简介：油井无电缆传输测试工艺技术可解决无法实施常规测试方法录取动态生产资料的油井生产测试问题。该工艺技术在油井检泵作业施工期间进行，测试仪器和无电缆传输系统随泵下入井内，测试得到的数据转换为声波信号，沿油管传输到地面，被安装在井口的声波接收探头接收。通过数据处理与解释，得到该井目前生产状态下的动态资料，可实现油井长期、实时监测。经华北油田4口井现场试验，效果较好，为油田开发方案的制定提供了较为准确的资料。

简介：多元非水相流体(NAPLs)造成的地下水污染是严重的问题，这一问题的严重性推动了对这个方面的研究。NAPLs，如有机溶解物和石油烃，它们经常地随机释放到含水层中，由于蔓延引起地下水污染。因为NAPLs具有很低的水的溶解性，所以，少量NAPL便可以污染地下水长达10年。更为严重

简介：目前井下无线地面直读技术的传输距离不能满足现有深井、超深井应用。从井下无线中继传输的基本原理入手,开展中继传输技术研究,设计了井下无线中继器功能和传输协议,研制了井下无线中继器功能样机。井下试验表明,研制的无线中继器功能样机实现了中继传输功能,设计的井下无线中继器的传输协议满足要求,采用该技术将井下无线信号强度提高了3倍。此研究为中继传输技术在井下无线地面直读中的应用奠定了基础。

简介：进行油套传输射孔之前,精确确定射孔深度至关重要。传统的校深方法是采用磁性定位器测量套管接箍。这种方法精度较低,施工周期较长。随着科学技术的发展,"自然伽玛射线校深技术"应运而生。这里将简要介绍本公司开展的此项工作的做法。自然伽玛测井校深,是根据不同地层的自然伽玛射线强度不同的原理实现的。工作内容主要包括室内对图和现场校深两部分。

简介：全球定位系统常用于自然灾害或其他地球物理现象的监测。滑坡监测是一个对各种GPS方法进行测试并解译各种系统误差来源的领域。在以往的研究中，快速静态GPS的系统误差来源的解译受GPS位置高差的显著影响。在这项研究中，我们进一步探讨使用快速静态测量中监测点高差对GPS监测快速测量的影响程度。为了证明其影响，我们在土耳其中部的koyulhisar滑坡中使用了静态GPS测量。快速静态GPS方案与静态GPS方案在BERNESE5．0中的运行结果对比表明，当监测基准点之间高差较大时系统误差主要表现在快速静态GPS变形率的估算值上。其中垂直分量的效果尤为显著，尽管它在水平分量上微不足道。减少地面参考站和流动站之间的高差，15分钟后快速静态方案即显示出与静态定位方案的高度相关性和近似变形率。

简介：

简介：

简介：利用探井资料,采用神经网络方法,研究了新井产能的预测神经网络方法。实际气田的应用表明,该方法具有需要资料少、精度高等特点。

简介：本文提出了一种新的优化地下水监测网络。确定污染羽范围的方法。将监测并安装后最化的污染物存在的不确定性期望值降低到最大的位置定为监测井的最佳位置。本项研究中，将水力传导系数作为诱发不定性的因素。使用连续的随机添加（SRA）法生成水力传导系数的随机场。随着监测网络范围的增大，污染羽分布的不确定性降低。根据这个降低的量．评价某一污染羽存在的信息判定的期望值。选择采集监测井最大信息帚的最小系统为优选的监测网络。为了最化污染羽分布的不确定性。在定义域范围内．针对所有的产生的污染羽的实现值。编制污染物存在的概率图。不确定性定义为。污染物存在的概率或者不存在的概率单元的总和。在非均质水力传导系数场．本文给出了确定最佳监测网络的数值试验的结果。

简介：

简介：

简介：在地球物理地层评价和储库工程中遇到由测井资料评价孔隙度和渗透率问题是件困难和重要的任务。在近来人工神经网络(ANN)模拟加拿大东部近海成果的推动下，我们开发了反演北海测井资料为孔隙度和渗透率资料的神经网络。我们利用两个分离反向传播ANN(BP—ANNs)模拟孔隙度和渗透率。该孔隙度ANN是一个用声波、密度和电阻率测井资料为输入的简单三层网络。

简介：根据先进星载热发射和反辐射计（ASTER）图像获取滑坡相关因素，并利用地理信息系统（GIS）开发、应用和验证韩国Boun地区滑坡脆弱性分析的综合技术。从ASTER图像中获取数字高程模型（DEM）、线性特征、归一化差值植被指数（NDVI）和土地覆盖因素并进行分析。根据DEM地形数据库评估边坡、方位和曲率。根据已有空间数据库并利用频率比（FR）、逻辑回归（LR）和人工神经网络模型（ANN）鉴定和量化检测的滑坡位置与6种相关因素之间的关系。在叠加分析中把这些相互关系用作因子额定值以创建滑坡脆弱性指数和滑坡脆弱性图。随后，在FR、LR和ANN模型中作为新输人因子结合并应用3种滑坡脆弱性图，从而创建改进的滑坡脆弱性图。通过对比在模型实验中未使用的已知滑坡位置来验证所有这些滑坡脆弱性图。对比利用3种滑坡相关输入参数创建的改进精度的综合滑坡脆弱性图（FR}莫型为87．00％；LRN型为88．21％；ANN模型为86．51％）与利用ASTER图像中6种因素创建的单独滑坡脆弱性图（FR丰莫型为84．34％；LR模型为85．40％；ANN模型为74．29％）。