利用测井数据进行岩性识别的多元统计方法

在中国大陆科学钻探CCSD-1井110～2 000 m井段实测资料的基础上,通过取芯井岩芯和相应测井曲线对应特征的分析,挑选出对岩性识别能力强的测井参数,应用多组判别分析方法,建立了研究区各类岩性的识别模型.应用该模型可对井剖面地层进行连续自动解释,获得整口井的岩性解释剖面图,为进一步的地质研究提供基础资料.最后将得出的结果与分层资料进行误差分析,以判断资料的可靠性和方法的实用性.     

基于SOM-I-SVM耦合模型的滑坡易发性评价

在使用机器学习模型对滑坡进行易发性评价时,通常会在滑坡影响范围之外随机选取非滑坡样本点,具有一定的误差。为了提高滑坡易发性评价的精度,将自组织映射（self-organizing map,SOM）神经网络、信息量模型（information,I）以及支持向量机模型（support vector machine,SVM）进行耦合,提出一种基于SOM-I-SVM模型的滑坡易发性评价方法,并将SOM神经网络与K均值聚类算法进行对比,验证模型的可靠性。以十堰市茅箭区为例,首先通过对环境因子的相关性及重要性分析,筛选出距水系距离、坡度、降雨量、距构造距离、相对高差、距道路距离、地层岩性等7个因子,建立滑坡易发性评价指标体系,在此基础上计算出各因子的分级信息量值,并作为模型的输入变量进行滑坡易发性评价。分别采用SOM神经网络和K均值聚类算法选取非滑坡样本,然后将样本数据集代入I-SVM模型预测滑坡易发性。将SVM、I-SVM、KMeans-I-SVM、SOM-I-SVM等4种模型预测精度进行对比,其ROC曲线下面积（AUC）分别为0.82,0.88,0.90,0.91,说明SOM-I-SVM模型能...     

GA-BP神经网络模型在彬长矿区测井岩性识别中的应用

为提高测井岩性识别的自动化程度和地质解释精度,在分析遗传算法(Genetic Algorithm,简称GA)与误差反向传播算法(Back-Propagation,简称BP)各自特性的基础上,针对BP算法在反演中测井数据识别样本大以及BP算法本身存在的缺陷,提出了利用GA算法来同时优化BP神经网络的结构和连接权值的解决方案,建立了基于GA优化BP神经网络的测井数据岩性识别模型。该模型通过彬长矿区实际数据的检验,获得了较高的识别速度和准确率。      

基于梯度提升算法的岩性识别方法

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。     

基于光谱匹配的热红外高光谱数据岩性分类研究

从岩石光谱出发,结合光谱谱带强度特征和光谱波形特征,针对机载热红外高光谱数据（TASI）,在以往算法基础上,提出一种改进的算法--光谱离散能级波形匹配法（SDEM）,并将其运用到岩性分类研究中。SDEM算法能识别岩石光谱间的微小差异,并在充分考虑光谱谱带强度和波形特征的同时,有效减弱数据噪声。与传统的岩性分类方法--高光谱角度制图法（SAM）相比,改进的算法能更精确地区分岩石相似光谱,识别易混淆岩性,对出现“异物同谱”现象的岩石也具有更好的区分能力。将SDEM、SAM方法应用于甘肃柳园地区TASI数据岩性分类研究中,可看出SDEM方法能识别出SAM未识别或识别错误的岩性。通过研究区野外查证,可知SDEM方法所得岩性分类结果更符合岩石实际分布情况。可见光谱离散能级波形匹配法具有较好的岩性分类效果,能更好地区分地物。     

偏最小二乘神经网络在储层识别和产能预测中的应用--以陕甘宁盆地中部气田马五1储层为例

针对致密储层中气水干层识别和产能预测准确率较低这一难题，提出偏最小二乘神经网络方法：用偏最小二乘方法对输入自变量集进行主成分提取预处理，消除重叠的输入信息，用可变学习速率反向传播算法（VLBP）和附加动量方法（AMOBP）构建BP储层识别和产能预测的网络模型。以陕甘宁盆地中部气田马五。储层气、水、干层识别问题为例，选用19口井分层测试的92个已知样本，在提取物性、测井和储渗特征等方面的14个特征参数后，通过偏最小二乘方法提炼得到电阻率（Rlld）、声波时差（△t）、产能系数（kh）、储渗因子（KФs）、介质类型因子（EE）等5个主成分控制特征参数，消除了信息的重叠。以此为神经网络输入元，以样本储层的类型与产能级别为输出，用VLBP和AMOBP算法建立储层识别和产能预测的BP网络模型。模型的吻合率迭100％，均方误差比传统三层网络降低约50％。表明该模型的计算收敛速度快。精度高，为致密储层的准确识别探索了又一新的方法。     

基于深度特征的双极化SAR遥感图像岩性自动分类

基于像元基元、极化合成孔径雷达（Synthetic Aperture Radar,SAR）数据和传统机器学习算法的岩性分类方法,易受SAR图像固有斑点噪声影响,精度不高.为了降低噪声的影响,本研究以大尺度像元邻域为基元,用于表征地表地质体的遥感图像特征和岩性语义信息;采用高分三号双极化SAR数据进行极化分解构建3通道假彩色合成影像;然后采用深度卷积神经网络（Deep Convolutional Neural Network,DCNN）迁移学习的方法,提取有效的深度特征表示,分别实现5 m和15 m两种空间分辨率下岩性遥感自动分类.结果表明:基于不同分辨率数据和不同DCNN算法,岩性遥感自动分类的总精度均大于80%,最高精度达到91%.基于大尺度像元邻域和DCNN迁移学习方法,能够实现基于SAR数据的高精度岩性分类.      

熵权-正态云模型岩溶塌陷预测分析

为了研究岩溶地区的岩溶塌陷预测问题,根据大量岩溶塌陷实例确定6项岩溶地区典型的影响因子（岩性系数（RQC）、岩体结构系数（RMSC）、地下水系数（GWC）、覆盖层系数（SSC）、地形地貌系数（LPC）、环境条件系数（ECC））,采用熵权法计算各项影响因子的权重并结合云理论建立熵权正态云模型。通过模型对桂林西城区岩溶塌陷进行预测且结合实际塌陷情况进行比较分析,结果证明建立的熵权正态云模型的预测结果与实际结果比较接近。表明该模型对于岩溶塌陷的预测分析方面具有良好的适用性和可靠性,且能够为岩溶发育地区岩溶塌陷的非线性、复杂性预测判断提供一种新的思路和方法。     

基于改进BP网络算法的隧洞围岩分类

围岩分类对指导地下工程的设计和施工具有非常重要的意义.引入人工神经网络的方法, 进行隧洞围岩分类, 在传统BP算法的基础上, 通过改进学习算法、优化传递函数和网络结构进行神经网络方法优化.采用附加动量法和学习速率自适应调整的策略改进学习算法, 使得当误差大于上临界值时, 则降低学习率, 当误差小于下临界值时, 则适当提高学习率, 这样可加快网络的训练速度, 确保网络的稳定性; 通过引入调整学习率参数, 使得传递过程更加敏感, 加快了传递函数的收敛速度, 提高了训练函数的计算精度; 通过给定隐含层节点模型的取值范围, 对网络结构进行优化, 提高了泛化精度.将改进的BP网络模型应用于广东省东深供水改造工程的隧洞围岩分类中, 分类结果与根据《水工隧洞设计规范(SL279-2002) 》的分类结果完全一致, 表明该方法具有良好的工程实用性.      

基于蒸散发数据同化的径流过程模拟

采用集合卡尔曼滤波算法,以遥感反演的蒸散发作为观测数据,构建一种基于新安江模型的蒸散发同化系统;根据同化后的蒸散发,采用粒子群算法估计新安江模型的土壤张力水蓄量,进而改进模型的径流模拟效果。选取地表能量平衡系统模型进行汉江流域蒸散发（ET_SEBS）反演,采用基于GRACE水储量距平数据的水量平衡蒸散发（ET_GRACE）进行验证,结果显示ET_SEBS总体表现好于蒸散发产品ET_GLDAS、ET_Zhang、ET_MODIS,且相关系数（R）、均方根误差（E_RMS）、偏差（B）为0.93、11.93 mm/月、-3.47 mm/月,表明SEBS模型能够较好地估算蒸散发。将同化方案在旬河流域进行应用,结果显示同化后径流的纳什效率系数（E_NS）为0.85,较同化前0.81明显提高,且模型对枯水期径流的低估问题有一定改善,对径流峰值模拟效果提高明显。     

一种适用于欠压实成因的地层孔隙流体压力预测技术

为了提高基于欠压实成因机制的地层孔隙流体压力预测的准确性,这里从提高地震层速度场的计算精度的角度出发,提出了一种高精度地层孔隙流体压力预测技术。①该技术针对浅部地层(无测井曲线的地层段)采用三维约束DIX反演方法和叠加速度体、层位数据计算浅部地层的地震层速度体;②针对中深层地层(有测井曲线的地层段)采用叠后波阻抗反演方法和叠后三维地震数据体、测井数据、层位数据计算中深层地层的地震层速度;③沿着研究区的某一浅部地层分界面将浅部地层与中深层地层的地震层速度体进行拼接处理,得到一个完整的地震层速度体;④采用"Fillippone方法+Eaton方法"的组合方法进行三维地层孔隙流体压力预测。某区页岩气地层的实际计算结果验证了该技术的正确性与可靠性,其预测的地层孔隙流体压力与实钻井一致,且目的层的地层孔隙压力平面分布特征与地质认识一致,有助于指导研究区后续的勘探与开发。     

广义S变换时频分析在广域电磁法数据处理中的应用

广义S变换是一种可逆的局部时频分析方法,是短时傅里叶变换和小波变换的延伸和推广。利用广义S变换对广域电磁时间序列数据进行分析,除了可以划定噪声区域便于实施滤波去噪之外,还可以提高数据频谱分析精度。针对广域电磁数据特点,基于广义S变换提出了适合广域电磁法的广义S变换处理流程,进行了信号的仿真实验。同时,也对广域电磁法实测数据进行了处理,高信噪比数据的处理结果证实了广义S变换的有效性和准确性。强干扰数据处理的结果表明,获取的信号质量比基于傅里叶变换的传统方法有明显提高。处理效果表明,提出的方法适用于广域电磁法数据处理。     

基于SVD的叠后地震资料随机噪声分离方法

笔者提出基于SVD的叠后地震资料随机噪声分离方法,在地震剖面的同相轴水平或接近水平时可以有效地分离出地震剖面中的随机噪声,提高地震剖面的分辨率。为了说明SVD随机噪声分离方法的有效性和高效性,建立模型试验,在合成地震记录中加入随机噪声,之后进行实际地震资料处理,分别用SVD方法和基于小波变换的分层阈值方法对加入随机噪声的合成记录和加入随机噪声的实际资料进行随机噪声分离处理。对比发现,SVD随机噪声分离方法相比于基于小波变换的分层阈值方法更加有效且高效。     

最小一乘法在岩土地基沉降中的应用

最小一乘法是一个既古典又新颖的方法,随着最小一乘解的实现问题近年来有大的突破,一些最小二乘法所不具有的优良特性,如直观性、稳健性、零误差性、可预测性、广义性等逐渐显现。最小一乘逼近是最小绝对值误差极小化的逼近,也称为“极小极小”逼近,由于极小极小逼近的最佳结果一定是零,所以零误差原理是最小一乘法的基本原理。最小一乘解是通过“代表式”的数据处理方式来实现的,由于排除了大误差数据的干扰,使最小一乘法具有较好的稳健性。而代表数据可按不同的应用而选择并确定,使应用具有了广泛性。对于预测而言,将端点数据设定为零误差数据,使数据的权重不再相等,而是往端点方向倾斜,端点数据具有最大的权重,且建立在无误差的基点上,这使得预测理论与模式变得合理,使预测的准确性得到保证。文中通过3个工程实例,介绍了最小一乘法在探索岩石或软土地基在沉降过程中的应用,其结果与最小二乘法的进行了比较,通过分析后给出如下主要结论：（1）最小一乘法的数据处理稳定性较好,波动幅度较小,预测结果较准;（2）一般不会出现最小二乘法数据处理中的矛盾及不合理的现象;（3）虽然时间t→∞的极限下沉量具有不可验证性,但最小一乘法的预测是建立在无误差的基点上,比最小二乘法的预测建立在有误差的基点上合理,加上有较好的稳健性,其结果更具参考性。     

基于层源位场的重力及其梯度数据联合相关成像

为提高重力与重力梯度数据联合成像的纵向分辨率,笔者提出基于层源位场的重力及其梯度联合相关成像方法.为体现不同深度位置地质目标体的空间分布特征,采用均值滤波法和插值-切割分离法分离位场异常,并使用向下延拓方法得到不同深度层的层源重力及其梯度数据,在此基础上实现分层重力及其梯度的联合相关成像.将本文方法应用到多个立方体的组...     

向上延拓对斜导数方法处理航磁异常的影响

分析了中国南部某地利用斜导数方法处理航磁数据时遇到的问题,由于受到浅源磁干扰场的影响,用斜导数方法处理后的航磁数据异常形态复杂,从而影响地质解释效果。为此提出了向上延拓与斜导数方法联合使用的改进办法,通过实例阐述了应用斜导数方法处理航磁数据应注意的问题。改进后的方法,能充分体现航磁资料在地质解释方面的优势。     

基于广义S变换时频滤波的MT数据去噪

针对油气勘探中大地电磁(MT)数据易受各类干扰的污染,且信噪难以分离的问题,把基于广义S变换的时频滤波技术应用于MT数据处理中来,得到MT数据的S域时频分布,分析受噪MT数据在S域的时频分布特征,再在S变换时频域进行时频阈值去噪,并对滤波后的S域时频谱进行逆变换重构,分离得到去噪后的MT数据。给出了基于广义S域时频滤波的方法原理与应用步骤,对被污染的仿真和实测MT数据进行了时频阈值滤波,并与小波阈值去噪方法进行了比较研究。结果表明：基于广义S变换的时频滤波方法可有效抑制MT数据中的干扰,从噪声信号中分离出有效的大地电磁数据,且减少了人为参与,提高了MT勘测的数据质量。     

浅海海底表层速度建模技术及其应用研究

浅海海底起伏和速度变化对OBC资料成像质量产生较大影响。建立浅海海底表层速度模型不仅能够解决OBC资料的静校正问题,也可用于海底反射系数计算、双检资料合并、多次波压制等,但是,目前针对浅海海底表层速度建模的研究还不多。文中提出了针对浅海地区OBC资料的海底表层速度建模的三维初至走时反演技术,主要包括:(1)震源位置校正技术。根据地震波在海水中传播特征,把在海水中激发的震源位置校正至海底,使震源和接收点都位于海底,利于初至走时反演计算;(2)快速三维初至走时反演方法。利用回折波走时和射线方程,形成了高效率初至走时反演方法。将该技术应用于胜利油田莱州湾浅海区海底OBC资料的处理中,建立了三维海底表层速度模型,用此速度模型进行静校正,取得了良好的应用效果。     

大数据环境下数字填图数据集成服务技术

应用数字填图技术形成了大量地质填图图幅数据,这些数据空间结构化和非结构化特征并存,如何在网络环境下提供高效的数据服务是急需解决的一个难题。大数据技术的发展为数字填图、数据集成服务提供了一种新的途径。通过对数字填图数据特征的分析,在研究地质调查信息网格大数据处理框架的基础上,提出了结构化和非结构化数据相结合的有序化组织管理、发布与服务方法,并对关键技术进行了研究与试验,取得了良好的效果。     

Spurious Clusters in Granulometric Data Caused by Logratio Transformation

The logratio transformation aims to eliminate spurious correlations between components of compositional data. When applying this method to granulometric data, there arise numerical problems with zero (empty) components. In this paper, the method of logratio transformation with zero replacement is examined using one natural and two simulated granulometric data sets. The results show that this method generates spurious clusters, and thus it is not appropriate for the investigation of grain-size data in particular, and of compositional data with zero components in general.