基于LSTM的抽油机井工况诊断研究

抽油机井工况诊断和预测对于掌握抽油机井运行状态、有效提升油井生产效率具有重要意义。目前主要基于抽油机井示功图诊断井下工况。考虑示功图时序性这一特征,通过卷积神经网络提取示功图中的静态特征值,结合上下行电流、载荷等动态生产参数,建立基于LSTM神经网络的抽油机井工况预测模型,将卷积神经网络与LSTM神经网络相融合,提高了工况诊断精度和诊断方法的合理性。141口抽油机井故障预测准确率达到96%以上,实验结果与BP神经网络、卷积神经网络等单一工况诊断模型相比较,预测效果更接近真实值。

基于K-means与SVR的致密油藏水平井压裂产能预测研究

水平井体积压裂是致密油藏高效开采的主要技术手段,准确预测产能对油田施工方案编制具有重要的指导意义,开采效果受地层因素、原油物性因素、压裂施工因素等影响,基于机理计算公式的传统预测方法存在一定局限性,提出一种基于K-means聚类与支持向量回归的产能预测组合模型,采用主成分分析算法解决K-means中欧氏距离对所有特征贡献程度一致性问题,K-means聚类结果与压裂施工参数结合作为SVR预测样本,有效解决不同区域间差异较大等问题。通过实验对比SVR、BP神经网络,预测准确性和稳定性优于单一模型,具有较高的合理性,可为致密油田高效开发提供指导性建议。

干旱胁迫和施磷量对大豆叶片补偿效应的影响

通过对大豆的盆栽试验,研究干旱胁迫和施磷量对大豆叶片补偿效应的影响。试验设置控水量和施磷量2个因子,控水量设为轻度水分亏缺、中度水分亏缺、重度水分亏缺3个水平,磷肥处理设低肥、中肥和高肥3个水平,设置充足水分高磷对照。结果表明,一定程度的干旱胁迫和施磷量可以对大豆在复水后的叶片生长产生补偿效应。轻度干旱胁迫高磷处理产生的补偿量最大,说明本试验条件下轻度干旱胁迫高磷处理对大豆叶片生长的补偿效应最好。

施磷量和干旱胁迫对大豆水分利用效率和产量的影响

该试验研究了施磷量和干旱胁迫对大豆水分利用效率和产量补偿效应的影响。试验设置控水量和施磷量2个因子。控水量设为轻度水分亏缺、中度水分亏缺、重度水分亏缺3个水平;磷肥处理设低肥、中肥和高肥3个水平。每个处理施尿素、硫酸钾,同时设置充足水分高磷对照处理。结果表明:在适度的干旱胁迫复水后,磷肥可以提高大豆的水分利用效率,增加百粒重和产量,但过大程度的干旱胁迫下磷肥增益效果不明显,在干旱胁迫和磷素营养的合理组合下,轻、中度干旱胁迫中磷和高磷处理补偿效应较显著,其中中度干旱胁迫高磷处理的产量最高。

基于支持向量回归的抽油机井检泵周期预测研究

为了降低抽油机井检泵频率,合理安排检泵作业,减少生产作业成本,开展了抽油机井检泵周期预测方法研究。通过对抽油机井生产数据和作业数据的预处理,生成有效数据集,采用灰度关联方法优选主要影响参数,选取支持向量回归方法建立了抽油机井主要生产参数与检泵周期的关系模型,基于生产参数预测检泵周期,获得了较好的效果,证明了方法的有效性和可行性,同时,为进一步指导油田作业提供了实验基础和理论依据。

干旱胁迫和施钾对作物补偿效应影响综述

国内外学术界对干旱胁迫和施肥对作物的生长发育和品质产量等方面进行了大量实验研究,根据水分亏缺补偿效应理论,适当的水分胁迫复水后,作物在后续生长过程中具有补偿和超补偿生长能力。一定阈值条件下施钾肥会使提高作物的抗逆性而调节作物在干旱条件下产生补偿生长。本文主要对干旱胁迫和施钾量对大豆补偿生长的研究从生物、生理、产量等影响角度梳理不同观点和看法,目的在于进一步了解干旱胁迫和施钾对作物生长的影响与限制,对研究节水高产优质的灌溉方法提供理论基础和科学依据。

高速公路火损桥梁安全检测与评估

近年来随着我国高速公路桥梁建设的飞速发展,高速公路桥梁遭受火灾的次数亦在逐渐增多,高速公路特别是国家大动脉承担着繁重的交通运输任务,一旦发生火灾,将直接造成不可估量的经济损失。本文以京港澳高速桥梁遭受火损为例,介绍火损桥梁安全检测与评估方法,为以后类似工程提供借鉴。

干旱胁迫和施钾量对大豆叶片补偿效应影响研究

为了探寻干旱胁迫强度和施钾量对大豆叶片补偿效应的影响,以叶面积指数和叶面积生长速率为指标,设计了在大豆营养生长期施加水、钾不同梯度的盆栽试验方法。结果表明,在干旱胁迫强度和施钾量的一定范围内,单独增强干旱胁迫强度和施钾量都会增加大豆叶片的补偿效应,但两者之间的耦合作用更为显著。如,LK3的叶面积指数仍为最高的14.67,MK2在复水后反超MK3达到最高的趋势,在14~21d叶面积指数LAI分别达到对照组的115.2%和113.36%,表现出了明显的补偿效应。中度干旱胁迫中度施钾量的MK2为本试验叶片补偿效应的极限值。

载脂蛋白A-I联合血清淀粉样蛋白A判断脓毒症及脓毒症休克患者的病情及预后价值

目的通过研究血清淀粉样蛋白A(serum amyloid A protein,SAA)和载脂蛋白A-Ⅰ(apolipoproteinA-Ⅰ,ApoA-Ⅰ)的水平与脓毒症患者病情严重程度及预后的相关性,为脓毒症寻找新的临床预后标志物。方法研究前瞻性纳入2021年9月至2022年2月收入江苏省苏北人民医院重症医学科的患者,需符合Sepsis-3确诊为脓毒症且18岁≤年龄≤80岁。纳入研究后于0 h、24 h、72 h抽取外周静脉血,检测ApoA-Ⅰ和SAA水平,计算72 hΔSAA和72 hΔApoA-Ⅰ。记录患者一般情况、实验室指标、急性生理学与慢性健康状况评分Ⅱ(acute physiology and chronic health evaluationⅡ,APACHEⅡ)、序贯器官衰竭评分等。患者根据生存结局分为存活组和死亡组,根据是否合并休克分为休克组和非休克组。用Logistic回归方法将ApoA-Ⅰ和SAA结合建立联测指标。使用受试者工作特征曲线分析SAA、ApoA-Ⅰ、72 hΔApoA-Ⅰ、72 hΔSAA以及SAA联合ApoA-Ⅰ预测脓毒症患者预后的价值。结果108例患者纳入分析,非休克组48例,休克组60例;存活组77例,死亡组31例。休克组和非休克组、死亡组和存活组间各时间点SAA和ApoA-Ⅰ水平差异有统计学意义(均P<0.05)。各时间点SAA水平与APACHEⅡ评分呈正相关(均P<0.001),ApoA-Ⅰ水平与APACHEⅡ评分呈负相关(均P<0.01)。SAA可以预测脓毒症死亡风险,其中24 h SAA的曲线下面积(area under curve,AUC)最大(AUC=0.713,P=0.001),敏感度为65.3%,特异度为72.7%。ApoA-Ⅰ可以预测脓毒症死亡风险,其中72 h ApoA-Ⅰ的AUC最大(AUC=0.743,P<0.001),敏感度为69.4%,特异度为77.1%。24 h SAA和72 h ApoA-Ⅰ联合检测的AUC绝对值较单一指标增大(AUC=0.758,P<0.05),Z检验提示其对脓毒症患者死亡风险预测较单一指标无显著提升(P>0.05)。结论血清SAA、APOA-Ⅰ水平能反映脓毒症患者病情的严重程度,可作为脓毒症患者判断预后的独立指标。SAA和APOA-Ⅰ联合后的总体诊断效能较单一指标无明显改变。