天然气稳定碳同位素反应动力学研究――关于干燥、开放热解实验中的思考

在开放、变温热解实验中,对三个碳酸盐岩样品进行了在线特定化合物C/~(12) 稳定同位素分析,其中三个样品分别取自德国西北(石炭系Westphalian煤岩,I_H=286 mgHC/gTOC,R_o=0.72％)、西西伯利亚(白垩系Cenomanian页岩,I_H=192mgHC/gTOC,R_o=0.36％)和马来西亚(三叠系Miocene煤岩,I_H=190mgHC/gTOC,R_o=0.36％)。主要研究对象为甲烷、乙烷和丙烷+丙烯,测得的热解产物碳同位素值分布在热成因天然气范围内(―20‰～―40‰)。热解产物表现出随着热模拟温度升高,一般富集~(13)C,然而,甲烷碳同位素在某些温度段表现出倒转现象。在实验数据分析基础上,利用平行一级反应和Arrhenius温度方程得出反应动力学参数,将Westphalian煤岩得到的动力学参数应用到地热演化史中建立德国西北盆地气藏中天然气生成与聚集过程中组份和同位素组成变化模型。热模拟甲烷计算获得的碳同位素值表现出与德国西北天然气田的碳同位素特征一致。同位素反应动力学结合区域热演化史能有效地解释在天然气聚集过程中同位素组成变化特征。研究结果表明,虽然热解实验与地...     

利用干酪根H/C比评价烃源岩热成熟度与生烃潜力

在近几年来,人们倾向于利用Rock-Eval热解法的氢指数来评价烃源岩,而忽略了用干酪根H/C比值评价烃源岩的优点.Rock-Eval热解法能快速、廉价、定量(mgHC/g岩石)地给出岩石中干酪根的热解数据.由于在数据分布上的普遍分散性,一般人们认为Rock-Eval热解法对烃源岩评价是一种筛选评价.描述了在烃源岩评价中应用H/C比值的优点,并确定了H/C比值与热成熟度、有机质转化率和排油量之间新的相关性.热解干酪根的H/C比值与Ⅰ型、Ⅱ型干酪根的热转化率程度存在一定的相关性.定量计算的氢和碳损失与加水热解实验中的损失具有很好的一致性,表明干酪根H/C比值可作为干酪根端元热成熟度的一个好的指标.如果现在和原始H/C比值确定,那么这些数据同时也为评价有机质转化率提供了一种新的方法.现在H/C比值可通过微相有机质分析测试.对于生油源岩,Ⅰ型未熟干酪根的H/C比值为1.35～1.50,Ⅱ型H/C比值为1.20～1.35.在加热水解实验中,油的排出量与H/C比值之间的相关性可为勘探工作者提供一种快速评价油的排出量的方法.依据加水热解实验、测试的H/C比值和计算的原始TOC(总有机碳)对Williston盆地(Bakken页岩)、Los Angeles盆地(Nodular页岩)和Illionis盆地(New Albany页岩)的成熟烃源岩进行了初步体积估算,其结果于已发表的该盆地油的评价值非常吻合.     

油气井注采压力系统分析软件——IPSA

IPSA(Injection and Production System Analysis)是在消化吸收了国际上较先进的SSI产品WPM之后,结合国内的节点分析技术,经过三年的努力,成功地在微机上开发的软件包。该软件不仅可以对不同类型的油藏、气藏进行产能预测分析,还可以对不同类型的井进行工作制度的优化,以及对各种参数进行敏感性分析,是提高油田开发、开采效果的得力工具。     

基于优化子目标数的Option-Critic算法

时间抽象是分层强化学习中的重要研究方向,而子目标是时间抽象形成的核心元素.目前,大部分分层强化学习需要人工给出子目标或设定子目标数量.然而,在很多情况下,这不仅需要大量的人工干预,而且所作设定未必适合对应场景,在动态环境未知的指导下,这一问题尤为突出.针对此,提出基于优化子目标数的Option-Critic算法(Option-Critic algorithm based on Sub-goal Quantity Optimization,OC-SQO),增加了智能体对环境的探索部分,通过与环境的简单交互,得到适用于应用场景的初始子目标数量估值,并在此基础上识别子目标,然后利用通过策略梯度生成对应的抽象,使用初态、内部策略和终止函数构成的三元组表示,以此进行训练,根据交互得到的抽象改变当前状态,不断迭代优化.OC-SQO算法可以在任意状态下开始执行,不要求预先指定子目标和参数,在执行过程中使用策略梯度生成内部策略、抽象间策略和终止函数,不需要提供内部奖赏信号,也无需获取子目标的情况,尽可能地减少了人工干预.实验验证了算法的有效性.     

基于Redis存储技术的C#通信接收模块设计与实现

Redis数据库可以实现基于内存的键值数据存储,C#下能够使用TCP/IP网络Sockets套接字进行通信,在Windows操作系统中以服务的形式来实现不必要与用户频繁交互但需要在后台长期运行的应用程序。本文根据对相关技术的研究设计并实现了基于Redis存储技术的C#通信接收模块。     

基于情节经验回放的深度确定性策略梯度方法

强化学习中的连续控制问题一直是近年来的研究热点.深度确定性策略梯度(Deep Deterministic Policy Gradients,DDPG)算法在连续控制任务中表现优异.DDPG算法利用经验回放机制训练网络模型,为了进一步提高经验回放机制在DDPG算法中的效率,将情节累积回报作为样本分类依据,提出一种基于情节经验回放的深度确定性策略梯度(Deep Determinis-tic Policy Gradient with Episode Experience Replay,EER-DDPG)方法.首先,将经验样本以情节为单位进行存储,根据情节累积回报大小使用两个经验缓冲池分类存储.然后,在网络模型训练阶段着重对累积回报较大的样本进行采样,以提升训练质量.在连续控制任务中对该方法进行实验验证,并与采取随机采样的DDPG方法、置信区域策略优化(Trust Region Policy Op-timization,TRPO)方法以及近端策略优化(Proximal Policy Optimization,PPO)方法进行比较.实验结果表明,EER-DDPG方法有更好的性能表现.     

三层级设计理念在HSE体系建设中的应用

中国石油天然气集团公司白2007年推广应用健康、安全与环境管理体系（以下简称HSE体系）以来,大部分所属企业在HSE管理方面取得了卓越成效,健康、安全、环保形势持续好转。但也有部分企业在体系运行上不尽人意。     

强化学习算法研究

针对智能Agent运动中普遍存在的避障问题,结合强化学习具有的试错和环境交互获得在莱状态下选择动作的策略以及无导师在线学习等特性.在介绍强化学习的原理、分类以及主要算法(TD(λ)、Q_learning、Dyna,Prioritized Sweeping、Sarsa)的基础上,对TS(λ)、Q_learning的算法进行分析,并将其应用到实验中.实验结果表明,强化学习中的TS(λ)、Q_learning等算法在不同情况下都能高效地解决避障等问题.     

基于．NET的浸润剂生产管理系统的设计与实现

浸润剂生产管理系统主要实现浸润剂生产车间的原料储备、复杂配方管理、产品质量分析、车间事件查询、报表打印等功能,为提高工艺提供详细的数据分析,为事件发生提供详细的报警数据.结合工程实践,阐述在.NET 平台下开发企业管理软件设计模式、数据库访问技术、复杂配方管理及系统安全的相关问题,对企业管理软件开发具有一定的参考价值.