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   

辽东五龙金矿周缘早白垩世花岗岩体侵位深度及其地质意义          下载免费PDF全文

李建锋  刘建民  胡国辉  王伟  张琪琪  张拴宏 《地球科学》2021,46(5):1585-1596

早白垩世岩浆活动对辽东半岛五龙地区金矿形成可能具有明显的制约作用,并可能为含金流体提供了热源及动力.五龙金矿南、北早白垩世三股流岩体和五龙背岩体角闪石-斜长石温压计计算结果表明,这2个岩体角闪石结晶温度为640.8~757.4 ℃,对应岩浆的侵位深度为5.9~9.7 km.角闪石TiO₂-Al₂O₃图解表明,三股流和五龙背岩体岩浆源区为壳幔混源.三股流和五龙背岩体侵位深度的差异表明,晚白垩世晚期至早始新世和晚始新世至渐新世五龙地区发生的两期强烈的差异性隆升和剥露过程使五龙岩体、三股流岩体及五龙背岩体在研究区大面积出露,含金矿脉随着区域性隆升到达近地表.考虑到辽东半岛与胶东半岛的相似构造背景,认为五龙地区具有进一步金矿勘探的价值.   相似文献   

基于重磁数据梯度比值的深度学习技术实现场源位置反演方法          下载免费PDF全文

马国庆  吴琪  熊盛青  李丽丽 《地球科学》2021,46(9):3365-3375

场源中心位置的计算是重磁数据反演的主要任务之一,现主要通过异常与场源位置之间的数学物理方程来估算地质体的位置.为了快速、准确获得地质体的位置信息,提出基于重磁梯度比值的深度学习技术实现场源位置的获取;其利用深度学习技术所建立的重磁梯度比值水平分布与地质体埋深、构造指数的关系,快速实现异常场源位置计算,且提出利用多个值的相互关系来更加准确、稳定地计算出地质体的信息.该方法可以计算复杂地质体的中心位置,且避免了以往线性方程反演方法需对结果进行筛选的复杂过程,对于存在剩磁的磁异常则采用解析信号的深度学习方法来进行位置反演.理论模型试验证明利用梯度比值的深度学习方法可以准确获得地质体的深度,且通过对比更多点的深度学习计算结果发现,采用多个不同比例极值点可以减弱噪声带来的干扰,从而得到更加准确的位置.最后将该方法应用于实测磁异常的反演工作,获得了地下磁性物体的中心位置,且计算结果与欧拉反褶积法相接近,因此该方法具有良好的实用性.   相似文献   

基于CSAMT电场分量的电性标志层深度校正技术及应用     

刘最亮  张奋轩  张继锋  周光裕  赵辉  张新 《煤田地质与勘探》2021,49(4):24-32

可控源音频大地电磁(CSAMT)是探测含煤地层富水区及采空区的重要地球物理方法,但其探测深度误差比较大,采用电性标志层进行深度校正,达到精确解释地层的目的。首先,提出基于电场单分量视电阻率计算方法,只需通过平移即可获得全区视电阻率,无需迭代,简单快速。接着,分析视电阻率微分极值与电性标志层的关系,通过测井电阻率曲线识别出电性标志层,然后通过比值计算深度校正系数,在全区进行插值得到任意测点的校正深度。对新元煤矿31004工作面R280测线数据进行深度校正处理,结果表明:校正后的深度和实际地层基本吻合。最后,通过已知充水采空区边界、淋水点以及钻孔揭示的结果进行对比验证,达到了预期效果。该方法为CSAMT在含煤地层进行精细化数据处理和解释提供了新的思路。   相似文献   

适用倾斜滑面的刚性抗滑桩最小嵌固深度计算方法          下载免费PDF全文

肖世国  齐远  孙来宾 《中国地质灾害与防治学报》2021,32(4):113-119

为计算确定桩前滑面倾斜情况下加固边坡的抗滑桩最小嵌固深度,基于倾斜地面条件的抗滑桩计算地基系数法,确定嵌固段桩侧土层压力,同时采用塑性极限分析方法,推导与滑面倾角密切相关的嵌固段土层极限抗力,并根据桩侧地层最大压力不超过其极限抗力的条件,建立了抗滑桩最小嵌固深度计算方法,并确定了其与滑面倾角的关系。实例分析表明,抗滑桩最小嵌固深度随滑面倾角呈非线性增大,在倾角为10°～30°范围内变化显著;嵌固段地层黏聚力、内摩擦角和重度对抗滑桩最小嵌固深度均有明显影响,且呈负相关关系;本文方法所得桩体最小嵌固深度比传统考虑桩前滑面倾斜影响的方法约小18%。  相似文献   

降水相态转换机制及积雪深度预报技术研究     

王一颉  赵桂香  马严枝 《干旱气象》2019,37(6)

利用2014—2017年山西省地面和高空气象观测资料、NCEP/NCAR FNL再分析资料、山西及周边地区多普勒天气雷达资料,对山西冬半年雨转雪过程进行归类与分析,探讨地面气温在降水相态转换中的作用,提取降水相态转换的前兆信息。针对降雪过程,统计分析降雪量和积雪深度增量的关系,总结提炼积雪深度预报指标。最后,选取气候特征相似的两次雨转雪过程进行对比分析,揭示降水相态转换的物理机制。结果表明:(1)山西省11月发生雨转雪的站次最多,其次为2月。地面气温作为降水相态变化的重要指标,其与气候和天气(如冷空气强度和路径)特征、地理位置等有关。(2)山西冬半年积雪深度增量与降雪量比值约0.68 cm·mm~(-1),且比值随着气温降低而增大,因此存在明显的时空差异。(3)在雨转雪的不同时段,随着对流层低层降温,冰雪层厚度在总云层的比例有所增加,且云中固态凝结物下落路径缩短,使得固态凝结物在下落过程中融化概率减小,造成相态变化。  相似文献   

青藏高原积雪对陆面过程热量输送的影响研究     

王婷  李照国  吕世华  姚闯  马翠丽 《高原气象》2019,38(5):920-934

利用1979-2016年中国区域长时间序列逐日雪深资料,分析了青藏高原积雪深度与积雪日数的分布及变化特征,并将积雪期划分为三个阶段(积累期、鼎盛期和消融期),结合ERA-Interim月平均再分析资料,分析了积雪与地表热状况(气温、地表和土壤温度)和能量输送量(地表净短波辐射、地表净长波辐射、感热通量、潜热通量、地表热通量和土壤热通量)的相关关系,初步探讨了积雪在高原陆面过程中的作用。结果表明:研究时间范围内青藏高原积雪(深度和日数)主要呈减少趋势,仅在黄河源区及高原边缘地区为增加趋势,积雪鼎盛阶段(1-2月)的减少趋势最显著;高原积雪对地表主要起降温作用,深层土壤温度对积雪的响应存在滞后性,积雪的减少抑制了土壤向上的热量输送进而不利于冻土的发育;高原积雪与地表感热和地表热通量主要呈现负相关关系,潜热通量与积雪也呈负相关特征但比感热通量的相关性小。由于ERA-Interim资料对高原积雪深度的描述与本研究使用的卫星遥感积雪深度存在较大偏差(包括空间分布、气候倾向率、年际变化以及绝对大小等),导致本研究中积雪与地表热状况和热通量的相关度不高,需要通过陆面模式模拟做进一步探讨。  相似文献   

循环神经网络在雷达临近预报中的应用          下载免费PDF全文

韩丰  龙明盛  李月安  薛峰  王建民 《应用气象学报》2019,30(1):61-69

该文将循环神经网络（recurrent neural network,RNN）应用于雷达临近预报。使用预测循环神经网络（predictive RNN）架构,利用雷达历史组合反射率因子建模,给出雷达组合反射率因子未来1 h的预报结果。预测循环神经网络的核心是在长短时记忆单元（long short-term memory,LSTM）中增加时空记忆模块,能够提取雷达回波不同尺度的空间特征,配合循环神经网络架构,可以有效解决反射率因子预测问题。北京大兴雷达和广州雷达长时间序列的独立检验结果和2个强对流天气个例检验结果表明:该方法和传统的基于交叉相关法的1 h雷达外推临近预报相比,在20 dBZ和30 dBZ检验项目内,临界成功指数（CSI）可以提升0.15~0.30,命中率（POD）提高0.15~0.25,虚警率（FAR）降低0.15~0.20,该方法对反射率因子强度变化有一定预报能力。  相似文献   

火成岩岩石薄片智能识别及分类方法     

曹蒙  王志章  李冰涛  曲康  裴升杰  贾小玉 《地质论评》2023,69(2):2023020001-2023020001

在油气勘探、评价及开发中,岩性识别和薄片鉴定是十分重要的基础工作,准确的薄片识别结果可以为勘探和开发提供可靠的依据。传统的人工判定方法或实验室分析方法具有主观性强、效率低、自动化程度低等问题。目前基于内容的智能图像识别技术在准确性和具体应用方面还面临着许多难题。论文基于国内外相关研究成果与油气勘探与开发中岩芯薄片图像的特点及要求,设计并研制成功薄片图像自动识别系统和薄片智能鉴定系统。利用图像梯度分布和色彩分析进行火成岩岩石薄片智能分类,对所有像素进行类别划分进而得到整体的鉴定结果,实现了省时、高效、高精度的薄片智能鉴定成果。  相似文献   

来自大别山深成侵入岩图像深度迁移学习的可解释性研究     

陈忠良  袁峰  李晓晖  郑超杰 《地质论评》2023,69(3):2023030017-2023030017

岩石图像识别是以深度学习为代表的感知智能在地质领域的典型应用场景。已有研究显示网络结构简单的深度卷积神经网络能够在岩石图像上取得比复杂网络结构高的分类准确率。这与ImageNet数据集上网络结构越深越好的趋势相悖。如何解释这一现象？深成侵入岩为显晶质,自形—半自形粒状结构,块状构造,其分类的依据是其矿物成分及相对含量。大别山地区岩浆活动广泛,中生代深成侵入岩广泛出露。岩石类型包括超镁铁质岩类、辉长岩类、闪长岩类、正长岩类、二长岩类和花岗岩类,基本覆盖IUGS推荐的深成侵入岩分类方案中的岩石类型。选取大别山地区中生代深成岩图像开展不同网络结构预训练模型迁移学习对比试验,能够专注于深度学习对矿物成分特征的学习解释,降低构造因素的影响。借助局部可理解的模型解释技术和特征图可视化技术,分别从全连接层分类决策区域可视化和卷积隐层可视化两方面对深度学习模型开展可解释性研究。结果表明简单网络结构的卷积神经网络能够提取不同矿物所表现出的颜色特征以及不同矿物组合所表现出的纹理特征。AlexNet模型的削减试验进一步证明：对于岩石图像深度学习,网络结构并不总是越深越好。  相似文献