检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

我国热风炉热效率现状及分析

钢铁 1993年第11期28卷 73-77页

作者：张仁贵唐山工程技术学院冶金系副教授唐山063009

本文对我国热风炉热效率现状进行了分析,并在此基础上提出了提高热风炉热效率的有效措施。

关键词：热风炉有效措施高热分析现状中国

在线全文

学校读者我要写书评

暂无评论

U形通风工作面采空区上隅角瓦斯治理技术

煤炭学报 1997年第5期22卷 509-513页

作者：林柏泉周世宁张仁贵中国矿业大学

以平顶山煤业（集团）有限责任公司一矿戊８－１０－２１１３１综采工作面为例，探讨了Ｕ形通风工作面采空区上隅角瓦斯治理技术．研究结果表明，治理采空区上隅角瓦斯的有效措施有２种方式，即增加漏风汇和减少采空区漏风；前者可采用... 详细信息

以平顶山煤业（集团）有限责任公司一矿戊８－１０－２１１３１综采工作面为例，探讨了Ｕ形通风工作面采空区上隅角瓦斯治理技术．研究结果表明，治理采空区上隅角瓦斯的有效措施有２种方式，即增加漏风汇和减少采空区漏风；前者可采用加尾巷或上隅角瓦斯抽放；后者则可采用均压的措施进行，其中采用局部通风机压风法是一项可行措施，但压风量必须达到总风量的１／４左右，才能有显著的效果．

关键词：采空区漏风均压上隅角瓦斯治理技术

在线全文

学校读者我要写书评

暂无评论

障碍物对瓦斯爆炸过程中火焰和爆炸波的影响

中国矿业大学学报 1999年第2期28卷 104-107页

作者：林柏泉周世宁张仁贵中国矿业大学采矿工程系

对瓦斯爆炸过程中障碍物对火焰和爆炸波的影响进行了试验研究．结果表明，障碍物对瓦斯爆炸过程中产生的火焰和爆炸波具有重要影响．有障碍物存在时，火焰的传播速度将迅速提高，在２０倍长径比处达到最大值，随后逐渐衰减，直至熄灭．... 详细信息

对瓦斯爆炸过程中障碍物对火焰和爆炸波的影响进行了试验研究．结果表明，障碍物对瓦斯爆炸过程中产生的火焰和爆炸波具有重要影响．有障碍物存在时，火焰的传播速度将迅速提高，在２０倍长径比处达到最大值，随后逐渐衰减，直至熄灭．原因是障碍物的存在加剧了火焰传播过程中的湍流现象，而湍流又加速了火焰传播．障碍物的存在使爆炸波的传播曲线变化幅度迅速增大，并可能产生突变界面和马赫数Ｍ≥１的情况，即产生激波，从而增大瓦斯爆炸的威力．因此，应尽量减少矿井巷道中的障碍物．

关键词：瓦斯爆炸障碍物火焰激波爆炸波

在线全文

学校读者我要写书评

暂无评论

苏州生态农业的限制因素分析

安徽农业科学 2009年第27期37卷 13252-13253,13276页

作者：张仁贵苏州农业职业技术学院江苏苏州215008

阐述了苏州生态农业的建设现状,分析了其生态农业面临的限制性因素,并提出了改善对策。

关键词：苏州生态农业限制因素

基于深度学习的测井资料储层流体识别——以AN区块砂砾岩储层为例

在线全文

学校读者我要写书评

暂无评论

基于深度学习的测井资料储层流体识别——以AN区块砂砾岩储层为例

作者：张仁贵长江大学

学位级别：硕士

研究区块以低孔、低渗的砂砾岩储层为主。由于复杂的地质构造以及长期的注水开发,储层的孔渗关系已十分复杂、非均质性也特别强。常规识别方法受特征提取能力的限制,在研究区块的储层流体性质识别中应用效果较差。深度学习中的深度神经... 详细信息

研究区块以低孔、低渗的砂砾岩储层为主。由于复杂的地质构造以及长期的注水开发,储层的孔渗关系已十分复杂、非均质性也特别强。常规识别方法受特征提取能力的限制,在研究区块的储层流体性质识别中应用效果较差。深度学习中的深度神经网络、循环神经网络和卷积神经网络等算法拥有强大的特征提取能力,已经在测井领域取得了大量不错的应用效果。为提高研究区块储层流体性质识别效果,有必要开展基于深度学习的储层流体性质识别研究。受成本限制,目前研究区块的数据仍主要是常规测井资料,因此储层流体识别研究是基于常规测井资料开展。首先,充分认识研究区块的地质概况,利用研究区块的测录井、试油等资料进行储层四性关系研究和测井响应特征分析。紧接着,在四性关系和测井响应特征分析的基础上,开展了基于交会图版法和综合流体识别指数的常规储层流体识别方法研究,常规识别方法只能划分部分流体类别,仍存在大量不同类别流体交织在一起无法划分,使得储层流体性质的识别准确率较低。为了提高研究区块储层流体的识别准确率,针对测井曲线在深度上的关联性,提出一种基于循环神经网络的双向长短期神经网络作为当前研究区块的储层流体性质识别方法。该方法相比于以支持向量机、多层感知器为代表的浅层机器学习算法,可以提取测井数据在深度上的关联性信息,并综合测井数据在该深度之前和该深度之后的特征信息进行储层流体性质识别。循环神经网络与卷积神经网络同属深度学习,但是,卷积神经网络在特征提取方面更强大。时间卷积网络是一种基于卷积神经网络的序列处理神经网络,在保留卷积神经网络强大特征提取能力的同时,增加了以往循环神经网络才具备的提取测井数据深度关联性特征信息的能力。针对时间卷积网络的相关特性,提出一种基于时间卷积网络的储层流体性质识别方法。为了保证样本数据的准确性,本文选取了研究区块15口井的试油层段作为样本数据,试油结果作为样本标签。在进行储层流体性质识别研究之前,对测井数据进行了归一化以及曲线优选,通过皮尔逊相关系数及因子分析筛选出AT10、AT90/AT10、AT90-AT10等曲线。在双向长短期神经网络的储层流体性质识别研究中,将优选后的测井曲线以0.125米为间隔,8个时间步为一组,通过插值采样的方式形成测井序列数据,将双向长短期网络与BP神经网络、多层感知器网络和长短期神经网络进行对比,结果显示:当batch size设置为30,迭代次数设置为2000次,Dropout设置为0.6时,双向长短期神经网络的识别效果达到83%,高于其他对比模型。在膨胀非因果时间卷积网络的储层流体识别研究中,先将测井序列中某一深度点的数据升维改成二维形式,从而采用卷积核进行特征信息提取,然后将膨胀非因果时间卷积网络与时间卷积网络、长短期神经网络和双向长短期神经网络进行对比。结果显示:当膨胀非因果时间卷积网络的卷积核设置为2,残差数量设置为4的时候,识别准确较好,达到了91.3%。相较于双向长短期神经网络,识别准确率提高了近8%。

关键词：流体识别循环神经网络时间卷积网络曲线优选