简介:摘要:氦气是一种不可替代、关系国家安全和高新技术产业发展的稀缺战略资源;在军工、石化、航空航天、核工业、深海潜水、低温科学等高科技领域有着非常广泛的用途,并且氦气需求量正以年均10%以上的速度递增。氦气如此珍贵,但其在空气中的占比仅为0.0004%~0.00056%,含氦天然气迄今仍是工业化生产氦气的唯一来源。含氦的天然气在全球的分布并不均匀,北美、北非和俄罗斯等地有着较为丰富的氦气资源,占全球氦总资源量的90%以上。我国氦气资源贫乏,而且天然气中氦的含量总体偏低,开发成本高、提取难度大、缺乏市场竞争力。同时提氦技术的先进否也是制约氦气产业发展的关键因素。目前已有的提氦技术虽各具优点,但并不能完全适用于所有工业的应用场合。
简介:摘要:随着氦气资源在我国扮演的角色越来越重要,对氦气资源的开发与生产不断深化,有关氦气的生产、制造、装备等也日益完善。下面就介绍了氦气的装卸鹤臂和金属编织软管在安全方面和经济方面的全方位对比并得出相应结论。氦气装卸臂由于钢制立柱、装卸管道、旋转接头和弹簧钢组成。装卸臂由于他的抗爆能力强、使用寿命久、操作简单、维护成本低等方面优于金属编织软管被建议推广使用。
简介:从大量的地震属性中提取最能反映地质特征的综合属性是储层预测技术的关键,通常选用降维方法来优选属性。目前应用最为广泛的线性降维方法。但是,由于地震属性与地质特征的关系通常是非线性的,基于线性变换的地震属性降维优化方法不能充分地反映这种非线性关系,降低了储层预测的精度。流形学习是一种新的非线性学习方法,它是通过保持数据局部结构的方式将高维数据投影到低维空间,挖掘和发现隐藏在数据中的内在特征与规律性,开拓了地震属性降维优化研究的新领域。本文首次实现了3D地震数据的层问属性特征提取,讨论了LLE方法及其关键技术,并以奥陶系礁滩相储层实例说明LLE和PCA两种方法降维及聚类的不同效果。理论模型分析和实例应用表明:LLE较好地保持了数据本身的原始结构;提取的综合属性和聚类相图较好地刻画了沉积相带、储层和流体的特征。这说明流形学习具有更好的特征提取性能。
简介:摘要 :近年来,我国的工业化进程不断加快,与此同时我国的有色金属提取冶金技术得到了较为迅速的发展,增值冶金、金属加工、湿法冶金、火法冶金以及电冶金现阶段是我国有色金属提取冶金技术的主要内容,而为了更好的促进有色金属提取冶金行业的可持续发展,我们就应对其技术现状进行科学的分析,通过采取应用性能优异的金属以及创新现有的生产工艺等方法,更加精准的预测我国有色金属提取冶金技术的发展趋势,并不断的提升企业的生产的经营效率。文章便从我国有色金属提取冶金技术的现状分析和我国有色金属提取冶金技术的发展趋势两方面详细的讨论了如何高效的应用有色金属提取冶金技术来促进我国工业和经济的健康发展。
简介:摘要:本文介绍了新型自动地板提取装置的原理和构造。本装置能够快速轻便的提取隔离地板并将其复位,有效的防止各类人工拆卸搬运的突发事情的产生,方便通信运维人员对缆线的快速检测维护。装置具有操作方便、便于移动等优点,通过现场实践应用,取得广泛的直接效益和间接效益。
简介:河流阶地面是一种时间性、连续性非常高的层状地貌面,利用跨断层地区的河流阶地变形可以定量地判别一个地区的断层活动性.青衣江横跨龙门山断裂带南段是一条区域性大河,由于龙门山南段构造活动强烈且河流阶地被侵蚀程度严重,为了在室内更好、更快地解译青衣江河流阶地,使野外调查工作更具有针对性,本文在龙门山南段青衣江流域小关子至飞仙村一段,采用航测遥感技术制作的2m分辨率DEM和1/5万数字高程模型,基于ArcGIS和MATLAB平台进行了阶地面提取和聚类分析,以模拟野外测量阶地的流程,试图通过计算机提取,快速获取该地区更多的残余地貌面,建立起较为完整的河流阶地纵剖面.研究结果表明:野外测量数据与计算机自动提取结果相似度较高,具有较好的一致性;在完整的阶地剖面中发现了芦山盆地内部阶地具有疑似拱曲现象;在大川-双石断裂附近阶地有翘起现象,推测芦山盆地西缘阶地拱曲是由大川-双石断裂东侧的一条未知断层引起的,大川-双石断裂附近阶地的翘起现象可能是在断层逆冲推覆过程中形成的,同时结合区域年代历史数据,推测该地区(芦山盆地至大川-双石断裂)至少在晚更新世曾发生过构造活动.
简介:在区域尺度下,探索提取不同林分结构和滩涂裸露状况下红树林空间分布遥感信息的适用方法。选择ALOSPRISM/AVNIR-2为数据源,以广西北部湾两个红树林典型分布区作为实验区,第一个实验区是红树林茂密、滩涂裸露的区域,第二个实验区是红树林稀疏、低矮和滩涂不完全裸露的区域,分别采用了植被指数、监督分类、非监督分类和面向对象分类方法,进行实验。研究结果表明,在第一个实验区,用RVI、NDVI、SAVI、DVI、监督分类、非监督分类和面向对象方法进行遥感分类的总体精度分别为95.3%、94.3%、92.3%、93.3%、96.0%、97.0%和94.0%,说明这几种方法都可以较精确地提取红树林信息,其中非监督分类的结果相对较好;在第二个实验区,植被指数不能精确提取红树林信息,监督分类、非监督分类和面向对象分类的总体精度分别为92.7%、85.7%和89.3%,以监督分类的结果最好。因此,监测区域尺度的红树林,必须根据具体海湾或地段红树林的林分结构特点、成像时刻的潮位高度、红树林在遥感图像上的表征,选用适合的方法,才能确保红树林信息提取精度。在采用多源遥感数据进行红树林动态监测中,综合运用植被指数、监督分类、非监督分类、面向对象分类和图像解译方法,可以准确提取红树林信息。此外,对于斑块破碎、林木低矮且相当部分稀疏的广西北部湾乃至南中国海红树林遥感信息提取,适用的遥感图像空间分辨率应小于5m,以小于3m更适宜。