CO_(2)-水作用下页岩微观孔隙结构变化特征

为明确注CO_(2)提高页岩气开采过程中CO_(2)与水作用后对页岩微观孔隙结构的影响,采用X射线衍射、低温N_(2)吸附和低场核磁共振等实验方法,研究了原始页岩及纯盐水、注入压力为6和12 MPa的CO_(2)水溶液浸泡后页岩的矿物组成、孔径分布和微观孔隙结构变化特征,并结合分形理论,获取了孔表面和孔体积的分形特征,明确了页岩中吸附孔隙和渗流孔隙的变化特征。结果表明:CO_(2)水溶液浸泡后,页岩中石英含量增大,黏土矿物和碳酸盐含量降低;随着CO_(2)注入压力的增加,微孔比表面积和总比表面积减小,平均孔径、核磁孔隙度和大孔孔体积比例增大,表明在CO_(2)水溶液的溶解作用下微孔和介孔逐渐向大孔转化;低温N2吸附和核磁共振(NMR)获得的分形维数均随CO_(2)注入压力的增加逐渐降低,表明页岩在CO_(2)水溶液浸泡后孔隙结构的非均质性和复杂性降低;孔表面分形维数DL1、DN1和孔体积分形维数DL2、DN2与总比表面积和总孔质量体积呈正相关性,这2个指标可分别用于表征页岩中的吸附孔隙和渗流孔隙特征,能够有效评价页岩气体吸附与渗流能力。研究成果为注CO_(2)高效开发页岩气提供了参考和依据。

基于改进人工神经网络的页岩气井产量预测模型研究

传统页岩气井产量预测方法难以对储层参数、压裂参数与产量的关系做出有效分析,而机器学习方法具有解决这一问题的能力。提出了基于物理意义和随机组合的方法构建特征参数,并采用小批量梯度下降法(MBGD)作为训练函数,建立了针对页岩气井产量预测的改进人工神经网络预测模型。然后结合实例,利用改进后的人工神经网络模型对页岩气井产量进行预测,并通过计算均方误差(MSE)和修正决定系数(T)的值对模型的优劣程度和预测精度进行评价。结果表明,建立的改进神经网络模型预测产量结果与实际产量值吻合度较高,且相比传统的BP(误差反向传播算法)神经网络模型,在预测精度和稳定性方面具有明显优势。该模型能为页岩气储层压裂优化设计以及产能评价提供重要支持。

黄金企业分配制度改革的几点建议

阐述了黄金企业内部分配制度改革应遵循的一般原则 ,对科学评价生产要素的内容体系进行了有益的探索。在认真分析分配制度改革过程中存在问题的基础上 ,结合实际提出了一些建设性的改革措施 ,对于黄金企业正在开展的劳动、人事、分配三项制度改革将起到积极的促进作用。