XiaoMi-AI文件搜索系统
World File Search System渗透率
审查领域和纠正措施计划
OEE＃1（即用于确定P＆P的数据的数据包括实验室核心测量和地球物理原木（中子孔隙率，核磁共振原木和电阻率对数）。使用了模型域中其他两个井的数据：Hinton Brothers＃7（Core P＆P，Logs）和Furrow＃11（日志）。在OEE＃1观察到的孔隙率和渗透率范围类似于Furrow＃11和Hinton Brothers＃7。中子孔隙度原木为核心孔隙度提供了最佳的校准。从校准到核心渗透性的核心校准的孔隙率对数创建了渗透率对数。OEE＃1的渗透率日志使用了NMR日志和Schlumberger娃娃研究方法。Hinton Brothers＃7和Furrow＃11 Wells的渗透率日志使用了每个井的孔隙率和电阻率日志。
Meza-González，Yilmar Alexader；纳塔利亚（Natalia）Arrieta；萨拉索（Stephany）； Florez-Garcia
机械挖掘中最重要的问题之一是预测TBM渗透率。了解渗透率的影响的因素很重要，这可以更准确地估算停止和发掘时间和运营成本。在这项研究中，输入和输出参数，包括单轴压缩强度（UCS），巴西拉伸强度（BTS），峰斜率指数（PSI），无力平面（DPW）之间的距离，α角度（DPW），α角度和渗透率（ROP）（ROP）（ROP）（ROP）（M/HR）在使用Queens Waternel tunnel tunder tunder tunder tunder tunnel tunnel tunnel tunnel tunnel。 （SVM）方法为R。= 0.9678，RMSE = 0.064778，根据结果，支持向量机（SVM）具有有效性，并且具有很高的精度。关键字：TBM，渗透率，支持向量机（SVM）。
在异质碳酸盐储层中通过机器学习改善渗透率预测：中新世无效的中新世，Ras Fanar Field，Suez of Suez of Suez，埃及
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。
运动神经元疾病患者的纹状体亨廷顿蛋白夹杂物的渗透率降低和中间HTT基因扩张
在人类基因组中的短串联重复扩张在多种神经系统疾病中的代表性过多。最近表明，亨廷顿（HTT）重复膨胀具有完整的外观，即40或更多的CAG重复序列通常会导致亨廷顿氏病（HD），在肌萎缩性侧索硬化症患者（ALS）的患者中代表过多。携带HTT重复膨胀的患者是渗透率降低（36-39 CAG重复序列），还是具有中间渗透率的等位基因（27-35 CAG重复序列），尚未研究ALS的风险。在这里，我们研究了HTT重复扩张在运动神经元疾病（MND）队列中的作用，搜索了扩展的HTT等位基因，并研究了与表型和神经病理学的相关性。包括含有C9ORF72六核苷酸重复扩张（HRE）的MND患者，以调查该组HTT重复扩张是否更常见。我们发现，与欧洲血统的其他人群相比，该队列中的中间体（5.63％–6.61％）和降低（范围为0.57％–0.66％）HTT基因扩展的率降低（范围为0.57％–0.66％），但没有MND队列与对照组之间的差异，对C9 orff的状态没有差异。在三名中间或降低渗透率HTT等位基因的患者尸检后，在尾状核和额叶中观察到亨廷顿蛋白夹杂物，但在神经系统的不同部位未检测到明显的体细胞骨髓。因此，我们首次证明了具有MND和中间和降低的渗透率HTT重复扩张的个体中的亨廷顿蛋白包含物，但是需要更多的临床病理研究来进一步了解HTT基因扩张相关的多oi ofiotiropropropy的影响。
电网形成能力：迈向系统级集成
正如 Migrate 项目 [1] 以及 [13-18] 所报告的，在非同步可再生能源发电高渗透率的情况下，电力系统稳定性面临挑战。这些稳定性问题可分为频率、电压、转子角度、换流器驱动和谐振稳定性 [2]。最近的研究 [3-6] 提出了在非同步发电模块（基于换流器）渗透率极高的输电系统中运行的“观点”和方法。此类项目得出结论，如果在系统运行期间确保一定数量的功能，则可以在非同步发电模块高渗透率的情况下确保互联输电系统的稳定和稳健运行。这些功能可以由同步或非同步发电模块提供 [7]。[3] 介绍了七种功能，如果全部实现，则称为形成电网。
滚动光谱策略2020-2023
在全球范围内，无线通信行业见证了几个重大转变，这导致了服务和技术的融合。过去十年来，对移动服务的需求巨大增长，而某些服务（例如分页）不再存在。今天，全球有超过94亿的移动连接超过世界人口。这意味着采用移动服务不仅在富裕的市场中发生，而且还渗透到发展中国家。在巴基斯坦，从2003年到2019年，订户数量的增长率为32％。与许多国家相比，目前的移动渗透率仍为77.2％，目前的移动渗透率仍然很低。根据ITU的移动细胞订阅统计数据，超过50％的国家已经超过了100％的移动渗透率。
具有高渗透率光伏和电池储能系统的岛屿电网随机发电调度：南安达曼岛案例研究
摘要：由于惯性较低且缺乏与其他电网的互连，孤立电网很脆弱。随着不可调度可再生能源的普及，此类孤立电网的脆弱性进一步增加。印度政府已提出多个项目来提高安达曼和尼科巴群岛电网的光伏系统 (PV) 普及率。本文研究了由柴油和天然气发电机、光伏和电池储能系统 (BESS) 供电的孤立电网的能源和备用发电联合随机调度。所提出的随机调度模型考虑了广泛的概率预测情景，而不是假设单点预测的确定性模型。因此，它为广泛的光伏电力预测情景提供了技术上可行的最佳解决方案。本研究开发的模型的显著特点是纳入了随机约束，这些约束代表 (i) 光伏和 BESS 之间的协调、(ii) 备用约束、(iii) 电池充电/放电限制约束，以及 (iv) 确保调度决策技术可行性的非预期约束。所提出的模型在南安达曼岛的数据集上得到验证。结果揭示了所提出的随机调度模型对不同发电组合场景的适用性和可行性。
