CN117198385A - 一种油藏微生物群落竞争演化方法 - Google Patents
一种油藏微生物群落竞争演化方法 Download PDFInfo
- Publication number
- CN117198385A CN117198385A CN202311466857.8A CN202311466857A CN117198385A CN 117198385 A CN117198385 A CN 117198385A CN 202311466857 A CN202311466857 A CN 202311466857A CN 117198385 A CN117198385 A CN 117198385A
- Authority
- CN
- China
- Prior art keywords
- growth
- microorganism
- community
- cell
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000000813 microbial effect Effects 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 31
- 244000005700 microbiome Species 0.000 claims abstract description 75
- 239000011148 porous material Substances 0.000 claims abstract description 37
- 238000009826 distribution Methods 0.000 claims abstract description 26
- 230000001413 cellular effect Effects 0.000 claims abstract description 17
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- 238000011160 research Methods 0.000 claims abstract description 9
- 238000003860 storage Methods 0.000 claims abstract description 4
- 241000894006 Bacteria Species 0.000 claims description 52
- 235000015097 nutrients Nutrition 0.000 claims description 22
- 230000002860 competitive effect Effects 0.000 claims description 12
- 230000033558 biomineral tissue development Effects 0.000 claims description 9
- 230000007613 environmental effect Effects 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 6
- 238000011161 development Methods 0.000 claims description 6
- 230000018109 developmental process Effects 0.000 claims description 6
- 238000010586 diagram Methods 0.000 claims description 5
- 238000009395 breeding Methods 0.000 claims description 4
- 230000001488 breeding effect Effects 0.000 claims description 4
- 229910052500 inorganic mineral Inorganic materials 0.000 claims description 3
- 239000011707 mineral Substances 0.000 claims description 3
- 239000002245 particle Substances 0.000 claims description 3
- 239000011435 rock Substances 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 241000736262 Microbiota Species 0.000 claims 2
- 238000005516 engineering process Methods 0.000 abstract description 11
- 238000006073 displacement reaction Methods 0.000 abstract description 7
- 238000004088 simulation Methods 0.000 abstract description 3
- 239000003921 oil Substances 0.000 description 50
- 238000011084 recovery Methods 0.000 description 9
- 239000007924 injection Substances 0.000 description 5
- 238000002347 injection Methods 0.000 description 5
- 239000003795 chemical substances by application Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000000758 substrate Substances 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 240000008042 Zea mays Species 0.000 description 1
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 1
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 150000001335 aliphatic alkanes Chemical class 0.000 description 1
- 235000005822 corn Nutrition 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 239000010779 crude oil Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000593 degrading effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000008595 infiltration Effects 0.000 description 1
- 238000001764 infiltration Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000004094 surface-active agent Substances 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开油藏微生物群落竞争演化方法，包括以下步骤：（1）获取研究区的油藏储层孔隙空间以及微生物群落的生长环境参数；（2）根据所述生长环境参数，采用格子玻尔兹曼算法计算油藏储层孔隙空间中微生物群落的生长环境参数分布情况；（3）获取油藏储层内微生物在不同外部环境下的生长数据曲线和生长模型，并存储在数据库中；（4）根据所述生长数据曲线，采用元胞自动机原理定义其群落增长模型；（5）结合步骤（2）的计算结果，应用步骤（4）定义的群落增长模型，对油藏储层孔隙空间内微生物群落进行演化，实时输出微生物群落竞争演化结果。所述方法能实现微生物在油藏储层内群落的演化模拟，为提高微生物驱油技术提供一定的理论基础。
Description
技术领域
本发明属于生物信息学技术领域，具体涉及一种油藏微生物群落竞争演化方法。
背景技术
三次采油技术是提高油田开发效果，保障国家能源安全的重要技术。选取适宜的三次采油技术，可以有效提高油田采出程度。常用的三次采油技术包括化学驱油、物理驱油、生物采油方法等。其中生物采油法相较于其他三次采油技术具有一定优势，目前应用较广的内源微生物驱油技术，其注入体系主要以促进油层微生物生长的营养剂构成，具有成本低、生产过程污染小、与储层流体配伍性好等优势。营养剂注入后，通过储层内微生物生长、繁殖过程中产生的表面活性剂及聚合物等产物达到有效动用孔隙及基质内残余油的作用，部分功能菌种还具有改变原油黏度，降解长链烷烃等能力，可以有效提高油田采出程度。
内源微生物驱油技术的实施效果取决于油藏内部微生物生长情况，在不同的注入剂浓度及注入剂体系条件下，油藏内不同菌种的生长繁殖情况有所不同。只有选取合适的配方体系及注入方式，促进目标菌种生长，才可以有效提高技术的实施效果。目前微生物驱油技术的评价与设计主要依托于生物、物理模拟实验和现场应用过程中的监测调整，鉴于微生物驱油过程的复杂性与随机性，鲜有报道有效的微生物在油藏储层中的生长繁殖模拟方法。所以，提供一种有效的油藏微生物群落竞争演化方法对于内源微生物驱油技术的研究具有重要意义。
发明内容
针对现有技术的缺陷，本发明基于格子玻尔兹曼算法和元胞自动机原理提供一种油藏微生物群落竞争演化方法。根据研究区的油藏储层孔隙空间以及微生物群落的生长环境参数，结合不同微生物种类的生长曲线，采用格子玻尔兹曼算法计算营养剂及其他生长参数分布情况，采用元胞自动机对孔隙网格内的微生物繁殖状态进行判断，并最终生成微生物分布图，用以模拟油藏微生物群落竞争演化，为微生物驱油设计提供指导。
一种油藏微生物群落竞争演化方法，包括以下步骤：
（1）获取研究区的油藏储层孔隙空间以及微生物群落的生长环境参数；
（2）根据所述生长环境参数，采用格子玻尔兹曼算法计算油藏储层孔隙空间中微生物群落的生长环境参数分布情况；
（3）获取油藏储层内微生物在不同外部环境下的生长数据曲线和生长模型，并存储在数据库中；
（4）根据所述生长数据曲线，采用元胞自动机原理定义其群落增长模型；
（5）结合步骤（2）的计算结果，应用步骤（4）定义的群落增长模型，对油藏储层孔隙空间内微生物群落进行演化，实时输出微生物群落竞争演化结果。
优选地，所述油藏储层孔隙空间为岩石中未被矿物颗粒占据的区域，该区域为微生物预设的生长区域，所述预设的生长区域为营养物质流动的空间以及微生物群落的生长空间；所述生长环境参数包括但不限于油藏储层温度、压力、矿化度或营养剂浓度。
优选地，步骤（2）所述生长环境参数分布情况包括但不限于温度分布、压力分布、矿化度分布或营养剂浓度分布。
优选地，所述生长数据曲线为微生物在不同生长环境参数下的生长适应性数据曲线；所述生长模型包括但不限于Monod模型、Haldane模型以及Contois模型。
优选地，步骤（4）所述采用元胞自动机原理定义其群落增长模型具体如下：将所述格子玻尔兹曼算法中的网格作为元胞自动机基础单元，应用蒙特卡罗原理将所述生长数据曲线转为概率模型。
优选地，步骤（5）具体如下：①根据步骤（2）得到的油藏储层孔隙空间中微生物群落的生长环境参数分布情况，判断单元格是否具备微生物繁殖条件，若不具备繁殖条件，则跳过当前单元格，对其他单元格进行判断；②当该单元格具备微生物的繁殖条件时，查询微生物对应的概率模型，根据实际情况进行经验矫正，得到油藏储层孔隙空间任意单元格的微生物生长概率；对于不同种类的微生物，根据其概率模型给出的条件概率，对同一单元格进行竞争，生长概率最大的微生物种类占据当前单元格；③每一个循环步都及时更新单元格内的微生物生长状态，输出微生物群落发展分布图；当所有单元格的微生物生长状态更新完毕后，将生长了微生物的区域作为被占据区域，更新油藏储层孔隙空间，用于下一步竞争演化。
优选地，判断单元是否具备微生物繁殖条件具体如下：
微生物存在状态参数设置：对于n×n的网格，其中的某一单元格，采用-1、
0、1标记当前单元格是否存在A菌或B菌，-1表示存在A菌，1表示存在B菌，0表示不存在菌；且
只有当该单元格周围存在一定A菌或B菌时，才能够使得单元格具备A菌或B菌的繁殖
条件，其中，分别为网格中横纵坐标的网格编号，的取值均为[0，n)，且为整
数；为微生物存在状态参数；
若 = 0，当时，单元格具备B菌的繁殖条件，当时，单元格具备A菌的繁殖条件；
若 ≠ 0，单元格已存在微生物，跳过当前单元格，对其他单元格进
行判断。
本发明的优点：
本发明基于格子玻尔兹曼与元胞自动机原理，提供了一种油藏微生物群落竞争演化算法，利用格子玻尔兹曼算法求解油藏微生物生长繁殖条件参数，结合油藏微生物与元胞自动机在行为准则上的相似性，采用元胞自动机模拟不同种类油藏微生物的竞争演化，能实现微生物在油藏储层内群落的演化模拟，为提高微生物驱油技术提供一定的理论基础与应用范围。
附图说明
图1为油藏储层孔隙空间；
图2为生长环境参数计算结果；
图3 为概率型微生物生长曲线；
图4为元胞自动机演化模式，其中，A为判断单元格是否具备繁殖条件，B为根据营养剂浓度分布查找概率型微生物生长曲线对应的生长概率，C为根据温度分布参数矫正生长概率，D为更新单元格的微生物状态；
图5为本发明实施例2的计算结果。
具体实施方式
实施例1
一种油藏微生物群落竞争演化方法，包括以下步骤：
（1）获取研究区的油藏储层孔隙空间以及微生物群落的生长环境参数；其中，所述油藏储层孔隙空间为岩石中未被矿物颗粒占据的区域，该区域为微生物预设的生长区域，所述预设的生长区域为营养物质流动的空间以及微生物群落的生长空间；所述生长环境参数包括但不限于油藏储层温度、压力、矿化度或营养剂浓度；
（2）根据所述生长环境参数，采用格子玻尔兹曼算法计算油藏储层孔隙空间中微生物群落的生长环境参数分布情况，包括但不限于营养剂流速分布、密度分布、营养剂浓度分布或产物浓度分布；
（3）获取油藏储层内微生物在不同外部环境下的生长数据曲线和生长模型，并存储在数据库中；其中，所述生长数据曲线为微生物在不同生长环境参数下的生长适应性数据曲线；所述生长模型为根据微生物种类选取适应的微生物生长衰落模型，描述不同微生物生长与死亡的动力学特征，包括但不限于Monod模型、Haldane模型以及Contois模型；
（4）根据所述生长数据曲线，采用元胞自动机原理定义其群落增长模型；具体为：将所述格子玻尔兹曼算法中的网格作为元胞自动机基础单元，应用蒙特卡罗原理将所述生长数据曲线转为概率模型，增加模型随机性；
（5）结合步骤（2）的计算结果，应用步骤（4）定义的群落增长模型，对油藏储层孔隙空间内微生物群落进行演化，实时输出微生物群落竞争演化结果；具体为：①根据步骤（2）得到的油藏储层孔隙空间中微生物群落的生长环境参数分布情况，判断单元格是否具备微生物繁殖条件，若不具备繁殖条件，则跳过当前单元格，对其他单元格进行判断；②当该单元格具备微生物的繁殖条件时，查询微生物对应的概率模型，根据实际情况进行经验矫正，得到油藏储层孔隙空间任意单元格的微生物生长概率；对于不同种类的微生物，根据其概率模型给出的条件概率，对同一单元格进行竞争，生长概率最大的微生物种类占据当前单元格；③每一个循环步都及时更新单元格内的微生物生长状态，输出微生物群落发展分布图；当所有单元格的微生物生长状态更新完毕后，将生长了微生物的区域作为被占据区域，更新油藏储层孔隙空间，用于下一步竞争演化；
其中，判断单元是否具备微生物繁殖条件具体如下：
微生物存在状态参数设置：对于n×n的网格，其中的某一单元格，采用-1、
0、1标记当前单元格是否存在A菌或B菌，-1表示存在A菌，1表示存在B菌，0表示不存在菌；且
只有当该单元格周围存在一定A菌或B菌时，才能够使得单元格具备A菌或B菌的繁殖
条件，其中，分别为网格中横纵坐标的网格编号，的取值均为[0，n)，且为整
数；为微生物存在状态参数；
若
= 0，当时，单元格具备B菌的繁殖条件，当时，单元格具备A菌的繁殖条件；
若
≠ 0，单元格已存在微生物，跳过当前单元格，对其他单元格进行
判断。
实施例2
以鄂尔多斯盆地某研究区的油藏储层孔隙为例，研究区内的细菌选取SA-1菌、SA-2菌、营养剂（底物）选用玉米浆干粉，对本发明做进一步详细的说明，具体如下：
（1）获取研究区的油藏储层孔隙空间以及微生物群落的生长环境参数：
设置油藏储层孔隙空间的网格数为1000×1000，为二维空间模型，具体见图1；
设置微生物群落的生长环境参数包括：温度33℃、压力6.3Mpa、矿化度10000 mg/L、pH值6.3~7.2、营养剂浓度0.8g/L；
（2）根据所述生长环境参数，采用格子玻尔兹曼算法计算油藏储层孔隙空间中微生物群落的生长环境参数分布情况：
设置孔隙空间模型为网格数1000×1000的计算域网格，采用基于浸润边界格式的格子玻尔兹曼方法进行流固耦合运算，采用D2Q9模型，上下边界采用无滑移反弹格式，入口边界采用Zou-He速度边界格式，设置计算步数为100000步，入口流速设置0.001 m/s。根据入口营养剂注入速率及其他生长环境参数，进行计算得到温度分布、营养剂浓度分布，其中，第40000循环步的生长环境参数分布情况见图2，其中，对于单元格（446，524）的营养物浓度由格子玻尔兹曼算法求得为0.055 g/L；
（3）获取油藏储层内微生物在不同外部环境下的生长数据曲线和生长模型，并存储在数据库中：
生长数据曲线在实验室条件下进行测定，选取Monod模型描述微生物生长过程；
（4）根据所述生长数据曲线，采用元胞自动机原理定义其群落增长模型：
将所述格子玻尔兹曼算法中的1000×1000网格单元作为元胞自动机基础单元，应用蒙特卡罗原理将所述生长数据曲线转为概率模型，增加模型随机性，见图3概率型微生物生长曲线；
（5）结合步骤（2）的计算结果，应用步骤（4）定义的群落增长模型，对油藏储层孔隙空间内微生物群落进行演化，实时输出微生物群落竞争演化结果：
以网格中某一单元格为例，其中，=446，=524，具体如下（图4）：
①根据步骤（2）得到的油藏储层孔隙空间中微生物群落的生长环境参数分布情况，判断单元格是否具备微生物繁殖条件，
微生物存在状态参数设置：
对于某一单元格，采用-1、0、1标记当前单元格是否存在SA-1菌或SA-2菌，-
1表示存在SA-1菌，1表示存在SA-2菌，0表示不存在菌；且只有当该单元格周围存在一定SA-
2菌或者SA-1菌时，才能够使得单元格具备SA-2菌或者SA-1菌的繁殖条件，其中，
均为[0，1000），且为整数；为微生物存在状态参数；
若= 0，当时，单元格具备SA-2菌繁殖条件，当时，单元格具备
SA-1菌繁殖条件；
若≠ 0，单元格已存在微生物，跳过当前单元格，对其他单元格进行
判断；
由图4中A可知，SA-1菌、SA-2菌均满足繁殖条件；
②生长环境参数判断：第40000循环步时，对于某一单元格营养物浓度由格
子玻尔兹曼算法求得为0.055 g/L，单元温度为33℃，单元矿化度为10000 mg/L，由图4概率
型微生物生长曲线可知，查得营养物（底物）浓度0.055 g/L时，SA-2菌生长概率为=0.87；而由室内实验结果表明，33℃时SA-2菌生长被抑制，所以进行经验矫
正，生长概率乘以系数0.8变为0.87×0.8=0.69，矿化度为10000 mg/L时SA-2菌生长被抑制，
进行经验矫正，生长概率乘以系数0.7变为0.69×0.7=0.48，最终得到，营养物浓度为0.055
g/L、33℃、矿化度为10000 mg/L时，单元格处SA-2菌生长概率为=
0.48；同理，由图3概率型微生物生长曲线可知，查得营养物（底物）浓度0.055 g/L时，SA-1
菌生长概率为=0.68；按照同样的方法进行经验矫正，得到SA-1菌在单元格处的生长概率为=0.68×0.9×0.9=0.55，具体见图4中B和C；所以，表
明该单元格被SA-1菌占据；
③微生物存在状态参数更改：根据单元格处SA-2菌生长概率为0.48、SA-1
菌生长概率为0.55，则依据该概率修改单元格处的微生物存在状态参数为=
-1，具体见图4中D；
及时更新单元格内的微生物生长状态，并输出微生物群落发展分布图，见图5；
每一个循环步都及时更新单元格内的微生物生长状态，并输出微生物群落发展分布图，当所有单元格的微生物生长状态更新完毕后，更新油藏储层孔隙空间，用于下一步竞争演化；
本实施例设置计算步数为100000步。所以，每一个循环步均需对孔隙空间网格中的单元格进行竞争计算，该竞争计算如上步骤（1）-（5）循环。
Claims (7)
1.一种油藏微生物群落竞争演化方法，其特征在于：包括以下步骤：
（1）获取研究区的油藏储层孔隙空间以及微生物群落的生长环境参数；
（2）根据所述生长环境参数，采用格子玻尔兹曼算法计算油藏储层孔隙空间中微生物群落的生长环境参数分布情况；
（3）获取油藏储层内微生物在不同外部环境下的生长数据曲线和生长模型，并存储在数据库中；
（4）根据所述生长数据曲线，采用元胞自动机原理定义其群落增长模型；
（5）结合步骤（2）的计算结果，应用步骤（4）定义的群落增长模型，对油藏储层孔隙空间内微生物群落进行演化，实时输出微生物群落竞争演化结果。
2.根据权利要求1所述油藏微生物群落竞争演化方法，其特征在于：所述油藏储层孔隙空间为岩石中未被矿物颗粒占据的区域，该区域为微生物预设的生长区域，所述预设的生长区域为营养物质流动的空间以及微生物群落的生长空间；所述生长环境参数包括但不限于油藏储层温度、压力、矿化度或营养剂浓度。
3.根据权利要求2所述油藏微生物群落竞争演化方法，其特征在于：步骤（2）所述生长环境参数分布情况包括但不限于温度分布、压力分布、矿化度分布或营养剂浓度分布。
4.根据权利要求3所述油藏微生物群落竞争演化方法，其特征在于：所述生长数据曲线为微生物在不同生长环境参数下的生长适应性数据曲线；所述生长模型包括但不限于Monod模型、Haldane模型以及Contois模型。
5.根据权利要求4所述油藏微生物群落竞争演化方法，其特征在于：步骤（4）所述采用元胞自动机原理定义其群落增长模型具体如下：将所述格子玻尔兹曼算法中的网格作为元胞自动机基础单元，应用蒙特卡罗原理将所述生长数据曲线转为概率模型。
6.根据权利要求5所述油藏微生物群落竞争演化方法，其特征在于：步骤（5）具体如下：①根据步骤（2）得到的油藏储层孔隙空间中微生物群落的生长环境参数分布情况，判断单元格是否具备微生物繁殖条件，若不具备繁殖条件，则跳过当前单元格，对其他单元格进行判断；②当该单元格具备微生物的繁殖条件时，查询微生物对应的概率模型，根据实际情况进行经验矫正，得到油藏储层孔隙空间任意单元格的微生物生长概率；对于不同种类的微生物，根据其概率模型给出的条件概率，对同一单元格进行竞争，生长概率最大的微生物种类占据当前单元格；③每一个循环步都及时更新单元格内的微生物生长状态，输出微生物群落发展分布图；当所有单元格的微生物生长状态更新完毕后，将生长了微生物的区域作为被占据区域，更新油藏储层孔隙空间，用于下一步竞争演化。
7.根据权利要求6所述油藏微生物群落竞争演化方法，其特征在于：判断单元是否具备微生物繁殖条件具体如下：
微生物存在状态参数设置：对于n×n的网格，其中的某一单元格，采用-1、0、1标记当前单元格是否存在A菌或B菌，-1表示存在A菌，1表示存在B菌，0表示不存在菌；且只有当该单元格周围存在一定A菌或B菌时，才能够使得单元格/>具备A菌或B菌的繁殖条件，其中，/>分别为网格中横纵坐标的网格编号，/>的取值均为[0，n)，且/>为整数；为微生物存在状态参数；
若 = 0，当/>时，单元格/>具备B菌的繁殖条件，当/>时，单元格/>具备A菌的繁殖条件；
若 ≠ 0，单元格/>已存在微生物，跳过当前单元格，对其他单元格进行判断。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311466857.8A CN117198385B (zh) | 2023-11-07 | 2023-11-07 | 一种油藏微生物群落竞争演化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311466857.8A CN117198385B (zh) | 2023-11-07 | 2023-11-07 | 一种油藏微生物群落竞争演化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117198385A true CN117198385A (zh) | 2023-12-08 |
| CN117198385B CN117198385B (zh) | 2024-03-19 |
Family
ID=88987272
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311466857.8A Active CN117198385B (zh) | 2023-11-07 | 2023-11-07 | 一种油藏微生物群落竞争演化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117198385B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6643628B1 (en) * | 1998-07-14 | 2003-11-04 | The United States Of America As Represented By The Secretary Of The Air Force | Cellular automata neural network method for process modeling of film-substrate interactions and other dynamic processes |
| CN101699025A (zh) * | 2009-10-30 | 2010-04-28 | 华东理工大学 | 一种调控微生物采油的方法 |
| CN101818634A (zh) * | 2010-04-23 | 2010-09-01 | 中国石油化工股份有限公司 | 一种采油用微生物群落调控方法 |
| CN112908425A (zh) * | 2021-01-29 | 2021-06-04 | 中国石油大学(华东) | 一种基于反应动力学模型的微生物采油数值模拟方法 |
| CN115034425A (zh) * | 2022-03-08 | 2022-09-09 | 武汉大学 | 耦合水量-水质-水生物的集合群落动态模拟、调度方法及装置 |
-
2023
- 2023-11-07 CN CN202311466857.8A patent/CN117198385B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6643628B1 (en) * | 1998-07-14 | 2003-11-04 | The United States Of America As Represented By The Secretary Of The Air Force | Cellular automata neural network method for process modeling of film-substrate interactions and other dynamic processes |
| CN101699025A (zh) * | 2009-10-30 | 2010-04-28 | 华东理工大学 | 一种调控微生物采油的方法 |
| WO2011050509A1 (zh) * | 2009-10-30 | 2011-05-05 | 华东理工大学 | 一种调控微生物采油的方法 |
| CN101818634A (zh) * | 2010-04-23 | 2010-09-01 | 中国石油化工股份有限公司 | 一种采油用微生物群落调控方法 |
| CN112908425A (zh) * | 2021-01-29 | 2021-06-04 | 中国石油大学(华东) | 一种基于反应动力学模型的微生物采油数值模拟方法 |
| CN115034425A (zh) * | 2022-03-08 | 2022-09-09 | 武汉大学 | 耦合水量-水质-水生物的集合群落动态模拟、调度方法及装置 |
Non-Patent Citations (5)
| Title |
|---|
| 张超: "生物膜反应器内微生物运动及附着特性研究", 《中国博士学位论文全文数据库 基础科学辑》, no. 1 * |
| 李辉;牟伯中;: "油藏微生物多样性的分子生态学研究进展", 微生物学通报, no. 05 * |
| 王慈炫;苏益明;周雪飞;张亚雷;: "地下水中污染物孔隙迁移-反应模拟的进展", 区域治理, no. 51 * |
| 肖洁: "闭矿条件下矿井水中微生物群落分布及菲的生物降解特性", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》, no. 2 * |
| 胡婧;孙刚正;刘涛;吴晓玲;宋永亭;曹嫣镔;汪卫东;: "模拟油藏条件下内源微生物群落空间分布规律", 微生物学通报, no. 05, 15 September 2018 (2018-09-15) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117198385B (zh) | 2024-03-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Shu et al. | Microbial diversity in extreme environments | |
| Sokol et al. | Life and death in the soil microbiome: how ecological processes influence biogeochemistry | |
| Cheng et al. | Surface percolation for soil improvement by biocementation utilizing in situ enriched indigenous aerobic and anaerobic ureolytic soil microorganisms | |
| CN101988380B (zh) | 一种构建油藏驱油微生物群落提高原油采收率的方法 | |
| CN104373094B (zh) | 一种低渗透油藏微生物采油复合制剂及其使用方法 | |
| CN107558971A (zh) | 一种中高渗透油藏内源微生物采油的方法 | |
| CN117198385B (zh) | 一种油藏微生物群落竞争演化方法 | |
| Jiajia et al. | Newly formed riparian microhabitats simplify bacterial community structure and diversity | |
| van Nouhuys | Metapopulation ecology | |
| CN109486710A (zh) | 一种循环利用废水连续发酵培养微生物的方法及其所用具有自凝絮和自沉降特性的细菌 | |
| CN102559165A (zh) | 一种采油菌趋向原油条件控制方法及其应用 | |
| CN102925419B (zh) | 一种有机磷农药降解酶突变体及其制备方法 | |
| Gulec et al. | A stochastic biofilm disruption model based on quorum sensing mimickers | |
| Han et al. | Effects of the decomposition agent application on the physicochemical properties and microbial community structure of wheat straw-returning soil | |
| Sierka et al. | Ecosystem Services and Post-industrial Areas | |
| Vu et al. | Relative genetic diversity of the rare and endangered Agave shawii ssp. shawii and associated soil microbes within a southern California ecological preserve | |
| CN103614369A (zh) | 对土壤中微生物总dna进行提取 | |
| Dong et al. | Improvement and optimization of the media of Saccharomyces cerevisiae strain for high tolerance and high yield of ethanol | |
| Tuo et al. | Microbes in cryosphere: opportunities and challenges | |
| CN107794285A (zh) | 一种驱油用生物聚合物的制备方法及应用 | |
| Men et al. | Research Article Microbial Growth Modeling and Simulation Based on Cellular Automata | |
| Kalchev et al. | OUTPUT-FEEDBACK H1 CONTROL FOR A SECOND-ORDER NONLINEAR MODEL OF A BIOTECHNOLOGICAL PROCESS | |
| Zhang et al. | Genome-Resolved Metagenomics and Denitrifying Strain Isolation Reveal New Insights into Microbial Denitrification in the Deep Vadose Zone | |
| CN215250887U (zh) | 一种用于水体修复的土著微生物原位筛选和培养装置 | |
| Wani et al. | Medium optimization for PHB depolymerase production by Stenotrophomonas maltophilia using Plackett Burman design & response surface methodology |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |