中心的奇、偶分量,相当于对应反射系数关于该时窗中心的奇、偶分解与子波的褶积结果;在子波主频确定的情况下,偶分量峰值频率和层厚之间关系,不再受限于薄层反射系数因素的制约,两者之间满足一一对应关系;通过MP分解得到偶分量峰值频率,代入峰值频率—薄层厚度关系曲线模板即可估算薄层厚度。模型试算验证了方法的可行性。     

最大熵子波反褶积

最大熵子波反褶积是建立在最大熵反褶积的基础上。最大熵反褶积的优点在于不需要求子波的自相关值和期望输出与子波的互相关值,即不需要解托布里兹方程组求出反滤波因子,而只要求出各i阶偏相关系数ρ_i(i=1,…,M)就可由数据直接递推地求出第M阶向前预测误差和向后预测误差。这种作法可以避免在数据时窗外用补零的办法求相关值而带来的误差。最大熵反褶积是在地震子波为最小相位条件下进行的,其向前预测误差就等于反射系数序列。最大熵子波反褶积与最大熵反褶积的不同点在于,该方法将所得反射系数序列作为初值,用此反射系数序列与地震记录作相关提取单道子波,再采用多道统计平均法求取最终子波。为使其最小相位化,对最终子波要进行整形,然后再作子波反褶积。经模型试验与实际资料处理表明,该方法效果良好。     

应用傅里叶尺度变换提高地震资料分辨率

针对叠后地震资料,本文提出利用傅里叶尺度变换进行提高分辨率的处理方法。由傅里叶尺度变换的性质可知,地震子波在时间域的压缩等于在频率域内频谱向高频端移动,反之亦然。因此,可利用傅里叶尺度变换性质对估算出的地震子波进行变换,得到更高频率的地震子波,再利用反演得到的滤波因子实现对地震资料的提高分辨率处理。该方法假设地震资料的反射系数序列是含白噪随机序列,地震子波具有零相位特性,且根据地震数据的信噪比估算合适尺度变换因子,再做拓频处理。模型数据测试和实际资料应用的结果均证实本文方法可有效提高地震资料分辨率,尤其适用于薄互层类储层的反演和预测,是一种简便实用的高分辨率地震数据处理方法。     

小波神经网络的油田开发动态指标预测方法

针对现存油田开发动态指标预测方法的不足,借助小波神经网络思想、原理,本文构造了小波神经网络油田开发动态指标预测模型,研究了模型的求解,并应用于实际油田开发动态指标的预测中。实例分析表明,提出的小波神经网络的油田开发动态指标的预测方法是正确和可行的。与人工神经网络的预测方法相比,小波神经网络的预测方法不仅能有效地提高预测精度,而且能提高收敛速度,可作为油田开发动态指标预测的替代方法。     

基于联合小波域深度学习的地震数据规则化方法

数据规则化是地震资料处理的关键步骤之一，基于物理建模的传统方法计算量大且不具备广泛适用性。当前基于卷积神经网络的地震数据规则化方法通常局限在时域，尤其在低采样率条件下，重建数据过于平滑，纹理细节信息损失严重。小波分析具有多尺度、多方向的特性，更适于表示二维数据的纹理特性，可以聚焦地震数据信号的细节信息。为此，提出一种联合小波域的卷积神经网络模型，学习地震数据在时域与小波域的联合分布特征以逼近实际数据，将不规则地震数据重建问题转化为在卷积神经网络框架下各尺度不同方向分量的小波系数预测，重建规则化的地震数据；构建时域与小波域的联合损失函数，结合地震数据的整体分布和局部细节特征，约束网络模型，通过修正联合损失函数的权重调整卷积神经网络学习的注意力，提高重建地震数据信噪比。实验结果表明，与其他方法对比，该方法细节保持效果更好，对地震数据缺失位置不敏感，更具鲁棒性。