深层页岩气是页岩气勘探开发的重要接替领域,页岩气储层研究是页岩气勘探与开发的理论基础。为深入认识荆门深层页岩气储层孔喉特征,选取YT1井五峰组-龙马溪组一段页岩为研究对象,采用氩离子抛光、聚焦离子束扫描电镜和CO2-N2联测孔径的方法,获得微孔、介孔和宏孔的页岩全孔径表征,明确深层页岩孔喉特征及主控因素。结果表明:研究区五峰组-龙马溪组页岩孔径以微孔为主,中孔和宏孔所占比例较少,有机孔为主要发育孔隙类型;孔径分布形态呈分散型,具有两个主峰:分别在0.4~0.7
汪克林等提出了量子体系的相空间规范变换(物理,2021,50(3):177).本文将此推广到相对论量子体系。相对论量子力学体现所需要的保能量的变换,是量子体系的变换r→r/α,p→pα再加上光速常数的变换c→c/α.以相对论的氢原子模型和谐振子模型为例进行了讨论。说明了普朗克常数是不做变换的。这样的规范变换适用于粒子做低动量运动的情况,因为时间未做变换,而在粒子运动时,根据洛伦兹变换,时间是会参与空间变换的。由此加深了我们对于量子力学体系相空间规范变换的认识。
内蒙古布尔台煤矿存在高氟矿井水,制约了矿区居民的生活用水,急需分析高氟水化学特征和成因。本文在实地勘探和水文地质调查的基础上,通过系统采集16组矿井水样品,分析了矿井水中的F-的含量及水化学特征,并从岩石矿物的溶解与沉淀、蒸发浓缩、阳离子交换和解吸与竞争吸附4个方面对高氟水成因进行研究。结果表明:矿井水中F-浓度为1.15~12.75 mg/L,平均值为7.17 mg/L,均超出我国饮用水1.0 mg/L的标准,高氟矿井水偏碱性,水化学类型为Na-HCO
3-Cl、Na-HCO
近年来,水力压裂技术已在全国煤矿逐步推广应用,该技术能增加松软煤层透气性,特别在条带掘进、石门揭煤等工程实践当中增透效果显著,提高了瓦斯抽采量并有效防止了瓦斯灾害的发生。为探明高压水力压裂影响区域,优化设计水力压裂钻孔间距、压力、水量等工艺参数,在石壕煤矿开展了基于微地震监测和瞬变电磁探测技术的水力压裂影响区域探测试验。试验结果表明,微地震监测和瞬变电磁探测均能有效帮助矿井掌握水力压裂影响区域,为矿井水力压裂设计及工艺优化提供参考。
为确保选煤厂压滤机电机设备的安全、高效运行,电机相关参数的在线监测装置的研发意义重大。本文阐述了基于STM32的选煤厂压滤机安全运行监测装置的研发,结合目前煤矿洗选厂压滤机设备故障监测方面智能化、自动化、信息化水平较低的现状,开发了基于FreeRTOS操作系统,利用多任务机制实现对压滤机电机温度信息、振动信息及电流信号的实时监测和超限报警等功能,对于减少故障维修时间、提高经济效益以及煤泥资源回收利用、保护环境等方面具有良好的应用价值。
蒙特卡罗方法是计算工程可靠度的重要手段,其计算精度需要大量的样本数量,相应的计算量巨大。在蒙特卡罗方法中,采用拉丁超立方(LHS)法和传统舍选法两类抽样方法,计算了条形基础极限承载力的失效概率,对比分析两种抽样方法的差异。计算结果表明,拉丁超立方体抽样法得到失效概率需要样本数量约为舍选法数量的25%。通过增加样本数量拉丁超立方法能够更有效减小失效概率的变异系数,相同的样本数量得到的失效概率变异系数小于舍选法结果的一半。
云数据存储正在成为大数据的主流存储形式,同时也带来了数据泄漏、非法篡改等安全威胁。区块链具有去中心化、高可信、不可篡改、可追溯等特点,能够为云数据存储提供更好的安全保障,但存在存储性能的不足。本文从云数据的安全需求入手,分别介绍了区块链在保障云数据存储安全和提升存储性能两个方面的最新研究成果,指出应用区块链能够从保密性、完整性和可用性三方面保障云数据安全,通过优化区块链结构和改进共识算法弥补存储性能的不足。未来将区块链应用到云数据安全存储领域是高效可行的。
颗粒堆底面中心出现正压力凹陷现象,与颗粒堆的形成方式具有相关性。本文通过离散元PFC2D颗粒流方法对颗粒堆的形成过程进行模拟:包括颗粒的生成,通过漏斗口自由下落,以及在底面堆积形成颗粒圆锥状颗粒堆。得到形成的颗粒堆体底部压力分布与室内物理模型试验结果较吻合,呈现中心部位压力凹陷的分布形态。基于堆体内部主力链分布形态和粒间接触力的法向角度各向异性特征分析,结合Edwards拱图模型,解释了颗粒堆体底部中心压力凹陷的原因来自颗粒集合体内部力的斜向传递特征,是颗粒堆体中土拱效应的体现。
涌水量预测一直是矿井防治水工作中重要部分,准确的预测可以预防矿井水害的发生。本文应用传统ARIMA模型对某矿过去近20年涌水量数据进行拟合建立数学回归模型,并在此基础上,考虑多因素众变量的影响,提取出涌水量数据中的趋势-循环因子、季节影响、波动因素,重新建立起数学回归模型,对两种不同方式所建立起的模型进行对比分析,结果表明:考虑多因素的季节加法模型预测结果更贴合实际,能够更好地为矿井生产服务。为矿井涌水量预测精度的提升提供了新思路和新方法。
在2008汶川地震中出现了大量砾性土的液化现象。为研究砾性土的地震液化特征,以汶川地震中获取的砾性土液化实测数据作为样本,选用地震烈度、地震峰值加速度、砂砾层深度、地下水位、有效上覆应力、剪切波速共6个诱发因素作为砾性土液化的评价指标,通过大量数据训练和参数分析建立了基于多层感知(MLP)和径向基函数(RBF)两种神经网络的砾性土液化预测模型,进而分析了各因素对准确预测砾性土液化的重要性。结果表明,两种模型对砾性土的液化都有较好的预测能力,当隐藏节点数大于10时,RBF网络的预测最大准确率可以达到100%