江苏油田地理信息系统的设计与实现

江苏油田经过几十年发展,积累了大量历史数据。为有效利用、管理这些数据,使之为生产决策服务,该文借助开源软件MapGuide搭建油田网络地理信息系统平台。系统集空间数据、生产数据、影像数据于一体,通过FDO实现MapGuide与数据库的连接,并对影像进行分片处理,加快访问速度,实现油田信息共享、信息可视化查询分析、地图管理等功能,实验表明了该系统的有效性。     

虚拟现实语言X3D在晶体结构建模中的应用

X3D是基于可扩展标记语言(XML)的新一代虚拟现实造型语言,可在Internet网络提供独立、动态可交互性3D场景。本文首先介绍了X3D的发展历史及其相关软件,然后从晶体结构和X3D语言的特点出发,对X3D语言在三维晶体结构建模上的设计原则进行了初步归纳,并通过两种常用晶体结构表现模式:球杆模型和配位多面体模型的X3D建立实例,探讨了设计原则在晶体结构模型的应用。     

有杆抽油系统故障诊断的人工神经网络方法

将人工神经网络用于有杆抽油系统故障的自动识别.对江苏油田的实测示功图数据进行了预处理,利用Matlab6.5进行编程,应用相同的数据对BP神经网络模型和自组织竞争神经网络模型的识别效率进行了对比.结果表明,由自组织竞争神经网络建立的模型对测试数据的正确识别率更高,识别效果稳定.因此,将自组织竞争神经网络应用于示功图的自动识别问题对实现有杆抽油系统故障诊断的自动化以及实现真正意义上的数字油田提供了一种有效途径.     

利用ASP技术实现文件上载

文件上载是Web服务器提供的一项非常有用的功能。结合远程网络教育系统的设计和实现,研究了基于HTTP的文件上载的基本原理,着重讨论了以ASP技术实现文件上载的具体方法。     

基于自组织竞争人工神经网络的抽油系统故障诊断

抽油系统的故障诊断技术一直是采油工程的一个重要研究课题。本文将自组织竞争神经网络应用于抽油系统的故障诊断中来实现示功图的自动聚类。自组织竞争神经网络具有良好的可训练性和分类能力，理想的泛化性能，是一种快速有效的分类方法，可用于抽油系统故障的实时诊断。     

采用面向对象方法研制地层伤害模拟软件

地层伤害模拟是石油应用软件开发中的一个较为活跃的领域,目前软件开发普遍采用的功能分解法、数据流法不利于对问题域的理解,程序设计人员和地质专家不便于交流,而且软件复用性差。本文提出了一种新的思路:运用面向对象(object-orientation,简称OO)的方法来研制地层伤害模拟软件,即用对象来表示模拟中的相关的各类地质实体。地质实体的各种性质和遵循的各种规律看作是对象的属性和服务,地质实体之间的相互作用可以用消息连接来实现,从而形成一个有机的整体。      

神经网络专家系统在预测单井日产量上的应用研究

本文全面论述了神经网络专家系统及其开发步骤,并利用所开发出的神经网络专家系统,以胜利樊家油田10口已知油井的储层参数和原油参数及单井日产量为学习样本,成功地预测了2口预测井的单井日产量。说明利用神经网络专家系统可以克服常规的统计方法和模糊方法无法正确确定各参数隶属度及权重分配的缺点,并指出通过神经网络专家系统进行油田预测的准确、快速及有效性。      

褶皱—冲断体系双层滑脱构造变形物理模拟实验

褶皱冲断带是造山带—前陆盆地系统的重要组成部分,滑脱层在其形成和发展过程中起了显著作用。应用物理模拟实验方法,在模型中设置2套滑脱层,并改变其厚度和位置,研究了褶皱冲断带的几何学和运动学特征。实验结果表明,在双滑脱层褶皱冲断带中,主要形成自底部滑脱层向上传播的正向逆冲断层,断层以前展式发展,岩层在上部滑脱层以上弯曲形成断层相关褶皱。当2个滑脱层距离相近时,作为一个整体对断层起控制作用,形成的正向逆冲断层数目少,有利于反向逆冲断层形成;与2个滑脱层距离较远时,下部滑脱层对逆冲断层起主要控制作用,形成较多的正向逆冲断层和较少的反向逆冲断层。      

褐煤旋风渣膜气化特性

在自主搭建的小型规模旋风渣膜煤气化装置上,开展了对褐煤气化特性的实验研究,重点研究了气化炉负荷、一次风氛围、氧煤比以及蒸汽煤比对粗煤气中有效组分含量、碳转化率以及冷煤气效率的影响.研究表明,随着气化炉运行负荷的增加,粗煤气中有效组分含量、碳转化率以及冷煤气效率均先增加后趋于稳定;用CO_2+O_2送粉相比于用空气送粉,粗煤气中有效组分含量增加、碳转化率以及冷煤气效率升高;随着氧煤比的增大,粗煤气中CO含量和冷煤气效率先增加后减少,当氧煤比为0.9时两者均达到最大值;随着蒸汽煤比的增加,粗煤气中CO含量、碳转化率、冷煤气效率均逐步减少.     

神经网络专家系统在预测石油可采储量上的应用——以胜利樊家油区为例

影响石油可采储量的因素是多种多样的,很难用一简单的表达式来描述两者之间的关系。神经网络专家系统为解决这一问题提供了新途径。具体过程为（１）选取储层参数（累积厚度、温度、有效孔隙度、有效渗透率、压力）和原油参数（含油饱和度、地下原油粘度和密度）等８个参数作为特征参数;（２）将参数进行标准化和归一化处理;（３）以樊家油田８个已知采油区作为学习样本对网络进行训练;（４）运用已训练好的神经网络专家系统对未知油区进行预测。预测结果与实际情况吻合很好,误差都在允许范围之内。