延长油田复杂区块水平井钻井液优化与应用

延长油田以靖边、定边和吴起区块为主,该区水平井技术发展迅速,侏罗系延安组和三叠系延长组作为主力层位开发已经有较大规模。但部分区块地层炭质泥岩和泥页岩较为发育,工程情况较为复杂,水平井钻井过程中,漏失和坍塌问题特别严重。延长油田水平井钻井技术,特别是钻井液技术研究显得尤为关键。现阶段延长油田水平井钻井所用的K-PAM聚合物钻井液体系存在流变性不佳、封堵和抑制性不足等缺点,室内通过对地层岩性和钻井技术难点分析,优化形成了新的水平井钻井液体系,并指出水平井钻井液性能要求。针对延长油田实际情况,提出水平井钻井液应用基本原则和主要优缺点。以定边井塌为例,对定边水平井坍塌问题进行深入探究,给出具体集体措施,现场应用效果较好。

聚丙烯酸钾对土壤孔隙及含水特性的影响

长城沿线地处我国北方干旱、半干旱区,常年因春旱缺墒造成的播种难、出苗难、保苗难问题严重。试验利用土柱人工模拟干旱环境,通过施用不同量聚丙烯酸钾（K-PAM）来改善土壤孔隙与水分状况,并借助CT扫描技术为深入研究K-PAM蓄水保墒机制提供理论依据。试验设4个K-PAM用量（%,占土壤质量百分比）,即0（CK）、0.02%（A）、0.06%（B）、0.10%（C）。结果表明：施用K-PAM可增加0~10 cm土层孔隙总数,从各级等效直径孔隙看,各土层1.0~2.0 mm孔隙数量最多。随着K-PAM用量增加,各级孔隙数量呈先增加、后减少的变化趋势,且以中等用量0.06%（B）表现最佳。随着苗期推进、持续干旱下各处理0~10 cm土壤紧实度在出苗6~7 d后开始不断增大,A、B、C、CK处理紧实度最高分别可达1 632.8、1 944.3、2 198.5、1 400.7k Pa;K-PAM用量小于0.06%时,可使苗期0~10 cm土层含水量较其它处理增加。用量大于0.06%时,0~10cm土层含水量较其它处理降低;干旱条件下,低用量K-PAM处理更有利于出苗数量增加。可见,确定合理KPAM用量是发挥K-PAM蓄水保水优势,增加出苗率、获得高产的关键。

施加PAM条件下土壤养分淋溶试验研究

通过室内模拟试验,研究了关中(?)土经PAM处理后,土壤中氮、磷、钾的淋溶状况,试验结果表明,经PAM处理后,土壤淋溶液中N,P,K累积量分别较对照减少了42.40％,43.85％和68.19％。同时,不同浓度PAM的试验结果发现,增加PAM浓度能使土壤淋溶液中N,P,K累积量进一步减少。

基于网格结构的快速PAM算法

为提高标准PAM算法处理大数据集合的效率,提出了一种改进的快速PAM算法。该算法结合空间网格结构的概念,通过优化初始代表对象的选择、限制迭代过程中遍历的对象数量来减少标准PAM算法的运算量。实验结果表明,相对于标准PAM算法,在保证聚类结果准确性的前提下,快速PAM算法可节省85%左右的执行时间,有效地改善了原算法的性能。

聚丙烯酰胺减少土壤养分的淋溶损失研究

采用室内人工土柱模拟试验方法,研究了在模拟耕层土壤中施加聚丙烯酰胺(PAM)后,土壤中主要营养元素N、P、K的淋溶损失状况。结果表明,经PAM处理后的土壤淋溶液中NO-3、PO-4和K+浓度均低于对照,其浓度分别较对照平均减少了约45.55%、49.37%和70.24%。PAM处理后,土壤淋溶液中全N、全P、全K的累积含量均低于对照,且随PAM浓度的增加其累积含量呈下降趋势。

一种改进的k-中心聚类算法研究

聚类算法的好坏直接影响聚类的效果。文章讨论了经典的k-中心聚类算珐,说明了它存在不能很好地处理大数据集的问题,提出了一种基于加权改进的k-中心聚类算法,克服了k-中心聚类算法的一些缺点,并从理论上分析了该算祛的复杂度。实验证明,用该方法实现的数据聚类与传统的基于中心的方法相比较,能有效提高数据聚类效果。

一种基于K均值预处理回溯的PAM算法

针对PAM算法在进行聚类时容易陷入死循环的缺陷,引用了回溯法来解决该问题。但是,加入回溯法的PAM算法具有计算量大迭代次数多的缺点,为了在PAM算法迭代过程中,尽量避免使用回溯法,于是进一步,提出了在进行PAM聚类前,采用K-means算法对数据进行预处理,从而获得粗糙中心点,然后找出一组与粗糙中心点最接近的数据作为初始中心点,再进行PAM聚类。从而得到基于K-means预处理回溯法的PAM算法(K-means Data Preprocessing Backward Search PAM,简称KDPBS-PAM)。实验结果表明,KDPBS-PAM算法极大地改善了PAM算法的性能。

基于聚类算法的并行化研究

聚类是数据挖掘中重要组成部分,为了提高聚类的处理效率,将并行处理技术运用于k-means和PAM算法中,对k-means与PAM算法进行了改进。实验结果表明:并行k-means算法相对串行k-means算法有更好的执行效率;且k-means算法有比PAM算法更好的并行性和可扩展性。最后,该文提出和介绍了将并行技术引入谱聚类算法。

基于均衡分类的脑卒中风险预测模型

为解决不均衡脑卒中数据分类偏倚问题,提出一种基于均衡分类的脑卒中风险预测模型,其主要算法是基于不均衡数据的分类算法SMOTE&PAM-means+C4.5。使用智能型过抽样技术SMOTE生成新的少数类数据;使用聚类算法PAM-means对多数类数据进行聚类,将相似样本聚到一簇后,对各簇按比例进行抽样,形成新的多数类数据;使用C4.5算法对新的多数类和少数类数据形成的均衡数据集进行分类。实验结果表明,该模型可以有效解决分类结果偏倚问题,降低少数类数据分类误差,提高分类准确度,为脑卒中风险的准确预测提供依据。

基于k-ary n-mesh无虚通道的路由算法PAM

1 概述大规模并行处理系统中各计算结点均依靠机间互联网进行通讯和协调。影响网络通讯性能的因素主要有拓扑结构、流控策略和路由算法等。目前针对互联网的研究工作主要集中于k-ary n-cube这样一类规则互联网。网络有n维,每维上有k个结点,每维上第i(i∈[0,k—2])与第i+1个结点间有通道连接。当每维上第k—1与第0个结点间没有绕边(wrap-around)通道连接,该网络就是k-ary n-mesh。

划分聚类法在短历时雨型设计中的应用

为更好地反映短历时暴雨特征,对雨型进行分类,基于四川省乐山国家基准气候站1981年—2021年逐分钟降雨数据资料,使用多种方法对90场历时60 min、78场历时120 min和86场历时180 min降雨选取最佳聚类数,采用K-means聚类和PAM聚类两种方法对雨型进行分析。结果表明,K-means聚类法对城市短历时暴雨雨型分类的结果比PAM聚类法更直观有效;乐山气候站历时60 min的雨型分为3类、历时120 min的雨型分为2类、历时180 min的雨型分为3类,单峰靠前的雨型最为常见。研究结果可为乐山市海绵城市建设、排水防涝规划等提供参考,同时可为机器学习在设计暴雨雨型研究中的应用提供新思路。