1) pore network model
孔隙网络模型
1.
Application on pore network model of porous media;
多孔介质孔隙网络模型的应用现状
2.
Based on percolation theory,a quasi-static 3D pore network model is established,and it can be used to describe primary oil flooding and secondary water flooding and to calculate the relative permeability.
结合逾渗理论,采用截断威布尔分布作为孔喉分布函数,模拟初次油驱和二次水驱过程,建立了油水两相流的三维准静态孔隙网络模型。
3.
A pore network model is established.
结合逾渗理论,采用截断威布尔分布作为孔喉特征分布函数,模拟储层岩心的初次油驱过程和二次水驱过程,建立了油水两相三维准静态孔隙网络模型;通过模型计算与试验结果的对比,验证了孔隙网络模型的有效性。
2) pore scale network model
孔隙网络模型
1.
The throat frequency distributions were taken as the main input data and used to calculate oil-water relative permeability with the pore scale network model.
以所拟合的孔喉频数分布为主要输入参数 ,利用孔隙网络模型计算了油、水相对渗透率。
3) pore-scale network model
孔隙级网络模型
1.
Research on oil and water flow using pore-scale network model;
利用孔隙级网络模型研究油水两相流
2.
The fluid distribution in each pore and throat was expressed quantitatively by pore-scale network model.
多相流体在多孔介质中流动时,传质扩散、非水相溶解等现象都与相间界面有关,利用孔隙级网络模型定量表征每一个孔隙孔喉中流体分布,结合几何知识,计算得到了多相流体在孔隙级网络模型中流动时的毛细管压力、饱和度和相间界面积,并作出了它们之间的关系曲线。
4) Network Pore Model
网络孔隙模型
5) 2D pore network model
二维孔隙网络模型
6) stochastic network pore model
随机网络孔隙模型
补充资料：Hopfield神经网络模型
Hopfield神经网络模型
Hopfield neural network model
收敛于稳定状态或Han加Ing距离小于2的极限环。 上述结论保证了神经网络并行计算的收敛性。 连续氏pfield神经网络中，各个神经元状态取值是连续的，由于离散H6pfield神经网络中的神经元与生物神经元的主要差异是:①生物神经元的I/O关系是连续的;②生物神经元由于存在时延，因此其动力学行为必须由非线性微分方程来描述。为此，在1984年J.J.H叩fi酗提出了连续氏pfield神经网络，它可用图1所示的电路实现，其动态方程┌───┐│·T叮 │└───┘图1连续F砧pfield神经网络 (a)Sigmoid非线性;(b)神经元模型可由下述微分方程式描述: 、，产 门J /r、l、1.。瓮一客、一佘Ii认=f(u￡)￡=l，2，…，n式中f(·)为连续可微的Sign101d函数;T，j=兀、i，j=1，2，“’，n几=0]=i1~.吞~·‘八文一Q*+，戮T，j‘一‘，2，”一”连续时间氏pfield神经网络式的计算能量函数定义为:一告客客几从砚 石l「Vi_1，、，合，，， +乞古!‘厂‘(x)dx一乙I，从(4) ’月R‘Jo“‘、一’一月一，” 对于式(3)，若f一‘为单调增且连续，C>0，T，j=几(i，j=1，2，一，n)，则沿系统的运动轨道有dE一。-丁丁足之Uat当且仅当贷一。时 箭一。式(3)的稳定平衡点就是能量函数E〔式(4)」的极小点，反之亦然。同时，连续氏pfield神经网络式(3)以大规模非线性连续时间并行方式处理信息。网络的稳定平衡点对应于其计算能量函数E的极小点，网络的计算时间就是它到达稳定的时间，网络的计算在系统趋于稳态的过程中也就完成了。这也是式(3)用于神经计算及联想记忆的基本原理，也即神经计算机的基本原理。HoPfield shenling wangluo moxingHopfield神经网络模型(Hopfieldne，Ine幻即0比m侧触l)一种单层全反馈的人工神经网络模型(后称之为氏p玉idd模型)，它对推动人工神经网络研究的复苏起了很重要的作用。 且，lield对人工神经网络研究的贡献主要有: (l)把有反馈的神经网络看作一个非线性动力系统，提出了系统的全局Lyap阴lov函数(或称能量函数)的概念，用于系统稳定性的分析; (2)利用上述分析方法解决人工智能中的组合优化问题，如15护;(3)给出了利用模拟电子线路实现的连续Hopfidd网络的电路模型，为进一步研究神经计算机创造了条件。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条