郑州市地面沉降监测基岩标施工技术   总被引：3，自引：2，他引：1       下载免费PDF全文

王刚  李莹  黄烜  于丽 《探矿工程》2018,45(4):82-86

根据区域地质条件,郑州市地面沉降监测网基岩标建标场地选择在淮河西路与西三环交叉口东南600 m的河南省地质环境监测院内,建标深度为732 m。地质鉴别孔孔深780 m,孔径108 mm,全孔取心钻进,施工的重点是保证岩心采取率,采用泥浆护壁回转钻进,根据钻进层位的岩性不同配置不同特性的泥浆;基岩标标孔孔深780 m,孔径311 mm,施工的控制目标是孔身质量和垂直度。采用三牙轮钻头宝塔式钻具组合不取心钻进施工工艺。取得了较好的施工质量,创造了良好的效益。  相似文献   

PNN在煤田随钻测井岩性判识应用研究     

陈刚 《地质与资源》2018,27(1):103-106

介绍了PNN方法原理及其算法训练学习过程,详细阐述了网络识别岩性参数的选取、岩性识别模型的建立过程.通过对比研究PNN与其他6种岩性识别方法,分析相同条件下预测结果,得到不同识别方法的优劣性.经研究发现,PNN概率神经网络方法在生产应用中效果更佳、训练识别用时最短.利用人工智能神经网络对测井数据进行自动解释分析,可满足随钻测井时效性及快速解释处理的地质导向需求.  相似文献   

基于岩石图像深度学习的岩性自动识别与分类方法   总被引：8，自引：3，他引：5  

张野  李明超  韩帅 《岩石学报》2018,34(2):333-342

岩石岩性的识别与分类对于地质分析极为重要,采用机器学习的方法建立识别模型进行自动分类是一条新的途径。基于Inception-v3深度卷积神经网络模型,建立了岩石图像集分析的深度学习迁移模型,运用迁移学习方法实现了岩石岩性的自动识别与分类。采用此方法对所采集的173张花岗岩图像、152张千枚岩图像和246张角砾岩图像进行了学习和识别分类研究,通过训练学习建立岩石图像深度学习迁移模型,并分别采用训练集和测试集中的岩石图像对模型进行了检验分析。对于训练集中的岩石图像,每组岩石分别用3张图像测试,三种岩石的岩性分类均正确,且分类概率值均达到90%以上,显示了模型良好的鲁棒性;对于测试集中的岩石图像,每组岩石分别采用9张图像进行识别分析,三种岩石的岩性分类均正确,并且千枚岩组图像分类概率均高于90%,但是花岗岩组2张图像和角砾岩组的1张图像分类概率值不足70%,概率值较其他岩石图像低,推测其原因是训练集中相同模式的岩石图像较少,导致模型的泛化能力减小。为了提高识别精确度,对准确率较低的岩石图像进行截取,分别取其中的3张图像加入训练集进行再训练,增加与测试图像具有相同模式的训练样本;在新的模型中,对3张图像进行二次检验,测试概率值均达到85%以上,说明在数据足够的状况下模型具有良好的学习能力。与传统的机器学习方法相比,所提出的岩石图像深度学习方法具有以下优点:第一,模型通过搜索图像像素点提取物体特征,不需要手动提取待分类物体特征;第二,对于图像像素大小,成像距离及光照要求低;第三,采用适当的训练集可获得较好的识别分类效果,并具有良好鲁棒性和泛化能力。  相似文献   

2019年马六甲地区红色精灵观测及母体雷暴分析     

王庸平  陆高鹏  彭康铭  程征伟  王荣江  AHMAD Mohd Riduan  马明  郑建秋 《热带气象学报》2021,(33):370-381

红色精灵是一种发生于闪电放电活跃的雷暴云上空的中高层大气瞬态发光现象,它们通常由中尺度对流系统层状云降水区内的强地闪回击产生,是对流层和中间层之间的一种能量耦合过程。目前,有关中国南海及东南亚地区的红色精灵观测鲜有报道。为了进一步了解热带地区产生红色精灵事件的沿海性雷暴特征,于2019年利用低光度光学观测系统和低频磁场天线在马来西亚马六甲地区开展了地基观测。实验于11月9日、12月11日和12月15日三次在沿海雷暴上空共捕捉到7例红色精灵事件,其中包括4例圆柱型、2例胡萝卜型和1例舞蹈型。结合闪电定位、云顶亮温和低频磁场信号等同步数据,分析表明所有事件均由正极性地闪回击产生,且母体闪电回击位于雷暴对流区附近（云顶亮温≤ 210 K处）,这可能是该地区产生红色精灵的沿海性雷暴的共同特征。此外,红色精灵生成期并不是闪电活动最强期,而是发生于闪电频数短暂降低后,这表明红色精灵的发生可能是该地区成熟雷暴中对流减弱的一个信号。  相似文献   

黄骅坳陷古生界潜山储层沥青成因判识     

王鑫  周立宏  金凤鸣  付立新  楼达 《地质论评》2021,67(Z1):67z1123-67z1124

正黄骅坳陷古生界潜山是大港油田重要的油气勘探领域,近年来,先后在王官屯、乌马营潜山古生界发现油气流,且均为石炭—二叠系煤系源岩供烃成藏,如王官屯潜山王古1井二叠系石盒子组发现天然气,同位素特征判断为煤成天然气。这些发现拓展了古生界潜山的勘探领域,表明了石炭—二叠系煤系烃源岩的油气充注范围不仅仅局限于奥陶系碳酸盐岩储层,石炭—二叠系的碎屑岩储层也可以充注成藏,证实了古生界潜山具有更大的油气勘探价值。随着勘探进程与理论认识的不断深化,  相似文献   

基于深度学习的岩石矿物智能识别     

任伟  张盛  乔计花  黄金明 《地质论评》2021,67(Z1):67z1281-67z1282

  相似文献   

基于颗粒识别分析系统的碎屑流堆积物颗粒识别和统计方法研究          下载免费PDF全文

陈达  许强  郑光  彭双麒  王卓  何攀 《水文地质工程地质》2021,48(1):60-69

碎屑流堆积物颗粒识别和统计是碎屑流灾害的研究重点。文章基于图像处理孔隙（颗粒）及裂隙图像识别与分析系统（PCAS）,以贵州纳雍普洒村崩塌-碎屑流为例,结合纳雍崩塌堆积物粒径实测结果,通过阐释识别过程中阈值、孔喉封闭半径、最小孔隙面积的参数意义,研究PCAS软件在碎屑流颗粒识别与统计中的应用,并提出了颗粒识别时这些参数的选取方法。分析结果表明:（1）PCAS能自动准确地识别碎屑流堆积物颗粒与孔隙,相比人工计数更精细,所识别堆积物各区小颗粒比重较大,0～2 m颗粒粒径各区占比都在50%以上;（2）当阈值为170（像素）时能获得精细的二值图像,颗粒与孔隙得到了准确地区分;（3）不同参数取值下获得堆积物颗粒粒径分布结果不同,碎屑流堆积物颗粒识别宜采用较大的孔喉封闭半径和较小孔隙面积,当二者比值为3/30（像素）时能更好地反应颗粒粒径分布情况;（4）PCAS具有较高的可行性,统计结果显示,各粒径含量变化趋势与人工统计相近,两种统计方法各粒径占比、分布规律基本吻合,说明利用PCAS可以实现对崩塌碎屑流颗粒粒径分布的高效便捷分析。  相似文献   

基于DBSCAN算法的孔深测量与地层反演理论研究          下载免费PDF全文

李璇  赵大军 《探矿工程》2021,48(S1):47-51

论文针对地质勘探取心工况复杂、钻进深度大、事故发生率高、岩性复杂、钻进参数难以获取、无法实时掌握钻进状态的难题,在充分调研现有工况识别技术的采集原理、功能种类、现场实测的基础上,结合钻探智能化、自动化的发展方向,运用硬件与软件结合的思想,设计了实时测量钻探参数的方案。论文首次提出使用DBSCAN（针对噪声空间基于分布密度进行聚类的算法）密度聚类法分析钻进参数,结合光电编码器增量的正负性进行工况判别,以获取钻头位置以及钻孔深度。该方案可以判别钻进状态,获取钻进工艺参数,将测量数据作为所钻地层的可钻参数来反演地层。钻机的自动化、智能化研究能获取大量地层资料,有利于推进钻进工艺学发展,实现从经验钻探到智能钻探进的突破。同时,为智能钻进系统奠定基础。  相似文献   

危地马拉翡翠宝石矿物学特征及其与缅甸翡翠的对比研究     

邢碧倩  施光海  张锦洪  龙楚  张昱  何立言  胡汝杰 《现代地质》2021,35(6):1769-1788

危地马拉目前已成为仅次于缅甸的第二大翡翠原料供应地。这两个产地翡翠辨别的需求愈发迫切,且应用意义较大。采用显微镜观察、电子探针分析及背散射电子照相获得危地马拉蓝水料翡翠的矿物成分及结构构造特征,结合两产地翡翠产出的大地构造环境、自然地理环境、原石特征与矿物成分特征等进行对比分析。总体上,危地马拉翡翠次生原石有一定的磨圆,呈次棱角状,“皮”(风化皮)厚度较薄,较少出现翻砂现象,由“皮”向里,极少甚至几乎不存在“红雾”。相对地,缅甸翡翠次生原石发育显著的球状风化,原石通常有较好的磨圆度,棱角状不明显,“皮”厚度可达数厘米,用手压磨有显著的翻砂现象, “皮”“肉”之间偶可见“红雾”。硬玉与绿辉石成分判别图显示危地马拉翡翠中硬玉和绿辉石呈相对富Ca、贫Na的特征,而缅甸翡翠中硬玉和绿辉石整体呈相对贫Ca、富Na的特征。在Fe含量上,危地马拉翡翠中硬玉的Fe含量较缅甸翡翠中硬玉的Fe含量偏低,而危地马拉翡翠中绿辉石的Fe含量较缅甸翡翠中绿辉石的Fe含量偏高。对翡翠外观特征的充分对比和对判别图的综合分析可应用于实际中翡翠产地的区分。  相似文献   

基于梯度提升算法的岩性识别方法     

王恒  姜亚楠  张欣  仲鸿儒  陈庆轩  高世臣 《吉林大学学报(地球科学版)》2021,51(3):940-950

传统的岩性识别方法如岩屑录井、钻井取心及测井资料解释等技术,对录井质量的依赖程度较高,识别精度与效率低,泛化能力差。随着计算机技术的迅速发展,将测井资料与计算机技术相结合开展岩性研究已成为岩性识别的有效手段。本文提出了一种基于梯度提升算法XGBoost和LightGBM的岩性识别方法。以苏里格气田苏东41-33区块下碳酸盐岩储层为例进行测试验证,采用该方法结合测井资料中的声波时差、自然伽马、光电吸收截面指数、密度、深侧向电阻率和补偿中子等6种参数进行岩性识别,并与KNN （K近邻分类器）、朴素贝叶斯和支持向量机等传统算法进行对比,结果表明,3种传统算法的岩性识别准确率分别为78.45%、74.43%和78.72%,基于梯度提升算法XGBoost和LightGBM的识别准确率分别达到了98.90%和98.72%,远高于传统算法。  相似文献