基于区块链技术的扶贫系统的设计与实现

在实际业务需求的基础上设计以区块链作为底层架构的精准扶贫系统平台,完成系统的需求分析、总体设计、详细设计以及编码测试。通过智能合约完成对区块链数据的增删改查,Java后台向下调用平台提供的RPC接口,完成对智能合约方法的调用,向上为扶贫机构等提供restful接口,方便系统成员使用区块链平台。为了提供系统的安全性,从多个方面提出解决方案。     

关于企业信息化建设的探讨

本文主要介绍了企业信息化的概念、意义、内容和发展的主要阶段．     

填充聚四氟乙烯活塞环在空气锤上的应用

聚四氟乙烯是一种新型的热塑性塑料,具有极为优异的化学稳定性、很高的热稳定性,可在-200～+250℃范围内使用。此外,它还具有优良的解电性能和抗老化性能。对于机床来说,最有吸引力的是它具有极低的摩擦系     

抽头式折叠线SIR带通滤波器设计

提出一种以抽头线方式输入信号的折叠线阶梯阻抗谐振器(SIR),应用低温共烧陶瓷(LTCC)叠层技术实现,可获得大的电容值,缩短谐振腔的长度,实现小型化。分析了输入线抽头的位置对滤波器性能的影响,利用等效的集总电路原理图解释了该结构易在通带右侧出现传输零点的原因。应用二级耦合SIR设计了一个尺寸为2.5mm×2.0mm×0.9mm,中心频率为2.45GHz的带通滤波器,仿真结果显示带内插损小于1.1dB。     

松辽盆地南部扶余油层致密储层成岩序列及成藏期次

松辽盆地南部扶余油层致密油勘探已获得重大突破,但关于致密油的充注特征和成藏期次目前依然没有清楚认识。基于薄片的镜下观察和流体包裹体赋存特征,分析了不同次生矿物生长的先后顺序,建立了不同类型成岩作用以及油气充注在时间上的序列,同时依据流体包裹体均一温度,结合研究区地史、热史,分析不同区块的油气成藏期。研究表明,扶余油层致密储层主要发育压实、胶结、交代、溶蚀等成岩作用,压实作用贯穿于整个成岩作用的始末。油气在早期方解石胶结后和石英次生加大前开始充注,在石英次生加大期和长石溶蚀期间大规模充注,在晚期方解石胶结期油气充注进入尾期。液态烃在长岭凹陷区从嫩江组沉积时期至明水组沉积时期持续充注,扶新隆起区在嫩江组沉积初期充注。气态烃在隆起区为两期充注,分别为嫩江组沉积初期和四方台子—依安组沉积时期。     

致密油微观充注动态过程及控制因素

致密储层微观结构影响着原油在储层中的充注行为，制约着致密油的富集和分布规律。基于致密油充注模拟、恒速压汞、扫描电镜与核磁共振等实验，文章定量表征致密储层的原油充注行为和孔喉结构特征，剖析成岩作用、自生矿物生长形态以及孔喉结构特征对原油在致密储层中充注行为的影响。研究表明，原油充注过程可分为3个阶段：充注启始阶段、快速充注阶段和缓慢充注阶段，这是充注过程中驱替压力与毛管力的动平衡以及主要储集空间分布的结果。其中，快速充注阶段又存在两种增长模式，即持续增长模式和跳跃增长模式，这两种模式揭示了主流喉道半径分布特征的差异。通过分析发现，压实、胶结、溶蚀、自生矿物生长等成岩作用极大程度上影响着储集空间和喉道半径的尺寸和分布，决定了致密储层品质的优劣。故此，在油源充足的条件下，具备足够的驱动力和品质优良的储层，是致密油富集的关键，而开启的断层/微裂隙附近的砂体正是满足这些条件的有利区带。     

水利建设资金筹集途径的探讨

本文对水利建设资金筹集中存在的问题,以及在市场经济体制不断完善下水利建设资金筹集面临的新形势和机遇进行了阐述,提出了新形势下水利建设资金筹集的途径。     

酱油超滤过程的膜污染问题

本文对酱油超滤及超滤过程产生的膜污染问题进行了简要介绍     

泥页岩有机非均质性评价及其在页岩油资源评价中的应用——以松辽盆地南部青山口组为例

泥页岩存在较强的有机非均质性,实测地化数据受到样品数量的限制,难以精确描述油气在泥页岩体系中的分布特征。基于改进的ΔlgR模型评价泥页岩有机质丰度和残留烃含量,参照页岩油资源评价分级标准,可清楚地刻画页岩油富集、低效、无效资源的空间分布。根据热解色谱分析参数校正实验和组分生烃热模拟实验,确定S₁的重烃、轻烃补偿系数,采用体积法定量评价不同级别页岩油资源量,指明有利的勘探区块。研究结果表明,改进的ΔlgR模型较好地改善了测井资料评价地化参数的精度,可操作性强。应用结果显示,松辽盆地南部青山口组页岩油资源主要富集在青山口组一段中、下部,区域上分布于扶新隆起、红岗阶地和长岭凹陷北部,富集资源量48.08×10⁸ t,约占总资源量的1/3。通过有机非均质性刻画来评价页岩油气资源的分布特征,不仅阐明了页岩油的空间分布特征,而且还节约分析化验的成本,为页岩油下一步勘探开发提供实质性的指导。     

孪生支持向量机的特征选择研究

针对机器学习中数据分类的特征选择问题,提出了孪生支持向量机（Ｔｗｉｎ　ｓｕｐｐｏｒｔ　ｖｅｃｔｏｒ ｍａｃｈｉｎｅ,ＴＷＳＶＭ）的另一种方法：ＬＦＴＷＳＶＭ．首先求解ＴＷＳＶＭ 优化问题后将得到两个权重 向量,先将这两个权重向量进行归一化处理,再把处理后的两个权重向量取绝对值相加,得到一个 总权重向量,最后将总权重向量进行特征选择．通过实验,将得到的数据结果和ＴＷＳＶＭ 特征选择 方法进行比较,ＬＦＴＷＳＶＭ 特征选择方法具有一定的优势．