摘要:碳捕获,利用和存储(CCUS)是减少碳排放并充当实现实验性碳中立的重要技术支柱的有效手段之一。CO 2增强的石油回收(CO 2 -EOR)代表了CO 2利用率的首要方法。co 2-eor代表有效开发低渗透性储层的一种有利的技术手段。然而,被称为直接注入CO 2的过程非常容易受到气体争夺的影响,从而减少了CO 2与低渗透性油基质之间的暴露时间和接触面积,从而使CO 2分子扩散有效地利用CO 2分子扩散。在本文中,提出了一项涉及在低渗透性储层中应用CO 2纳米泡系统应用的综合研究。使用Pickering乳液模板方法设计了带有Pro-CO 2属性的修饰纳米-SIO 2粒子,并用作CO 2纳米泡稳定剂。根据其温度抗性,耐油性,尺寸稳定性,界面特性和润湿性能,评估了CO 2纳米泡中用于低渗透性储层中的适用性。通过核心实验评估了CO 2纳米泡系统的增强的油回收率(EOR)效应。结果表明CO 2纳米泡系统可以抑制地层中的通道和重力重叠的现象。此外,系统可以改变润湿性,从而改善界面活动。该系统还可以提高CO 2在孔隙空间中取代原油或水的能力。此外,系统可以减少界面张力,从而扩大驱虫相流体的波效率。CO 2纳米泡系统可以利用其大小和高传质效率,以及其他优势。将气体注入到低渗透性储层中,可用于阻止高气体容量通道。注入的气体被迫进入低渗透性层或矩阵,核心模拟实验的结果表明恢复率为66.28%。纳米泡技术是本文的主题,具有提高CO 2 -EOR和地质隔离效率的重要实践意义,并提供了一种环保方法,作为较大CCUS -EOR的一部分。
Python Web-Based Dashboarding Libraries: Streamlit Dash (Plotly) Panel (Anaconda) Production Analysis Dashboards Core & PVT Data Dashboards Case Studies and Examples Streamlit Library Designing Dynamic Python Applications with Streamlit Interactive Web Applications & Dashborads Streamlit Layout Features State Management and Dynamic Interactions with Streamlit Useful Tools for Efficient Coding Setting Up Your Development Environment: python编程基础知识动手实践的Anaconda分发介绍:使用Jupyter笔记本可视化和呈现数据见解的Python基础知识人工神经网络:定义,体系结构,类型,培训和验证。Python项目1:创建用于节点分析和垂直升力性能(VLP)计算机器学习项目2:钻井数据优化
植物防御启动是一种创新的作物保护方法。Yang等人突出显示的各种生物学,物理和化学刺激。[6],可以诱导植物免疫系统的引发状态,而与根殖民化微生物的有益相互作用,如Yu等人所指出的那样。[7],已被确定为建立此启动状态的潜在触发器。这使得植物能够记住与有益微生物的先前相互作用,从而使它们能够更快,更有针对性的防御能力防止入侵病原体[6,7]。这种称为启动的准备就可以增强植物的防御机制,在攻击时提供更有效的病原体保护[8]。与直接的防御激活不同,仅在需要时仅激活防御力来启动资源,从而避免对植物生长和发育产生负面影响[9-14]。此外,启动在具有挑战性的环境中提供广谱保护,以最低的健身成本提高生产力[15]。
我们的绿铁和钢制野心需要长期的协调策略。它从Whyalla Steelworks的完整转换开始,从安装低发射电弧炉开始。南澳大利亚州政府的承诺为5000万美元和来自英联邦的6320万美元的额外承诺,将使直接CO 2排放量减少多达90%。转型将使钢铁生产能力从每年一百万吨(MTPA)增加到1.5 MPTA并保护3,000个工作岗位。
HyUSPRe 项目研究在欧洲实施大规模可再生和低碳氢地下地质储存的可行性和潜力。这包括确定适合储氢的多孔储层,以及在这些储层中实施大规模储存的可行性的技术和经济评估,以支持欧洲到 2050 年实现能源净零排放。该项目将解决多孔储层储存的具体技术问题和风险,并进行经济分析,以促进有关开发潜在现场试点组合的决策过程。技术经济评估,以及环境、社会和监管方面的实施观点,将允许制定到 2050 年广泛储氢的路线图,表明大规模储氢在到 2050 年实现欧盟零排放能源系统中的作用。
摘要疟疾是一种媒介传播的疾病,在全球南部造成了严重的损失。疟原虫的流行病学是人类疟疾的地理膨胀剂,其特征是被称为催眠症的休眠寄生虫储层的应计。复发是由催眠岩激活事件引起的,包括大多数血液阶段感染负担,对免疫的获得和超感染的分布产生影响。在这里,我们构建了一个新型模型,用于促进疟原虫的传播,该模型同时说明了催眠岩储层的应计,(血液阶段)超级感染和对免疫性的获取。我们首先使用有限的服务器排队网络模型来表征宿主内部动力学作为蚊子到人类传输强度的函数,从而扩展了我们以前的模型以捕获离散的免疫力水平。为了模拟传播阻滞和抗异酶免疫,我们允许在成功的人类到 - 摩斯高质传播和症状血液阶段感染作为这种免疫力水平的各个概率中的几何衰减。在混合近似情况下(概率内部分布)被视为预期的人群水平比例 - 我们将伴侣寄主和向量动力学恢复与Ross-Macdonald理论一致的降低隔室模型。然后,我们对此隔室模型进行稳态分析,该模型由在主机内级别得出的(分析)分布。为了表征瞬态动力学,我们得出了一个简化的IntegrodiventionTequations的系统,同样由主机内排队网络告知,从而使我们能够为各种
Agersborg,R。等[2017]密度变化和储层压实,可从原位校准的4D重力和在海底测量的4D重力和沉降:SPE年度技术会议和展览,扩展摘要,PSE-187224-ms。
抽象预测和插值井之间获得3D分布的渗透性是用于保护模拟的具有挑战性的任务。无碳酸盐储层中的高度异质性和成岩作用为准确预测提供了重要的障碍。此外,储层中存在核心和井记录数据之间的复杂关系。本研究提出了一种基于机器学习(ML)的新方法,以克服此类困难并建立强大的渗透性预测模型。这项研究的主要目的是开发一种基于ML的渗透性预测方法,以预测渗透率日志并填充预测的对数以获得储层的3D渗透率分布。该方法涉及将储层的间隔分组为流量单位(FUS),每个储层单位都有不同的岩石物理特性。概率密度函数用于研究井日志和FUS之间的关系,以选择可靠的模型预测的高加权输入特征。已实施了五种ML算法,包括线性回归(LR),多项式回归(PR),支持矢量回归(SVR),决策树(DET)和随机森林(RF),以将核心渗透性与有影响力的孔集成与有影响力的孔原木以预测渗透率。数据集随机分为训练和测试集,以评估开发模型的性能。对模型的超参数进行了调整,以提高模型的预测性能。为了预测渗透率日志,使用了两个包含整个重点毒的关键井来训练最准确的ML模型,以及其他井来测试性能。的结果表明,RF模型优于所有其他ML模型,并提供最准确的结果,其中调整后的确定系数(R 2 ADJ)在预测的渗透率和核心渗透率之间的训练集为0.87,对于测试集,平均绝对误差和平均正式误差(MSSE)的平均误差和0.32和0.19和0.19和0.19和0.19,均为0.82。据观察,当在包含整个储层FUS的井上训练RF模型时,它表现出较高的预测性能。这种方法有助于检测井的孔原木和渗透率之间的模式,并捕获储层的广泛渗透率分布。最终,通过高斯随机函数模拟地统计学方法填充了预测的渗透率日志,以构建储层的3D渗透率分布。研究成果将帮助ML的用户对适当的ML算法做出明智的选择,以在碳酸盐储层表征中使用,以进行更准确的通透性预测,并使用有限的可用数据进行更好的决策。
摘要:碳青霉烯是用于治疗多药耐药细菌感染的最后一度抗生素。对碳青霉烯的抵抗已被指定为紧急威胁,并且在医疗机构中正在增加。然而,关于医疗保健环境之外的碳青霉烯菌(CRB)的分布和特征仍然知之甚少。在这里,我们调查了美国加利福尼亚州十种多样化的淡水和海水环境中CRB的分布,从圣路易斯·奥比斯波县(San Luis Obispo County)到圣贝纳迪诺县(San Bernardino County),结合了直接隔离和富集方法,以增加孤立的CRB的多样性。在调查的位置,我们选择了30个CRB以进一步表征。这些分离株被鉴定为属气管属,肠杆菌,肠球菌,佩尼比杆菌,假单胞菌,鞘杆菌和肾小球的成员。这些分离株对碳青霉烯,其他β-内酰胺和通常对其他抗生素(四环素,庆大霉素或环丙沙星)具有抗性。我们还发现,属于属气管属,肠杆菌(BLA IMI-2)和stenotrophomonas(BLA L1)的9种分离物产生了碳青霉酶。总体而言,我们的发现表明,对不同类型的水生环境进行采样并结合不同的隔离方法会增加获得的环境CRB的多样性。此外,我们的研究还支持天然水系统越来越公认的作用,这是一种对碳青霉烯和其他抗生素的抗性细菌的储层,包括携带碳青霉酶基因的细菌。