延长油田某联合站污水处理药剂效果评价与筛选

延长油田经过多年的开发,目前已进入高含水期,产出液含水高,油田采出水作为注水水源处理后回注,而部分联合站采出水处理过程中药剂种类不合理,投加方式单一,加药效果不理想,难以满足低渗透油藏注水水质要求。为实现水质达标和降低水处理成本,对该站药剂进行了评价和筛选,调整药剂浓度以及投加方式。根据实验结果筛选满足技术要求的药剂:絮凝剂50 mg/L、有机助凝剂2 mg/L、缓蚀剂60 mg/L、杀菌剂80 mg/L、阻垢剂60 mg/L以及合理的加药方式。     

75%肟菌酯·戊唑醇WG高效液相色谱分析方法

[目的]建立一种利用HPLC测定75%肟菌酯·戊唑醇WG中有效成分的分析方法。[方法]采用Zorbax EcLipse XDB-C18不锈钢柱,以乙腈-水(体积比60∶40)为流动相,在波长220 nm条件下测定试样中肟菌酯和戊唑醇的含量。[结果 ]戊唑醇和肟菌酯的线性相关系数均为0.9999,标准偏差分别为0.093和0.109,变异系数分别为0.19%和0.43%,方法的平均回收率分别为100.17%和100.37%。[结论]该方法具有操作简便、分离效果好、线性关系良好、准确度和精密度高等优点,适用于制剂中肟菌酯和戊唑醇的定量分析。     

汽车衡地感线圈改红外控制尝试

正1基本情况近年来,汽车衡无人值守系统已成为水泥行业发运系统的发展趋势,我公司的汽车衡无人值守系统,自投运以来运行较为正常,近期由于道路路面逐渐被重载车辆轧坏,导致埋在地面下的地感线圈损坏,多是被挤断或磨烂遇水短路,我们临时处理后用不了几天又被破坏,如果想彻底处理必须重新做路面重埋线圈,这样至少需要停用一个月,所以我们被迫探索采取其它的办法来解决这个问题。2地感线圈的工作原理及改造     

土耳其盐穴地下储气库大井眼钻井技术

土耳其Tuz G?lü盐矿区拟建造地下天然气储气库,存在2个可能性风险:矿床实际深度与原计划钻探深度的偏离;钻井与建腔过程中侵出CO2气体,因此该气库建造存在一定的地质及工程风险。为加快该项目进展,满足盐穴储气库钻井要求,通过优化方案采用国内没有应用过的生产套管大尺寸井眼井身结构,采用液压扩孔器扩眼,并形成钻井配套技术。文中从井身结构、钻头优选及螺杆钻具应用、钻井液体系优选、固井以及钻探效果等方面,阐述Tuz G?lü天然气地下储气库钻井技术。通过实施,有效降低了钻井事故复杂时率、缩短钻井周期,机械钻速得到提高,取得了显著的经济效益。     

论述建筑工程新材料的应用及其质量控制

随着社会发展速度的不断加快,建筑行业也开始迅猛的发展。在建筑工程中,材料是不可缺少的重要元素之一,材料的质量决定着建筑工程的总体质量。近些年来,在国家大力倡导环保政策的实施下,各种新兴建筑材料开始逐渐的出现在市场上,为了能够在保证建筑质量的前提下,确保建筑工程的环保性,避免对人们的身体健康造成威胁,对新材料加以应用确保其质量是建筑行业发展的必要举措。     

显隐信息协同的多视角极限学习模糊系统

多视角数据正在越来越多地应用于各种建模任务,但当前的多视角模糊系统建模方法,主要集中于实现各个显性视角的合作,还未能充分探讨和利用各视角间共享的隐信息。针对此,对如何引入各个显性视角共享的隐空间信息来实现显隐视角协同的模糊系统建模进行了研究。具体地,基于岭回归极限学习模糊系统(ridge regression extreme learning fuzzy system,RR-EL-FS)模型,引入隐空间信息实现显隐视角协同学习来对RR-EL-FS进行学习,最终开发出具有显隐视角协同功能的岭回归极限学习模糊系统预测模型(ridgeregression extreme learning fuzzy system with cooperation between visible and hidden views,RR-EL-FS-CVH)。该方法较之以往相关的多视角建模方法能更好地利用隐空间的有效信息,从而能够进一步提高受训模型的泛化性能。大量的实验结果亦验证了所提方法的有效性。     

MTO装置泵用密封冲洗方案的选用

介绍了API682标准的应用范围以及密封系列、型式和布置方式,并介绍了MTO装置泵用密封冲洗方案的选用过程。     

改进HSR-FCN的服装图像识别分类算法研究

目前网络上的服装图像数量增长迅猛，对于大量服装图像实现智能分类的需求日益增加。将基于区域的全卷积网络（Region-Based Fully Convolutional Networks，R-FCN）引入到服装图像识别中，针对服装图像分类中网络训练时间长、形变服装图像识别率低的问题，提出一种新颖的改进框架HSR-FCN。新框架将R-FCN中的区域建议网络和HyperNet网络相融合，改变图片特征学习方式，使得HSR-FCN可以在更短的训练时间内达到更高的准确率。在模型中引入了空间转换网络，对输入服装图像和特征图进行了空间变换及对齐，加强了对多角度服装和形变服装的特征学习。实验结果表明，改进后的HSR-FCN模型有效地加强了对形变服装图像的学习，且在训练时间更短的情况下，比原来的网络模型R-FCN平均准确率提高了大约3个百分点，达到96.69%。