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。
海洋骨鱼是通过对生物泵和海洋无机碳循环的贡献,是地球碳循环中的重要参与者。然而,鱼类贡献的组成和幅度的不确定性排除了它们整合到完全耦合的碳气候模型中。在这里,我们考虑了对全球鱼类生物量估计值的最新修订(2.7 - 9.5×),并提供了新的稳定的碳同位素MEA SUREMENTS,显示海洋鱼是具有独特成分的碳酸盐生产者。假设鱼类生物量估计值的中值增加(4.17倍)在碳酸鱼酸盐(鱼苯二甲酸盐)的生产率中进行线性反射,则估计海洋鱼的产量在1.43和3.99 pg Caco 3年3年之间,但潜在的可能高达9.03 pg caco 3 yr -1。因此,海洋鱼类碳酸盐的产生等效于或可能高于甲状腺菌或上层有孔虫的贡献。新的稳定碳同位素分析表明,大部分的鱼甲酸酯是饮食中的碳而不是海水溶解的无机碳。使用统计混合模型来得出来源的贡献,我们估计乙富碳酸盐含有多达81%的饮食碳,平均成分为28 - 56%,与内容<10
a s m a n y a dv e r s e e e ff e c t s a r e d o s e r e l e l e l a t e e d t e d t h e l o w e l o w e l o w e s t e c t i v e c t i v e c t i v e d o s e o s e o s e e o f l i t i t i t i t i t i t i u u s o u l d b e u s e u s e u s e d d d d d d。t h e t h e r p e u t i c a n g e fo r p ro p ro p h y l a x i s i s i s b e t ee n 0。6-0。8 m m o l /l a n d i n a c u t e t r e a t r a t i t i n t i s 0。8-1。2 m m o l / l。如果A V a i l a b l e,则在“ A S M A NY A DV E e e e e ff e c t s a r e d o s e r e l e l a t e e l a t e d t h e l o w e l o w e s t e s t e c t e c t i v e c t i v e d o s e o s e o f l i t i t i t i t i t i t i t i t i u u u l d b e u l d b e u s e d d d d d。t h e t h e a p e u t i c r p r p r o p r o p h y l a x i s i s i s i s b e t e e n 0。6-0。8 m m o l / l a n d i n a c u t e t r e a t r a t i t i n t i s 0。8-1。2 m m o l / l。如果A V a i l a b l e,r e fe r t o t h e p e p e r s o n's'
使用碳酸钠(NACLO 4)基于琼脂 - 阿加尔(NACLO 4)的生物聚合物电解质膜的开发,使用乙烯碳酸乙酯(EC)作为原发性Na-Ion Battery S. Sowmiya a,*,*,C。Shanthi A,S.Selvasekarapandian B,C. S. Selvasekarapandian B,C a s. s. selvasekarapandian b,c a s。印度NADU,B材料研究中心,Coimbatore 641045,印度泰米尔纳德邦Bharathiar University,Coimbatore 641046,印度泰米尔纳德邦,印度泰米尔纳德邦641046,当前的研究调查了乙烯碳酸盐(EC)碳酸盐(EC)综合perch perch perch perch perch perch perch perch and agar-agar-agar-agar-agar-agar-agar-agar-agar-agar-agar-agar-agar-sod.采用便捷的溶液铸造方法来制造生物聚合物膜。制备的生物聚合物膜的特征是XRD,FTIR,DSC,AC阻抗,TGA,CV和LSV技术。X射线衍射分析(XRD)研究膜的晶体/无定形性质。傅立叶变换红外光谱(FTIR)证实了盐和聚合物之间的络合。添加钠盐并掺入增塑剂可将纯琼脂的离子电导率从3.12×10 -7 s cm -1 cm -1至3.15×10 -3 s cm -1提高。差异扫描量热法(DSC)研究玻璃过渡温度(T g)趋势,盐浓度。最高的导电生物聚合物膜的T g值为22.05°C。热重分析(TGA)检查膜的热稳定性。Wagner的DC极化技术评估了制备的膜的转移数。[4]。分别通过线性扫描伏安法(LSV)和环状伏安法(CV)研究了最高导电膜的电化学和循环稳定性。这些发现促进了具有最高性能生物聚合物膜的原代钠离子导电电池的发展。用两种不同的阴极材料(V 2 O 5和MNO 2)研究了电池的性能,当使用V 2 O 5用作阴极时,达到了3.13 V的最高显着开路电压(OCV)。(收到2023年9月13日; 2023年12月11日接受)关键词:生物聚合物膜,增塑剂,反卷积,电导率研究,环状伏安法1。正在进行研究以创建生物基的聚合物来解决环境挑战,这是当代全球目标的一部分,以为基于生物的未来做一个环保过程[1]。预计聚合物研究的增加,特别是关于生物聚合物,以满足未来的工业需求[2]。聚合物电解质(PE)的主要优势是它们的机械品质,更容易获得的薄膜制造和电化学设备。它们可以与电极材料形成良好的接触[3]。由于它们在固态电化学设备中的用途,离子传导PE引起了固态离子学的注意。聚合物研究的主要基本目标是合成具有优异离子电导率的聚合物系统。由于其强大的离子电导率,广泛的电化学稳定性和高能量密度,它们可以是固态电池中的电解质[5]。固体聚合物电解质(SPE)可以开发各种固态电化学设备,例如电池,燃料电池,传感器和太阳能电池[6,7]。生物聚合物及其基于的产品已被研究针对各种新型应用,在这些应用中,它们可以替代使用现有的
妊娠糖尿病(GDM)及其相关的并发症,大糖症,在怀孕期间面临重大挑战。本评论探讨了这些疾病的流行病学方面,病理生理学,并发症和长期后果,重点是对早期检测和高级管理策略的需求。GDM的流行率在全球范围内有所不同,特别关注印度,在大巨粒和GDM之间的相关性很明显。早期产前监测和血糖控制已被确定为减少大糖体发生率的有效策略。了解GDM的病理生理学揭示了β细胞功能障碍和慢性胰岛素抵抗的复杂相互作用,从而导致血糖水平升高。这种干扰有助于大粒细胞,其特征在于异常大的婴儿的出生。与大型症相关的并发症不仅限于分娩;母亲可能会遇到旷日持久的劳动,子宫和泪水的风险增加,而新生儿则面临着肩膀肌张力障碍和新生儿黄疸的挑战。此外,子宫内GDM暴露的持久意义与儿童肥胖和代谢综合征有关。该评论还讨论了有希望的研究方向。糖基化标记的研究旨在改善大型症预测,从而更好地管理和护理受影响的妊娠。此外,移动技术的集成(例如GDM Health智能手机解决方案)提供了对血糖水平和量身定制的反馈的远程监控,并有可能革新GDM管理。在应对GDM和宏观疾病提出的挑战时,必须采用多方面的方法。早期有效的产前护理,再加上警惕的血糖控制,对于母亲及其婴儿的福祉至关重要。继续研究创新筛查和管理方法将进一步增强妊娠结局和长期健康。医疗保健专业人员对这些疾病及其广泛影响有了全面的了解,在支持准妈妈并确保母亲和儿童的光明和健康的未来方面发挥着关键作用。
这项工作是由美国能源公司联盟(Alliance for Sustainable Energy,LLC)经营的国家可再生能源实验室为美国能源部(DOE)根据合同编号DE-AC36-08GO28308。这项研究得到了美国能源部的车辆技术办公室的支持,由布莱恩·坎宁安(Brian Cunningham)执导的硅财团项目,由安东尼·伯雷尔(Anthony Burrell)管理。美国政府保留和出版商,通过接受该文章的出版物,承认美国政府保留了不可限制的,有偿的,不可撤销的,全球范围内的许可,以出版或复制这项工作的已发表形式,或允许其他人这样做,以实现美国政府的目的。
在这项研究中,使用二维图像用于使用两步过程(8,14)来表征谷物和孔的形态。在第一步中,捕获图像。在第二步中,使用图像分析软件扫描了此类特征的面积和平均孔接触角,该软件能够准确测量孔隙和谷物空间的几个形态参数,如图1所示。本研究利用面积测量和接触角作为所有分析的标准参数。形态特征是根据面积和接触角度计算的,这将信息准确性的水平分为两个维度。该信息被认为是“大数据”,并分析了以找到可以减少成本和时间的答案。
她效应大学,她的官员,S1 3JD,英国B b曼彻斯特大学化学工程系,曼彻斯特大学,曼彻斯特大学,M13 9PL,英国C英国C型催化枢纽,Harwell,Harwell,Harwell,Harwell,Rutherford Appleton,Rutherford Appleton,Harwell,Harwell,Harwell,Harwell,Ox11 0fa,UK demang dement,UK D Inturand of nucement of nordy n forne Elettra-Sincrotrone Trieste, Strada Statale 14, 34149, Basovizza, Trieste, Italy f Department of Materials Science and Engineering, University of Sheffield, Sheffield, S1 3JD, UK g Diamond Light Source, Harwell Science and Innovation Campus, Didcot OX11 0DE, UK h The University of Manchester at Harwell, Diamond Light Source, Harwell Science and Innovation校园,DIDCOT OX11 0DE,UK她效应大学,她的官员,S1 3JD,英国B b曼彻斯特大学化学工程系,曼彻斯特大学,曼彻斯特大学,M13 9PL,英国C英国C型催化枢纽,Harwell,Harwell,Harwell,Harwell,Rutherford Appleton,Rutherford Appleton,Harwell,Harwell,Harwell,Harwell,Ox11 0fa,UK demang dement,UK D Inturand of nucement of nordy n forne Elettra-Sincrotrone Trieste, Strada Statale 14, 34149, Basovizza, Trieste, Italy f Department of Materials Science and Engineering, University of Sheffield, Sheffield, S1 3JD, UK g Diamond Light Source, Harwell Science and Innovation Campus, Didcot OX11 0DE, UK h The University of Manchester at Harwell, Diamond Light Source, Harwell Science and Innovation校园,DIDCOT OX11 0DE,UK她效应大学,她的官员,S1 3JD,英国B b曼彻斯特大学化学工程系,曼彻斯特大学,曼彻斯特大学,M13 9PL,英国C英国C型催化枢纽,Harwell,Harwell,Harwell,Harwell,Rutherford Appleton,Rutherford Appleton,Harwell,Harwell,Harwell,Harwell,Ox11 0fa,UK demang dement,UK D Inturand of nucement of nordy n forne Elettra-Sincrotrone Trieste, Strada Statale 14, 34149, Basovizza, Trieste, Italy f Department of Materials Science and Engineering, University of Sheffield, Sheffield, S1 3JD, UK g Diamond Light Source, Harwell Science and Innovation Campus, Didcot OX11 0DE, UK h The University of Manchester at Harwell, Diamond Light Source, Harwell Science and Innovation校园,DIDCOT OX11 0DE,UK
用户必须在使用前确保产品在其应用中的适用性。产品仅符合该和其他相关HIMEDIA™出版物中包含的信息。本出版物中包含的信息基于我们的研发工作,据我们所知,真实而准确。Himedia™实验室Pvt Ltd保留随时更改规格和信息的权利。产品不适用于人类或动物或治疗用途,而是用于实验室,诊断,研究或进一步制造的使用,除非另有说明。本文包含的陈述不应被视为任何形式的保证,明示或暗示,也不应对侵犯任何专利的责任承担任何责任。