河南油田注聚井聚合物堵塞机理及防治技术

为解决河南油田聚合物驱油注聚井堵塞导致采收率严重下降的问题,采用物理模型试验及扫描电镜(SEM)的方法对堵塞位置、堵塞因素进行研究.聚合物注入性试验结果表明,注入阻力越大,注入压力就越高,确定堵塞位置为近井地带,结果与实际矿场结果相符;扫描电镜结果表明,高渗岩心以吸附堵塞为主,低渗岩心以机械捕集为主;静态吸附试验显示防吸附剂质量分数、聚合物相对分子质量、矿化度、温度均对聚合物吸附有不同程度影响,为此研制出一种使砂岩表面润湿反转以减少吸附的防吸附剂(代号5807),并对注入参数进行优化:防吸附剂最优注入质量分数为0.5％;该防吸附剂耐盐性较好,不同矿化度(1500～10000mg/L)对该防吸附剂体系的防吸附率影响不大;防吸附剂注入体积数越大,聚合物防吸附率越高,最佳注入体积为0.6PV;防吸附剂处理地层的时间越长,聚合物防吸附率越高,处理时间在12h以上防吸附率大于70％;防吸附剂的最佳注入方式为:顶替液+0.6 PV防吸附剂段塞+1PV清洗剂.该研究对油田后续现场施工及动态调整具有重要指导意义,同时也可为河南油田提高聚合物驱技术应用效果提供理论支持.     

智能采摘机器人自动化系统研究 —基于交互式视音频技术

为了提高采摘机器人的作业质量,模仿英语移动教学交互式视音频技术,在采摘采摘机器人控制系统中引入了视音频交互技术,通过远程视频监测机器人的作业状态,然后利用声控技术对采摘机器人的作业姿态进行调整,实现了管理员和采摘机器人的视音频交互,可以有效地提高采摘机器人的作业质量,降低采摘机器人的故障率。为了验证方案的可行性,对采摘机器人自动化控制系统进行了测试,并引入了MIMO通信原理,以提高视音频信号传输的质量。测试结果表明:采摘机器人可以准确地识别远程端的声控信号,且根据指令信号动作的准确率较高,可以满足高精度采摘机器人的设计需求。     

不同培育模式对牦牛犊牛生长性能、瘤胃发酵参数和血清生化指标的影响

本试验旨在研究不同培育模式(随母哺乳与饲喂代乳粉)对牦牛犊牛生长性能、瘤胃发酵参数和血清生化指标的影响。选用日龄[(30±1)日龄]和体重[(22.5±0.9) kg]接近的牦牛犊牛60头(母犊牛40头、公犊牛20头),按照体重接近原则随机分为2组,每组母犊牛20头、公犊牛10头。对照组牦牛犊牛随母哺乳,试验组牦牛犊牛与母牛分离并饲喂专用代乳粉,试验共持续120 d。结果显示:试验组牦牛犊牛在30～150日龄的生长性能与对照组无显著差异(P0.05)。试验组牦牛犊牛存活率显著高于对照组(73.3%vs. 46.7%,P0.05)。试验组牦牛犊牛瘤胃总挥发性脂肪酸浓度和丁酸摩尔比例以及血清总蛋白质、球蛋白、免疫球蛋白G、胰岛素、β-羟丁酸和生长激素含量均显著高于对照组(P0.05)。由此得出,在本试验条件下,30日龄断母乳饲喂代乳粉的牦牛犊牛在随后4个月的生长性能与随母哺乳的牦牛犊牛无显著差异,但饲喂代乳粉显著提高了牦牛犊牛的存活率。基于瘤胃发酵参数和血清生化指标,可能是因为采食代乳粉能够保证牦牛犊牛摄入的营养浓度一致,有利于维持其正常的生理代谢功能,最终提高了牦牛犊牛的存活率。     

数值模型结构不确定性对模拟结果的影响分析

以内蒙古鄂托克旗为例,基于GMS中的MODFLOW模块构建了地下水流数值模拟模型,分析了模型结构(含水层厚度、参数分区)与模型参数不确定性因素对模拟结果的影响.研究结果表明:含水层不确定情景(含水层下边界概化为隔水底板平均值870 m)与实际情况水头差值绝对值的累计和最大为701 m,对模拟结果起了主控作用;当含水层下边界概化为910,940 m时,累计和分别增加为1 013,1 593 m;与仅考虑单个不确定性因素相比,同时考虑模型参数与含水层不确定情景累计和最大为738 m,同时考虑参数分区与含水层不确定情景累计和最大为791 m.因此,在构建地下水流数值模拟模型时,应优先考虑含水层空间结构概化的合理程度,同时考虑多个不确定性因素对模拟结果的综合影响,使地下水数值模拟模型能更精确地反映真实的地下水流状况.     

基于快速卷积神经网络的果园果实检测试验研究

近年来,基于数字图像处理和机器学习算法的果实自动识别检测研究已经越来越成熟。针对传统检测方法检测过程中难以满足实时性要求的缺点,采用了基于Faster-RCNN的果实快速检测模型。模型由卷积神经网络(CNN)和区域提议网络(RPN)组成,首先由CNN进行卷积和池化操作提取特征,然后由RPN选取候选区域,通过网络全连接层参数共享,由目标识别分类器和边界框预测回归器得到多个可能包含目标的预测框,最后通过非极大值抑制挑选出精度最高的预测框完成目标检测。分别对桃子、苹果和橙子的三种果实进行检测,采用迁移学习方法,使用已经预训练好的两种深度神经网络模型ZFnet和VGG16,通过数据集的训练对Dropout及候选区域数量进行参数调整完成网络调优。检测并分析果实不同布局形态下模型的检测效果。试验结果表明,当Dropout取值为0.5或0.6,候选区域数量为300时网络模型最佳,ZFnet网络中,苹果平均精确度为92.70%,桃子为90.00%,而橙子为89.72%。VGG16网络中,苹果平均精度为94.17%,桃子为91.46%,橙子为90.22%。且ZFnet和VGG16的图像处理速度分别达到17 fps和7 fps,能够达到果实实时检测的目的。     

黑大蜜蜂的学习与记忆研究

黑大蜜蜂是蜜蜂属的一个重要种,营露天生活,具有一定的迁徙特性。东、西方蜜蜂的学习与记忆研究一直被广泛地应用,而黑大蜜蜂的学习与记忆至今未见报道。用壬醛、正已醛2种气味运用PER模型来探究黑大蜜蜂的学习与记忆能力。结果显示,黑大蜜蜂能够很好地适应PER学习模型,它们的学习与记忆能力要高于东、西方蜜蜂的学习与记忆能力。     

面向养殖水体分布差异的COD光谱法检测研究

面向养殖水体，传统光谱法对化学需氧量（Chemical Oxygen Demand，COD）检测模型构建的基础：源域（现有样本库）与目标域（检测地水体）间光谱数据独立同分布。但是当源域与目标域分布间存在差异时，由源域得到的低误差模型常在目标域上表现下滑。针对该问题，提出面向UV Vis光谱的域对抗训练网络（DAUVwpNet），将分布不同的源域和目标域数据映射至相同分布的特征空间中，使其在该空间的分布距离尽可能接近，从而在特征空间中对源域训练的目标函数也可以迁移至目标域上，以降低模型在目标域的误差。试验表明：面向同一批测试数据，DAUVwpNet的预测误差为0.78，要低于传统模型的预测误差（0.85）；DAUVwpNet预测值与实测值间相关系数为0.95，要高于传统模型的相关系数（0.89）。表明了该网络能够较好对齐两域特征空间数据分布，降低因分布差异带来的COD检测误差。