桩西油田桩45-1块周期注水实践与认识

桩西油田桩45—1块储层非均质性严重，长期强注强采，油层高渗透带形成大孔道，造成注水开发效果差、产量递减大。通过数值模拟研究，对周期注水的不同注水方式、周期、注水量波动幅度等参数进行优化，在该块进行周期注水实践，提高了注水波及体积，抑制了单元含水的上升，提高了单元采收率，取得了较好的注水开发效果。     

高压异常与油气成藏关系浅析

桩西地区深层油气资源较丰富且普遍存在高压异常。产生高压异常的主要原因是盆地的快速沉降与沉积物渗透率的不均衡性造成垂向压实不平衡引起岩石压力增加;构造作用引起的压力增加;高温高压条件下,重烃裂解成气形成高压。高压异常在深层油气藏的形成过程中起着极其重要的作用:①改善了深层砂体的储集性能;②上覆超压带对下伏油气藏具有良好的封闭保存作用;③适宜的条件下为油气运移提供了动力。     

改进的Libra区域卷积神经网络的脑动脉狭窄影像学检测算法

针对断层面上血管的多形性和检测过程中出现的采样不均衡的问题,提出一种改进的Libra区域卷积神经网络（R-CNN）的脑动脉狭窄影像学检测算法,用于检测计算机断层扫描血管造影（CTA）图像的颈内动脉和椎动脉狭窄。首先,在目标检测网络Libra R-CNN中以ResNet50为骨干网络,并分别在骨干网络的3、4、5阶段引入可变卷积网络（DCN）,通过学习偏移量提取血管在不同断层面的形态特征;然后,将从骨干网络中提取的特征图输入至引入非局部神经网络（Non-local NN）的平衡特征金字塔（BFP）中进行更深度的特征融合;最后,将融合后的特征图输入至级联检测器,并通过提高交并比（IoU）阈值优化最终检测结果。实验结果表明,改进的Libra R-CNN检测算法相比Libra R-CNN算法,在脑动脉CTA数据集中平均准确率（AP）、AP₅₀、AP₇₅和AP_S分别提升了4.3、1.3、6.9和4.0个百分点;在公开的结肠息肉CT数据集中,AP、AP₅₀、AP₇₅和AP_S分别提升了6.6、3.6、13.0和6.4个百分点。通过在Libra R-CNN的骨干网络中加入DCN、Non-local NN和级联检测器,进一步融合特征从而学习脑动脉血管结构的语义信息,使得狭窄区域检测结果更精确,且改进算法在不同的检测任务中具有泛化能力。