简介：

简介：油井无电缆传输测试工艺技术可解决无法实施常规测试方法录取动态生产资料的油井生产测试问题。该工艺技术在油井检泵作业施工期间进行，测试仪器和无电缆传输系统随泵下入井内，测试得到的数据转换为声波信号，沿油管传输到地面，被安装在井口的声波接收探头接收。通过数据处理与解释，得到该井目前生产状态下的动态资料，可实现油井长期、实时监测。经华北油田4口井现场试验，效果较好，为油田开发方案的制定提供了较为准确的资料。

简介：移动平均法是一种时间序列预测法，当时间序列没有明显的趋势变动时，使用移动平均就能够准确地反映实际情况。应用该方法，对单井产量及日产油能力进行了预测。实例证明，采用移动平均法得到的预测值是较真实的。

简介：多元非水相流体(NAPLs)造成的地下水污染是严重的问题，这一问题的严重性推动了对这个方面的研究。NAPLs，如有机溶解物和石油烃，它们经常地随机释放到含水层中，由于蔓延引起地下水污染。因为NAPLs具有很低的水的溶解性，所以，少量NAPL便可以污染地下水长达10年。更为严重

简介：目前井下无线地面直读技术的传输距离不能满足现有深井、超深井应用。从井下无线中继传输的基本原理入手,开展中继传输技术研究,设计了井下无线中继器功能和传输协议,研制了井下无线中继器功能样机。井下试验表明,研制的无线中继器功能样机实现了中继传输功能,设计的井下无线中继器的传输协议满足要求,采用该技术将井下无线信号强度提高了3倍。此研究为中继传输技术在井下无线地面直读中的应用奠定了基础。

简介：进行油套传输射孔之前,精确确定射孔深度至关重要。传统的校深方法是采用磁性定位器测量套管接箍。这种方法精度较低,施工周期较长。随着科学技术的发展,"自然伽玛射线校深技术"应运而生。这里将简要介绍本公司开展的此项工作的做法。自然伽玛测井校深,是根据不同地层的自然伽玛射线强度不同的原理实现的。工作内容主要包括室内对图和现场校深两部分。

简介：西班牙的CabodeGataNijar天然公园提供了某些使其具有重要地质生态和环境意义的独特特征。作为该公园环境和采矿活动（直到十几年前才停下来）产生影响研究的优先步骤，确定了矿山和废物遗弃场地的位置，对岩性作了鉴定。为了达到这个目的，采用了不同的遥感技术来建立高分辨率的图像文件，图像文件将成为该区地质和环境填图的根据：因为从前的采矿活动牵涉到当地的环境，所以特别注意这些区域。由于具有不同空间／频谱分辨率的遥感图像日益加大的可用性，因此它们已成为很有用的工具。上述的是SPOT全色和陆地卫星专题成像仪多频图像的情形，它们是地质和环境研究中最常使用的基于遥感的两种图像。在为数众多阐述组合遥感图像资料的技术中，本文利用SPOT全色和陆地卫星TM资料研究那些基于亮度一色相一彰度（饱和度）、主要成分分析、高通滤波器和颜色正规化的变换。该研究的目标是：★分析和对比一些最常使用的方法；★选择最适合用于详细地质．环境研究的方法；★将该方法用于CabodeGataNijar地区一国家最具特色的一个天然公园场地。

简介：

简介：我们测试了利用数字、彩色航空正射影像以及空间与辐射测量分辨率的单视场全色卫星影像对意大利近来滑坡进行填图的概率，并更新了现有滑坡位移测量数据。2004年9月至2005年6月，在亚平宁山脉中部翁布里亚的90km。区域内降雨导致大量滑坡发生。通过对降雨记录分析发现，滑坡出现与降雨时间比较吻合，即滑坡多发生在潮湿的降水期。滑坡主要发生在农耕区，且形态细微、覆盖较好，因此识别个别滑坡并填图比较困难。尽管应用识别滑坡很困难，不使用立体可视化方法，仅采用航空和卫星影像进行目视解译，共识别457个新滑坡并填图，单个滑坡面积（AL）在3．0×10^1与2．5×104m^2之间，滑坡总面积ALT为6．92×10^5m^2。为了鉴别滑坡，研究者采用空中摄影测量解译准则识别和制作滑坡图。结果表明，利用航空和卫星传感器获取的单视场高分辨率影像，能够绘制很难探测的滑坡地区滑坡图，其空间分辨率和辐射分辨率可以满足需求。不同时相的航空影像（2005年3月）和卫星影像（2005年6月到7月）可提供分阶段滑坡信息，并可统计不同时间段内滑坡分布面积。与该地区先前存在的滑坡数量和大小信息相比，通过航空和卫星影像获取的滑坡信息更加完整。新绘制地图中滑坡数量比先前探测的数量多出145％，滑坡面积多出85％。在改进的滑坡填图中，2004-2005年滑坡多发季节滑坡滑动率φL=27．1mm／yr，比先前对同时期滑动率的评估值高30％。在亚平宁山脉中心地带，该滑坡滑动季节变化率远远高于长期地区侵蚀率。该滑动率的加速增加归因于农业行为导致边坡稳定性下降。

简介：根据先进星载热发射和反辐射计（ASTER）图像获取滑坡相关因素，并利用地理信息系统（GIS）开发、应用和验证韩国Boun地区滑坡脆弱性分析的综合技术。从ASTER图像中获取数字高程模型（DEM）、线性特征、归一化差值植被指数（NDVI）和土地覆盖因素并进行分析。根据DEM地形数据库评估边坡、方位和曲率。根据已有空间数据库并利用频率比（FR）、逻辑回归（LR）和人工神经网络模型（ANN）鉴定和量化检测的滑坡位置与6种相关因素之间的关系。在叠加分析中把这些相互关系用作因子额定值以创建滑坡脆弱性指数和滑坡脆弱性图。随后，在FR、LR和ANN模型中作为新输人因子结合并应用3种滑坡脆弱性图，从而创建改进的滑坡脆弱性图。通过对比在模型实验中未使用的已知滑坡位置来验证所有这些滑坡脆弱性图。对比利用3种滑坡相关输入参数创建的改进精度的综合滑坡脆弱性图（FR}莫型为87．00％；LRN型为88．21％；ANN模型为86．51％）与利用ASTER图像中6种因素创建的单独滑坡脆弱性图（FR丰莫型为84．34％；LR模型为85．40％；ANN模型为74．29％）。