乳化剂HC-5 的性能及驱油效果

针对国内老油田的开发现状,对设计的乳化剂配方体系进行了基本性能评价和乳化驱油效果研究,探讨了乳化驱油的可行性和驱油机理。研究结果表明,优选的乳化剂配方体系HC-5(氨基磺酸型两性活性剂20%,OP系列非离子表面活性剂8%,稳定剂0.8%,助溶剂2.5%,其余为水)具有良好的耐盐抗盐性能,在室温数85℃范围内、盐度超过120 g/L的混合盐水中的溶解性良好;HC-5能在高、中和低盐度的盐水中有效乳化原油,并具有良好的乳化稳定性;HC-5乳化体系的乳状液类型与盐度和含水率有关,盐度增加时,发生W/O型乳状液向O/W型转变的临界含水率增大,矿化度为15350 mg/L、40650 mg/L和120670 mg/L的体系的临界含水率分别为48%、57%和68%。室内模拟乳化驱油试验表明,乳化驱对于低渗透驱替介质有明显增压和调剖作用,波及系数增大,原油采收率提高;而对于较高渗透率的驱替介质,乳液的调剖机理和表面活性剂驱油机理共同作用实现了原油采收率的提高。     

面向时延和能耗联合优化的MEC计算卸载策略

在移动边缘计算(MEC)中，计算卸载可以有效缓解资源受限和提高网络服务质量。以任务执行时延、终端能耗和边缘服务器负载率的联合优化为目标，提出面向时延和能耗联合优化的MEC计算卸载策略。构建多目标约束的成本优化模型，引入多变异算子，以迭代关联概率更新变异算子，设计多变异差分进化(MDE)算法求解，实现计算卸载成本最优。为验证MDE算法的有效性，基于Autonomous Systems by Skitter公开数据集构建3个不同规模的实验网络，将MDE算法与随机计算卸载算法、能量优化计算卸载算法、多目标贪婪计算卸载等算法进行对比分析，MDE算法的执行成功率、卸载成功率、服务器负载均衡性分别平均提升了13.23%,12.96%,29.37%,MDE算法能实现MEC中高效、稳定的计算卸载。     

基于用户多特征融合的个性化推荐模型

个性化推荐是提取特定信息的有效手段之一，针对传统推荐法中缺少用户特征问题，提出一种基于多特征融合的广义矩阵分解与深度长短期记忆网络混合推荐模型（hybrid recommendation model of generalized matrix factorization and deep long short-term memory network based on multi-features fusion,HMF）。该模型利用潜在特征向量维度表征年龄、职业对项目的选择性影响，凸显用户个性化；利用长短期记忆（long short-term memory,LSTM）获取用户与项目间的时序特征，再通过多层感知机挖掘其深层次的时序非线性高阶交互关系；将广义矩阵分解（generalizedmatrixfactorization,GMF）获得的简单非线性低阶交互关系与复杂时序非线性高阶交互关系融合，经全连接层得出最终预测评分。HMF有效地利用用户多特征和用户—项目交互信息，实现个性化动态精准推荐。为验证模型的有效性和可行性，在公开数据集MovieLens-1M上进行测试。仿真实验表明，当HMF...