排序方式: 共有36条查询结果,搜索用时 15 毫秒
1.
用传递矩阵法求解多层层状弹性半空间轴对称动力问题的奇… 总被引:2,自引:0,他引:2
本文利用Laplace-Hankel联合变换及传递矩阵技术,导出了多层层状弹性半空间轴对称动力问题在层间完全接触情况下奇异解的一般解析表达式。本文方法概念清晰、公式简洁、易于应用。文中给出了计算实例,所得结果与文献的计算结果吻合较好。 相似文献
2.
3.
4.
井间地震方法观测到的波场信息丰富且复杂,其难点是如何识别和分离这些波场信息。这里从纵波波场为无旋场,横波波场为无散场出发,利用一阶速度~应力方程的交错网格高阶有限差分法,对井间弹性波纵、横波场分离问题进行了数值模拟。经数值模拟试验表明,同二阶的位移方程相比,使用等价的波场分离交错网格的一阶速度应力方程,无论是模拟精度还是模拟的稳定性方面都有了较大的提高,同时该横波资料的获取方法为井间地震资料的解释应用,提供了一种新的技术思路。 相似文献
5.
6.
7.
义马煤田义马组含煤岩系是一套典型的陆相沉积,岩性、岩相横向变化大。众所周知,在煤层底板中,直立树干化石是屡见不鲜的,但砂岩中存在有众多的直立树干化石且大部分都镜煤化实属少见。笔者在对义马组环境分析过程中注意了这一现象并对其成因和环境意义作了探讨。 相似文献
8.
由于激发、接收及工区现场等导致野外采集的地震数据出现异常道,这时需要对地震记录道编辑处理.当数据量比较大时,人工进行道编辑工作量庞大.非人工做法主要是利用计算机将异常道剔除,没有对异常道细致分类,由此造成了大量的原始数据损失,异常道的产生原因也无从得知.随着计算机性能的提高,深度学习发展迅猛,卷积神经网络(CNN)在深度学习领域起着至关重要的作用.CNN避免了前期很多工作,可以直接输入数据训练模型,将模型用于分类预测.作为一种快速高效的识别算法,可以广泛应用到各个研究领域.本文对极性反转、单频信号、强振幅噪声、空道四种常见的异常道和正常道进行细致分类编号,利用优化的深度卷积神经网络算法识别坏道并进行有效分类,不仅有利于后续对相应道的特殊处理,而且有利于推断产生异常道的原因,在以后的工作中针对产生原因做相应的工作调整. 相似文献
9.
基于阵列感应测井的支持向量机流体识别方法 总被引:3,自引:0,他引:3
基于研究区块的高分辨率阵列感应测井(HDIL)资料,首先分析了利用交会图法进行流体识别的效果,指出了该常规解释方法的局限性。在此基础上,将基于遗传算法优化的支持向量机(GA-SVM)引入到测井解释当中,结合阵列感应测井和常规测井资料,建立了流体识别的非线性模型。利用该模型对45个训练样本进行回判,准确率为100%,对21个预测样本进行预测的准确率为90.48%,相对于常规解释方法,该流体识别方法具有更高的准确率。 相似文献
10.
井间地震以其高精度和高分辨率的特点,正在成为解决构造精细成像、储层描述等问题的关键技术,这就需要高精度和高效率的正演模拟技术作为其有效辅助手段.这里基于非均匀介质理论基础的弹性波方程数值模拟方法,将可变交错网格引入到小尺度薄互层非均匀介质井间地震弹性波模拟,对不同尺度的地质体采用不同尺度的网格进行剖分模拟.数值模拟结果表明,可变交错网格在保证模拟精度的前提下,进一步提高了模拟的时效性和对复杂介质模型模拟的适应性,对研究精细的井间地震弹性波场特征和传播规律具有重要的作用. 相似文献