柴达木盆地南缘玛兴大湾地区典型岩浆岩岩性识别研究          下载免费PDF全文

魏本赞  汪冰  石海岗  付丽华  张策  揭文辉 《地质找矿论丛》2016,31(4):564-569

本文运用ASTER多光谱遥感数据识别柴达木南缘玛兴大湾地区典型岩浆岩的岩性信息,分别采用光谱分析法和最小噪声变换法进行试验,可有效地识别与提取出研究区内的典型岩浆岩岩性信息;经已知地质资料和野外查证资料分析证明,用上述方法提取岩性信息的结果可靠,能为岩性填图及矿床勘查工作提供参考。  相似文献   

横向振动格栅紊流紊动特性试验          下载免费PDF全文

李文杰  刘华  杨胜发  王涛  张鹏 《水科学进展》2016,27(1):49-56

建立了一套大尺度格栅紊流试验系统,格栅进行有别于传统垂向模式的横向振动,采用粒子图像测速技术(Particle Image Velocimetry,PIV)测量流速。对瞬时流速的检验表明,该系统产生的紊流场具有较强的随机性和统计规律性。均方根流速在格栅片附近变化较大,在两片格栅中间处趋于稳定,纵向均方根流速明显大于垂向均方根流速,二者比值在1.5~2.0之间,接近天然明渠紊流。雷诺应力在距格栅越近处波动越大,随着距格栅距离的增加而减小,至两片格栅中间处雷诺应力基本为0。时间和长度积分尺度在格栅片处最小,随着距格栅距离的增加而线性增加,至两片格栅中间处达到最大值。流速能谱呈现Kolmogorov理论的-5/3次方规律。本系统生成的紊流场的统计规律与传统的垂向振动格栅紊流较为一致,但纵向和垂向的紊动强度更接近实际,为后续紊流中泥沙和污染物等运动机理的研究奠定了基础。  相似文献   

构造物理模拟和PIV有限应变分析对构造裂缝预测的启示   总被引：1，自引：0，他引：1       下载免费PDF全文

沈礼  贾东  尹宏伟  魏东涛  陈竹新  孙闯  崔键 《高校地质学报》2016,22(1):171

油气储层中构造裂缝发育与有限应变状态关系密切,为了探索有限应变分析与构造裂缝预测的新技术方法,此次研究设计完成了一组单侧挤压收敛模型的物理模拟实验,并引入粒子图像测速(PIV,Particle Image Velocimetry)技术对实验过程进行了定量化分析。实验模型在垂向上为含粘性层的多层结构,实验结果形成了一个肉眼可见的箱状褶皱。通过PIV技术可以获取实验模型变形演化过程中各阶段的位移场数据,计算出各阶段的增量应变,实现从初始状态到褶皱形成之后整个变形过程的有限应变分析,探讨构造裂缝成因机制和分布规律,进行定量化裂缝预测。挤压变形过程初期,应变分布范围很广,有限应变较弱(约4%~8%),在挤压方向上的线应变表现为弱压应变,在垂向上的线应变表现为弱张应变,这种现象是褶皱和断层产生前平行层缩短和层增厚的纯剪变形结果,也是区域型张裂缝和剪裂缝形成的主要机制。褶皱和断层即将发育之时至发育之后,应变局限在断层发育的剪切带及附近区域,有限应变表现为较强(达20%)的剪切应变和剪切张应变,是断层面附近简单剪切变形作用的结果,也是局部型剪裂缝和张剪裂缝形成的主要机制。  相似文献   

新疆春风油田石炭系火山岩岩性特征及测井识别方法          下载免费PDF全文

黄习习  金强  明玉坤  王伟  程付启 《沉积与特提斯地质》2016,36(4):37-43

不同岩性的火山岩其储集性能差异甚远,准确识别火山岩岩性对于火山岩储层的研究具有重要意义。研究区春风油田石炭系储层以火山岩为主,过渡类型较多,岩性较为复杂。利用岩心观察、薄片鉴定、地化分析等方法确定研究区发育火山熔岩类和火山碎屑岩类两类火山岩,其中,火山熔岩包括玄武岩、安山玄武岩、玄武安山岩以及安山岩,火山碎屑岩有凝灰岩和火山角砾岩等。通过识别出的岩性标定测井,分析每种岩性的测井响应特征,利用交会图法和星形图法,建立了不同岩性的识别标准。  相似文献   

海洋二号微波散射计极地海冰识别算法研究     

邹巨洪  曾韬  郭茂华  崔松雪 《海洋学报(英文版)》2016,35(9):74-79

An Antarctic sea ice identification algorithm on the HY-2A scatterometer(HSCAT) employs backscattering coefficient(σ0) and active polarization ratio(APR) for a preliminary sea ice identification.Then standard deviation(STD) filtering and space filtering are carried out.Finally,it is used to identify sea ice.A process uses a σ0,STD threshold and an APR as sea ice indicators.The sea ice identification results are verified using the sea ice distribution data of the ASMR2 released by the National Snow and Ice Data Center as a reference.The results show very good consistence of sea ice development trends,seasonal changes,area distribution,and sea ice edge distribution of the sea ice identification results obtained by this algorithm relative to the ASMR2 sea ice results.The accuracy of a sea ice coverage is 90.8% versus the ASMR2 sea ice results.This indicates that this algorithm is reliable.  相似文献   

鱼是如此完美     

包晓泉 《南方国土资源》2016,(4):58-59

正由于水族自称为"虽",且其他民族多以"水家"称之,1956年,经过民族识别并尊重其民族意愿,国务院批准,将操壮侗语族水语支的人们共同体统一称为"水族"。也就是说,"水族"名称的诞生不是直接因为水。可无法否认的是,水族传统生活却和水里的鱼有着密切的联系,人们对鱼始终存在一份特殊的感情,而鱼,也在水族人生活里占据着特殊的地位。《越绝书》记载:"大越海滨之民。"意思是说,古百越族乃生活在海边的民族。而水族属  相似文献   

典型矿区尾矿库特征污染物识别研究          下载免费PDF全文

任鸿飞  杨家林  马彤真 《探矿工程》2018,45(10):115-118

通过对典型尾矿库土壤样品分析,利用重金属超标率、植物体BCF、污染因子的权重值筛选等通进行典型污染物识别,为开展尾矿库污染治理工作提供依据。  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   

复杂曲流带识别标志及其内部点坝叠加接触模式     

孙志峰  林承焰  董春梅 《沉积学报》2018,36(2):366-375

以现代沉积为指导,通过岩芯、测井地质、地震沉积学分析研究复杂曲流带边界砂体类型及其内部结构特征,提出了识别地下复杂曲流带的典型标志,即曲流带边界处废弃河道的长度与曲流带边界的长度比值大于65%,尤其在曲流带凹岸一侧此比值超过85%。通过对比分析正演模型、测井地质剖面及分频后地震反射轴的波形及振幅,识别并总结出研究区曲流带内部主要发育点坝主体-初期点坝-初期河道边缘、点坝伊始-废弃河道、点坝伊始-点坝伊始、废弃河道-废弃河道、废弃河道-点坝伊始、末期河道-点坝等点坝间边界叠加类型,并在此基础上建立了研究区曲流带内部结构模式。  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