地震相约束的多属性储层预测方法研究

多元线性回归与神经网络的组合已被广泛应用于多属性储层预测,但在神经网络训练时,对已知井数目总是存在很大的依赖性,而在勘探初期往往钻井数据又很少。为解决这一问题,提出可以从现有的地震属性数据中,挖掘出更多的有效信息来弥补测井参数的缺乏。即首先利用模糊自组织神经网络将一组地震属性进行聚类映射,反映出不同沉积环境下不同地震响应的特征区域,即地震相;然后结合地质和开发资料,对地震相进行解释,并用地震相的信息约束储层预测。地震相约束可以从两方面进行,一是增加新的、合理的虚拟井参数,二是将地震聚类数据作为新的输入属性。按此思路对模糊自组织聚类、多元线性回归和径向基函数网络进行了组合,通过数学推导证明了该流程的可行性。实际资料处理、解释表明,无论时移监测中的压力差预测,还是勘探初期储层的含油饱和度预测,该流程都能获得理想的效果。

预测砂岩孔隙度的地震多属性优化模式对比

利用地震多属性分析技术预测地下储层参数时,常常面临着对多个地震属性进行选择优化的问题。为了比较众多优化方法的异同,本文从数学上的相容性与冗余性、独立性与非相关性的角度出发,建立了一套地震多属性优化分析的数学表达式。在此基础上,将突出独立性的主成分分析优化、突出相容性的粗糙集属性优化、突出相关性的有效性—离散度—相关性三参数属性优化,从流程上串联起来,形成了8种地震多属性的优化模式,将优化后的8组属性输入径向基函数神经网络,外推砂岩储层的孔隙度参数。应用实例表明,粗糙集属性优化—主成分分析—神经网络模式识别的综合预测效果最好,全属性直接神经网络模式识别的综合预测效果要差一些,8种流程计算出的砂岩孔隙度的相对误差都在可接受范围内。

长征二号E火箭有效载荷整流罩分离技术

长征二号E运载火箭使用大型整流罩。由于大型整流罩的刚度较差、弹性变形较大,它的连接、解锁、分离都有一定的难度。长征二号E火箭的整流罩,采用“平移-翻转”分离方法。该方法与常规的蚌壳式分离方法不同,利用爆炸螺栓和导爆索为整流罩解锁,半罩平移15mm后,在弹簧力矩作用下绕铰链轴翻转,解决了半罩平移运动的碰撞与弹性变形问题。该分离方法经过飞行检验,获得成功。

地铁系统中运用智能低压配电系统的分析研究

智能低压配电系统具有网络化和智能化特征,在地铁系统中的运用越来越广泛.智能低压配电系统为地铁站设备提供用电,是整个车站系统中重要的组成部分.本文阐述了智能低压配电系统的设计原则,并结合设计原则,分析了智能低压配电系统在地铁系统中的具体运用现状,具有一定参考应用价值.