核磁共振测井在东濮凹陷深层气评价中的应用

东濮凹陷深层气具有储层深、岩性细、致密、层薄、低孔隙度和低渗透率等特点。由于成岩作用的影响，电性曲线基值高，油气水层界限不分明，油气层与干层界限模糊，用常规的测井系列对深层气评价有一定的难度。笔者应用核磁共振技术从氢核的弛豫方面探测孔隙结构特点，分辨流体性质，并介绍了核磁测井在深层气解释评价方面的应用情况。     

Deep Metallogenic prediction model construction of the Xiongcun no. II orebody based on the DNN algorithm

With the continuous mining and gradual reduction of shallow deposits, deep prospecting has become a new global prospecting trend. In addition, with the development of artificial intelligence, deep learning provides a favorable means for geological big data analysis. This paper, researches the No. II Orebody of the Xiongcun deposit. First, based on previous research results and metallogenic regularity, prospecting information, namely, lithology, Au-Ag-Cu chemical elements and wall rock alteration is extracted, and the block model is established by combining the Kriging interpolation structure. Second, the datasets are divided into dataset I and dataset II according to “randomness” and “depth”. Third, deep prospecting prediction models based on deep neural networks (DNN) and the convolutional neural networks (CNN) is constructed, and the model parameters are optimized. Finally, the models are applied to the deep prediction of the Xiongcun No. II Orebody. The results show that the accuracy rate and recall rate of the prediction model based on the DNN algorithm are 96.15% and 89.23%, respectively, and the AUC is 96.39%, which are higher values than those of the CNN algorithm, indicating that the performance of the prediction model based on the DNN algorithm is better. The accuracy of prediction model based on dataset I is higher than that of dataset II. The accuracy of deep metallogenic prediction based on the DNN algorithm is approximately 89%, that based on the CNN is approximately 87%, and that based on prospecting information method is approximately 61.27%. The prediction results of the DNN algorithm are relatively consistent in the spatial location and scale of the orebody. Therefore, based on the work done in this paper, it is feasible to use a deep learning method to carry out deep mineral prediction.

     

医用改性TPI形状记忆材料的研制

运用反式－1，4－聚异戊二烯和高密度聚乙烯为主要原料，在实验室中通过动态硫化共混技术进行改性、加工得到一种新型共混型形状记忆材料用作医疗固定方面，实验表明，该材料的软化范围达到50－65℃，固化温度达到46－36℃，凝固时间为140s，可随时调整形状，并能直接进行X射线透视，这一材料达到了作为替代石膏的医用固定材料所应该具备的物理性能和指标要求。     

声波全波列测井在油藏工程中的应用

声波全波列测井记录了地层的纵波、横波及流体波的时差、幅度、频率、相位等信息,这些信息通常除用于计算孔隙度、判断岩性、定性识别流体性质、评价岩石力学弹性参数等,还可以在较深的砂泥岩储层中估算岩石破裂压力值,为油藏工程提供参数。本文就此问题结合东濮凹陷深层气的压裂实例进行了探讨。     

酸性蛋白酶对酸肉发酵过程中菌群结构和风味品质的影响

为改善酸肉的生产工艺,研究商品化酸性蛋白酶对酸肉发酵过程中菌群结构、理化特性和风味品质的影响,利用高通量测序技术分析酸肉发酵过程中细菌和真菌群落组成。结果表明,蛋白酶的添加影响了酸肉发酵过程中乳杆菌、芽孢杆菌和葡萄球菌的相对丰度,降低了真菌的丰富度,并提高了酸肉中游离氨基酸总量。气相色谱-质谱分析结果表明,蛋白酶的添加提高了成熟酸肉中醇类、酸类、酯类、酮类和醛类物质的种类和含量。相关性分析结果显示葡萄球菌属与3-羟基-2-丁酮含量呈显著正相关,芽孢杆菌属与1-辛烯-3-醇含量呈显著正相关。感官评定结果表明,蛋白酶的添加提高了酸肉的滋味、气味和总体可接受度。因此,酸性蛋白酶对酸肉的菌群结构和风味品质具有重要影响,研究结果为改善酸肉生产工艺提供了理论依据。     

射孔深度计算的计算机处理方法

依据手工射孔深度计算原理，设计了计算机处理方法。通过对计算机处理过程和实现方法，包括数据预处理、接箍标定、深度校正、标准接箍确定和上提值计算等的介绍，以及与手工处理结果进行分析比较。可以发现，射孔深度计算的计算机处理方法切实可行。     

传统自然发酵酸肉中细菌群落多样性与风味品质分析

为探讨传统自然发酵酸肉中细菌群落多样性与风味品质的关系,采用Ion S5 XL测序平台,对4 种传统自然发酵酸肉中细菌16S rDNA V3～V4区进行高通量测序,并结合电子鼻和固相微萃取-气相色谱-质谱（solid phase microextraction-gas chromatography-mass spectrometry,SPME-GC-MS）分析等手段揭示酸肉细菌群落结构及其风味品质的相关性。结果表明,样品获得序列数平均为110?395?条。4?种酸肉样品中总体细菌群落包含11?个门,其中厚壁菌门占绝对优势,约占总细菌群落的83.73%～98.92%,其次是变形菌门和放线菌门。主要优势菌属为乳杆菌属、魏斯氏菌属和乳球菌属。利用SPME-GC-MS从酸肉样品中检测到的挥发性物质包括酸类、醇类、醛类、酯类、酮类、萜烯类等化合物共126?种。各样品之间的菌属丰度存在一定的差异性,其菌群组成与工艺密切相关,而菌群种类和数量影响产品风味。与传统方法相比,高通量测序得到的细菌多样性信息更接近于样品微生态,能够全面解析自然发酵肉制品酸肉的细菌多样性,为传统食品的现代化改造和质量安全控制提供科学支撑。     

乳杆菌发酵剂对酸肉挥发性风味成分的影响

分别采用植物乳杆菌、清酒乳杆菌和类植物乳杆菌作为发酵剂对酸肉发酵过程中挥发性风味成分的影响。 电子鼻分析结果表明,酸肉的整体风味随发酵时间的增加差异显著;利用固相微萃取-气相色谱-质谱技术对酸肉发 酵过程中的挥发性风味物质进行检测,结果表明,酯类物质的相对含量显著增加,且增加的主要是乙酯类物质,发 酵结束时,添加植物乳杆菌、类植物乳杆菌和清酒乳杆菌组酸肉的乙酯类物质相对含量（56%、53%和60%）均显 著高于对照组（47%）,说明乳杆菌发酵剂的添加有利于酸肉中乙酯类物质的形成;通过Heatmap聚类分析发现, 发酵结束时,添加乳杆菌发酵剂的3 组酸肉整体风味比较接近,但与对照组差异较大,说明乳杆菌发酵剂的添加影 响了酸肉的风味品质。此外,发酵过程中添加发酵剂的酸肉中乳酸菌数量增加较快,肠杆菌数量显著降低,这保证 了酸肉的食用安全性。     

基于数据结构特征发现的脚本引擎内置对象别名关系识别

越来越多的软件提供内置脚本引擎,支持通过脚本语言可编程式地调用各项程序功能。内置脚本引擎除了支持标准的脚本语言规范,还提供了一系列扩展的应用程序编程接口(Application Programming Interface,API)和内置对象。脚本引擎在丰富软件功能的同时,也引入了额外的攻击面。近年来曝出的内置脚本引擎安全漏洞多数与扩展API和内置对象相关。针对脚本引擎中的安全漏洞,目前的检测技术仅能检测出脚本引擎浅层解析代码中的漏洞,难以有效检测出涉及内置对象别名关系的深层次漏洞,例如释放后使用漏洞(use-after-free,UAF)。检测对象别名关系导致的UAF漏洞,需要解决两个关键的技术挑战。其一,如何高效地识别内置对象别名关系。其二,如何利用识别出的对象别名关系检测脚本引擎的UAF漏洞。为此,本文设计了一种基于数据结构特征发现的脚本引擎内置对象别名关系识别方法,并提出了一种利用别名关系构造式触发UAF漏洞的检测方案。我们利用内置对象数据结构特征,提高了别名关系识别效率。同时,引入了内置对象内存共享区域以辅助触发UAF漏洞。为了验证方案的有效性,我们在Adobe Reader的内置JavaScript脚本引擎中进行了实验。我们提出的方案成功地识别出了284对内置对象的别名关系,并检测出了4个未知的UAF漏洞,获得了厂商的确认和修复。实验结果表明,本文方法能有效识别内置对象别名关系并能成功应用于脚本引擎UAF漏洞的检测。     

利用双自然电位测井研究水淹层测井解释

自然电位的形成与地层水矿化度和钻井液滤液矿化度密切相关。非盐膏地区自然电位的变化幅度明显，在同一口井内，通过改变钻井液滤液的矿化度，可测得2条幅度不同的自然电位，从而建立联立方程，解决油田在注水开发阶段，混合地层水电阻率的确定，继而准确确定剩余油饱和度，判断地层水淹程度，并为解释水淹层奠定了基础。