水平筛管井不动管柱原位改造技术探索及实践

针对井型数量占比较大的水平筛管井存在井眼轨迹易偏离优质储层、完井方式极大限制了增产措施工艺的实施2方面技术问题，在岩石扩容储层改造技术成功应用的基础上，通过暂堵、酸化、表活剂反向驱油等工艺优化组合，形成了水平筛管井不动管柱原位改造技术。技术优选油溶性改性树脂类暂堵剂，实现耐温和耐酸条件下体系的暂堵及自动解堵；研发了溶泥、溶钙的强溶蚀配套酸液；采用岩石扩容技术工艺，实现十几米至几十米井段的储层改造；采用活性纳米渗析表活剂作为扩容液，在耐温和耐盐条件下达到降低油水界面张力反向驱油及促进残液返排的目的。配套技术在E-A9H井进行了矿场试验，试验结果显示，该技术有效改善了水平段储层物性，改造半径达19.3 m,扩容区渗透率从83.2 mD提高至808.0 mD,增产效果显著。研究结果可为解决不动管柱条件下水平筛管井储层改造这一难题提供创新思路。     

化学堵水在海上油田的应用与发展

结合化学堵水发展现状和海上油田开发生产特点，基于海上油田稳油控水的需求与实践，剖析海上油田化学控堵水技术发展缓慢的原因及其对油田高效开发的重要意义，并提出技术发展建议。     

基于图像处理和深度学习的膜片缺陷检测

针对膜片在生产的过程中，由于原材料和工艺的问题总会产生表面缺陷，而通过人为检测的效率低、成本较高的问题，提出传统图像处理和深度学习相结合的方式进行缺陷检测。首先通过图像处理使缺陷特征更为突出，得到去除复杂背景、特征更加明显的新样本，然后将图像和标签送入深度学习网络中进行训练，同时依据缺陷特征修改模型参数得到收敛模型，最后得出检测结果。实验结果表明，提出的检测方法能够有效分割出各种情况下的缺陷，准确率达到98.13%,且在检测速度上有所提升。     

二进制哈里斯鹰优化及其特征选择算法

针对哈里斯鹰优化(Harris Hawk Optimization, HHO)算法在探索阶段仅使用随机策略初始种群，致使种群多样性下降，控制开发和探索过程中的线性变化的逃逸能量，在迭代后期易陷入局部最优等问题，提出了二进制HHO及其元启发式特征选择算法。首先，在探索阶段引入Sine映射函数，初始化哈里斯鹰种群位置，运用自适应调整算子来改变HHO搜索范围，并更新HHO的种群位置。其次，利用对数惯性权重改进逃逸能量的更新公式，将迭代次数引入跳跃距离中，使用步长调整参数调整HHO的搜索距离，进而平衡探索与开发能力；在此基础上设计了改进的HHO算法，避免HHO算法陷入局部最优。然后，引入S型和V型传递函数，更新改进的HHO算法的二进制位置和种群位置，设计了两种二进制的改进HHO算法。最后，使用适应度函数评估特征子集，并将二进制改进HHO算法与适应度函数相结合，提出了两种基于二进制的改进HHO元启发式特征选择算法。在10个基准函数和17个公共数据集上的实验结果表明，4种优化策略在10个基准函数上有效提升了HHO算法的优化性能，改进的HHO算法明显优于对比的其他优化算法；在12个UCI数据集和5个...     

目标追踪算法在岩石表面变形测量中的实现与应用

变形测量是岩石力学理论研究和工程实践的基础，数字图像相关算法在岩石变形测量中得到了广泛的应用，但在实际应用中存在位移云图边缘检测收敛性差、定量刻画参数少等问题。基于此，将目标追踪方法引入到岩石变形测量领域，提出基于目标追踪算法的岩石表面变形测量方法，该方法通过Harris角点检测，获取图像中关键特征点的位置，之后采用KLT算法计算出跟踪点在变形后图像中所对应的位置，从而确定岩石表面的全场位移。为验证算法的可靠性，开展室内岩石剪切试验，对比分析目标追踪算法和数字图像相关算法的试验结果。研究结果表明：目标追踪算法能够实现岩石表面的非接触位移测量，相比数字图像相关算法，精度和稳定性有一定提升。目标追踪算法解决了数字图像相关算法在岩石边缘处变形量计算不收敛、稳定性差等问题，真正实现了在可计算范围内全场位移量的拾取。提出利用信息熵来定量刻画岩石破坏过程变形场的演化特征，有助于更全面、更准确地分析岩石在各种复杂外载荷作用下的力学行为。所提出的一种新的岩石表面变形场测量方法，为可视化研究岩石表面变形演化规律及损伤特征提供有效的技术手段，同时也为岩土工程领域非接触变形测量提供一定借鉴。     

乳酸链球菌素和迷迭香提取物对调理切片羊肉保鲜效果研究

为研究乳酸链球菌素（Nisin）和迷迭香提取物（rosemary extract,RE）对调理切片羊肉保鲜效果的影响，本实验设置了对照组、真空包装组、Nisin(0.1、0.3、0.5 g/kg Nisin)、RE(0.1、0.2、0.3g/kg RE)8种处理方式，分析不同处理的调理切片羊肉在冷藏过程中感官评价、色差值、pH、TVB-N含量、TBARS值和羰基含量等品质指标变化。结果表明：不同处理方式对调理切片羊肉的色差值影响较小；0.3g/kg RE处理组相较于其他处理组（除真空包装处理组外）有较高的感官评分（P <0.05）和较低TBARS值（P <0.05）及羰基含量（P <0.05）;0.5 g/kg Nisin处理组的TVB-N含量最低（P <0.05）,0.3 g/kg Nisin和0.3 g/kg RE处理组次之。综上，0.3 g/kg RE处理组调理切片羊肉能够在冷藏过程中保持较高的氧化稳定性和较好的新鲜度。     

结合人工蜂群与K-means聚类的特征选择

K-means聚类是一种简捷高效、收敛速度快且易于实现的统计分析方法，但是传统的K-means聚类算法对初始聚类中心的选取敏感且易陷入局部最优，同时多数无监督特征选择算法容易忽视特征之间的联系。为此，提出了一种结合人工蜂群与K-means聚类的特征选择方法。首先，为了使同一簇中样本的相似度高而不同簇中样本的相似度低，基于簇内聚集度和簇间离散度构建了新的适应度函数，更好地反映各样本的特性，进而构建了蜜源被选择新的概率表达式；其次，设计了随着迭代次数的增加而数值逐渐减小的权重，提出了使蜂群搜索范围动态缩进的蜜源位置更新表达式；然后，为了弥补传统的欧氏距离在计算距离时仅考虑向量之间的累积差异而表现出的局限性，构造了同时考虑样本影响程度不同以及样本的相似性的加权欧氏距离表达式；最后，引入标准差和距离相关系数，定义了特征区分度与特征代表性，以二者之积度量特征重要性。实验结果表明，所提算法加快了人工蜂群算法的收敛速度并提高了K-means算法的聚类效果，同时也有效地提升了特征选择的分类效果。     

基于灰狼算法的局部放电信号快速自动降噪算法

局部放电是电网稳定运行的隐患，有必要对电缆、电气设备的局部放电(PD)进行实时、准确的分布式在线监测。为了解决传统PD信号降噪算法中降噪效果较差、占用算力资源较多、降噪速度较慢、自适应性较差等问题，提出了一种基于灰狼算法优化变分模态分解(GWO-VMD)的PD信号降噪算法。该算法首先利用灰狼优化算法(GWO)自适应选取VMD分解参数k和α获得分解后各模态分量；然后根据最小包络熵选择并重构模态分量；最后利用自适应阈值小波函数对分解重构得到的PD信号进行处理，实现了对PD信号快速有效的自适应降噪。本文对理论PD信号和实测PD信号进行仿真降噪处理，实验结果表明所提GWO-VMD算法在降噪效果、算力资源利用率和降噪速度上有明显提升，可为基于电力物联技术的局部放电在线监测系统边缘计算优化设计提供有益参考。