Inference of in situ stress from thermoporoelastic borehole breakouts based on artificial neural network     

Hua Zhang  Shunde Yin 《国际地质力学数值与分析法杂志》2019,43(16):2493-2511

The determination of in situ stresses is very important in petroleum engineering. Hydraulic fracturing is a widely accepted technique for the determination of in situ stresses nowadays. Unfortunately, the hydraulic fracturing test is time-consuming and expensive. Taking advantage of the shape of borehole breakouts measured from widely available caliper and image logs to determine in situ stress in petroleum engineering is highly attractive. By finite element modeling of borehole breakouts considering thermoporoelasticity, the authors simulate the process of borehole breakouts in terms of initiation, development, and stabilization under Mogi-Coulomb criterion and end up with the shape of borehole breakouts. Artificial neural network provides such a tool to establish the relationship between in situ stress and shape of borehole breakouts, which can be used to determine in situ stress based on different shape of borehole breakouts by inverse analysis. In this paper, two steps are taken to determine in situ stress by inverse analysis. First, sets of finite element modeling provide sets of data on in situ stress and borehole breakout measures considering the influence of drilling fluid temperature and pore pressure, which will be used to train an artificial neural network that can eventually represent the relationship between the in situ stress and borehole breakout measures. Second, for a given measure of borehole breakouts in a certain drilling fluid temperature, the trained artificial neural network will be used to predict the corresponding in situ stress. Results of numerical experiments show that the inverse analysis based on finite element modeling of borehole breakouts and artificial neural network is a promising method to determine in situ stress.  相似文献   

基于深度学习的目标检测定位系统设计与实现     

王俊强  李建胜  程相博  杨戬峰 《测绘与空间地理信息》2020,(1):133-136,144

针对传统遥感影像目标检测方法效率不高,并且无有效手段对检测信息进行管理利用的问题,提出了在B/S构架下基于深度学习的目标检测及定位方法。通过集成深度学习框架、WebGIS以及数据库,实现了集遥感影像目标检测、展示及管理于一体的目标检测定位系统,满足多用户基于前端浏览器的并发目标检测需求。利用网格划分策略,实现了基于前端的大区域范围的目标快速检测。基于某机场飞机目标及某城市区域运动场目标检测结果表明:本文设计的目标检测定位系统能够在前端实现目标快速检测定位,具有较高检测精度,并可有效管理检测信息,为深度学习循环再利用提供数据支撑。  相似文献   

我国深海钻探重入钻孔技术优选及设计思路          下载免费PDF全文

熊亮  谢文卫  卢秋平  朱芝同  刘晓林 《探矿工程》2020,47(7):1-7

深海钻探通常采用无隔水管开路钻进，当更换钻头或钻具，测井、处理孔内事故等情况时，需要起下钻后重新进入原钻孔，此过程称为重入钻孔。由于钻探船与海底孔口有数千米的水体相隔，受海浪和洋流作用，钻探船动荡不稳，钻杆柱摇摆不定，要想重新进入原钻孔并非易事。本文通过广泛调研，对海底基盘、声呐重入系统、水下电视重入系统及无人遥控潜水器（ROV）等目前几种常见的重入钻孔技术进行了详细介绍，对各种技术的优缺点进行了综合对比，优选了水下电视重入系统作为我国深海钻探重入钻孔技术方案，初步提出了技术设计思路，为样机研发和工艺制定奠定了基础。  相似文献   

长江下游区域地温场特征及其能源意义     

朱戈  刘绍文  李香兰  吴迪 《地学前缘》2020,27(1):25-34

区域地热特征及深部温度估算对于油气勘探和地热能资源评价和开发利用具有重要意义,长江下游地区是我国东部经济社会高度发达的地区,其能源需求大,区域热状态研究能为该区地热资源评价提供关键约束。通过整合长江下游地区已有的温度数据和实测岩石物性参数,勾勒出该区的现今地温场特征,并进一步估算其1 000~5 000 m埋深处的地层温度。研究表明,长江下游地区现今地温梯度为16~41 ℃/km,且以18~25 ℃/km居多,苏北盆地区呈现高地温梯度。大地热流值为48~80 mW/m²,其均值为60 mW/m²,表现为中等的地热状态,有利于油气和地热能形成。此外,长江下游地区深部地温估算表明,1 000 m埋深处的温度范围为30~54 ℃,2 000 m时温度范围为50~95 ℃,3 000 m时温度范围为65~130 ℃,4 000 m时温度范围为80~170 ℃,5 000 m时温度范围为100~210 ℃。区域深部地温的展布趋势呈NE向,高温区域集中在安徽南部和江苏东北部。结合60 ℃和120 ℃等温线的埋深分布及区域地质、地球化学和地热特征,初步探讨了该区油气与地热资源的有利区带及其相应的开发利用类型。  相似文献   

PBO钻孔应变同震响应分析     

陈燚飞  吕品姬 《大地测量与地球动力学》2019,39(7):765-770

以2017-09-08墨西哥8.1 级地震为例，分析14个PBO综合钻孔应变仪和地震仪同址记录的地震波信号，结果表明，应变仪记录的地震波符合射线传播规律。对不同震中距的站点进行基于S变换的应变仪与地震仪的同震响应特征分析，二者同震响应一致性较好，应变仪频段主要在0.25 Hz以下。取震后1 h应变数据进行分析发现，同震阶段应变主方向指向震中。  相似文献   

浅述深水水道的形态学特征          下载免费PDF全文

尚文亮  徐少华  李小刚  秦磊  杨丽玉  刘家恺  姚雪婷 《地质找矿论丛》2020,35(2):204-209

目前深水水道的分类方案较多,本文基于深水水道的形态学特征,且聚焦于单一型深水水道,将其划分为顺直型(曲率介于1～1.25)、低弯度S型(曲率介于1.25～1.5)和高弯度S型(曲率1.5)。其中,顺直型水道侵蚀作用最强,往往不发育天然堤沉积,无侧向加积;低弯度S型水道发育天然堤,并具有侧向加积;高弯度S型天然堤及侧向加积最为发育,决口扇常与之伴生。深水水道的曲率是水道形态的直观表现,曲率大小主要受深水地貌即深水地形坡度的影响。在上陆坡区域,地形坡度较大,沉积物能量强,深水水道以顺直型为主。中陆坡区域,随着地形坡度的减缓,水道的弯曲形态也逐渐增加,形成低弯度S型,直至下陆坡,水道演变为高弯度的S型。  相似文献   

中国深层地热能开采的地质条件评价     

庞忠和  罗霁  程远志  段忠丰  天娇  孔彦龙  李义曼  胡圣标  汪集旸 《地学前缘》2020,27(1):134-151

深层地热能是指深度大于3 000 m的地热能。我国深层地热能资源丰富,但是开采条件怎么样呢?本文基于地热地质学原理,结合岩石力学等相关学科的理论,提出一种对深层地热能开采条件进行评价的指标体系,对各单一指标采用专家打分的方法赋值,继而采用模糊数学定量计算和评估深层地热能资源开发的难易程度。该方法考虑了深层地热能开发利用中的增强地热系统(EGS)的环境安全问题,即传统的“刚性造储”可能带来的诱发地震等不利于地热能行业健康发展的因素,倡导“柔性造储”和广义EGS理念,强调储层属性和地物理场的整合,针对我国地热能分布与构造活动关系密切、地壳总体上活动性强、地应力高、地震频发等构造型地热特点,是对以往评价方法的补充和拓展。该方法充分利用了专家知识,发挥了模糊数学综合评估作用,给出的量化结果易于对比和使用,可以更好地支持决策。本文基于新的评估方法,利用现有的深部地热研究及勘探成果,评估了中国大陆地区九个区域深层地热能开发的难易程度,评价区包括西藏南北地堑系、云南西部火山型地热区、青海东部共和盆地以及东北、华北等。从本文的结果可以看出,我国深层地热能开采的地质条件复杂,开采难度较大。  相似文献   

结合深度学习和图割法的遥感影像建筑物检测     

刘舸  邓兴升 《测绘通报》2019,(11):69-73

提出一种基于卷积神经网络和图割法的自动提取高分影像建筑物的方法。首先，通过卷积神经网络定位与检测建筑物的位置，逐一提取单个建筑物轮廓，利用检测结果分别建立建筑物和非建筑物的高斯混合模型（GMM），然后结合最大流最小割的图像分割方式实现全局优化，完成建筑物初步提取，最后用形态学进行优化。通过试验证明了该方法的可行性。  相似文献   

深度学习GoogleNet模型支持下的中分辨率遥感影像自动分类     

陈斌  王宏志  徐新良  王首泰  张亚庆 《测绘通报》2019,(6):29-33,40

提出了一种基于深度学习技术的遥感分类方法，它能有效解决中分辨率影像在分类过程中出现的像元混分问题。研究选用2016年5月12日武汉市Landsat 7 ETM+遥感影像，基于GoogleNet模型中的Inception V3网络结构，借助迁移学习方法，构建出遥感分类模型，实现了对武汉市主城区4类典型地物（不透水层、植被、水体和其他用地）的自动分类提取，并将分类结果与传统最大似然分类（ML）结果进行了对比分析。研究表明：基于深度学习方法的遥感影像总体分类精度高达88.33%，Kappa系数为0.834 2，明显优于传统ML方法总体分类精度83%和Kappa系数0.755 0，而且有效抑制了地物在分类过程中出现的像元混分现象。  相似文献   

Semantic segmentation of high spatial resolution images with deep neural networks     

Haiping Yang  Jiancheng Luo  Fang Chen 《地理信息系统科学与遥感》2019,56(5):749-768

Availability of reliable delineation of urban lands is fundamental to applications such as infrastructure management and urban planning. An accurate semantic segmentation approach can assign each pixel of remotely sensed imagery a reliable ground object class. In this paper, we propose an end-to-end deep learning architecture to perform the pixel-level understanding of high spatial resolution remote sensing images. Both local and global contextual information are considered. The local contexts are learned by the deep residual net, and the multi-scale global contexts are extracted by a pyramid pooling module. These contextual features are concatenated to predict labels for each pixel. In addition, multiple additional losses are proposed to enhance our deep learning network to optimize multi-level features from different resolution images simultaneously. Two public datasets, including Vaihingen and Potsdam datasets, are used to assess the performance of the proposed deep neural network. Comparison with the results from the published state-of-the-art algorithms demonstrates the effectiveness of our approach.  相似文献