黔西县官寨井田煤层气地质特征及开发地质评价

官寨井田位于贵州省黔西县南部,含丰富的煤炭资源。为查明井田内煤层气分布特征和开发潜力,从构造、围岩、煤层埋深、水文地质等方面分析了煤层气赋存地质条件及煤赋层特征,认为井田内主要煤层4、9号煤均为无烟三号煤,煤层厚度大（主要煤层总厚度为13.20～21.30m）,煤层气含量大,4号煤为9.08～24.30m^3/t,9号煤为14.95～24.90m^3/t,煤层顶底板岩性渗透率低,透气性弱,有利于煤层气富集。井的中北部煤层气赋存条件好,含气量在13m^3/t以上,最高可达24.9m/t,是今后煤层气开发的首选地段。区内煤层气总资源量丰富,煤层埋藏适中,地理位置有一定区位优势,交通便利,煤层气的开发利用将会取得较好的社会和经济效益。     

利用新型群体智能优化算法研究微震震源定位

引入并介绍6种新型群体智能优化算法(灰狼算法、鲸鱼优化算法、蝗虫优化算法、麻雀搜索算法、蚁狮算法、蜻蜓算法)的仿生原理、核心计算公式及优化特性,在经典到时差模型基础上设计一种新型微震震源反演数学模型,利用仿真的矿山微震震源正反演数据对比分析6种方法的性能差异。结合实际矿山人工爆破数据,通过6个统计指标从精度、收敛速度、稳定性等多个角度测试这6种新型群体智能优化算法在微震震源定位中的有效性和可靠程度。     

无需测速的微震源反演数学模型研究

微震源反演数学模型、反演算法等对象是微震源定位误差的重要来源。针对P波速度易衰减、首波到时数据拾取误差较大的情况,基于到时差模型(ATD)和P波到时方程组,建立到时差比值法反演数学模型(ATDRM),从目标函数中消除了P波速度和发震时刻等参数;同时,引入范数概念,得到改进的L1、L2、L3、L4范数模型,设计一系列反演模型对比实验和反演算法对比实验综合分析研究这些模型的优越性。工程数据显示：ATDRM模型的定位效果整体比经典ATD模型更好,ATDRM-L1模型震源误差可减少13.437 0 m;反演模型的定位误差受反演算法影响较大,单形替换法相比遗传算法(GA)、非线性最小二乘法(NLSM)、模拟退火算法(SA)等方法定位精度更高,稳定性更好;在应用单形替换法求解模型时,反演误差会随着范数参数N的增加(L1→L4)呈现先下降再上升的现象;ATDRM模型及其范式形式对提高微震源定位精度有一定价值。     

卫星观测值精度分析及随机模型精化

通过MGEX观测网CUT0测站连续10天的观测数据,采用零基线单差模型方法求解单差残差序列,并推导出北斗GEO／IGSO／MEO卫星观测值噪声。统计观测值噪声随高度角变化的情况,采用最小二乘拟合的方法建立精化的高度角随机模型。结果表明:北斗三类卫星的观测精度略有差别,精度从高到低依次为MEO、IGSO、GEO;B1频率相位观测精度约为伪距的129倍,B2频率约为118倍;北斗卫星伪距观测值的精度要稍优于GPS,相位观测值的精度与GPS相当。最后,基线测试结果表明,精化后的随机模型提高了单历元动态定位的精度,平均点位精度提高了42.1％,N、E、U方向各分量RMS改善的百分比分别为:31.6％、15.3％、31.4％。      

我国南方鲍养殖业的困境与发展探讨

鲍是我国重要的增养殖经济贝类，台湾和南方沿海分布与养殖的主要为Haliotis diversicolor，它有平纹九孔H．diversicolor supertexta和粗纹九孔H．diversicolor diversicolor两个亚种，但由于多年的相互引种，目前亚种间已无明显界限。台湾和福建称之为台湾鲍或九孑L（鲍），而广东及其以南沿海常称为杂色鲍。1979年，台湾九孔鲍人工繁殖成功后开始在东北角养殖，随后推广至岛内其他地区，养殖方式从潮间围堰发展到陆地平面及立体网笼式。大陆鲍规模化养殖起始于上世纪80代中后期的大连和山东沿海，养殖种类为当地的皱纹盘鲍H．discus hannai及随后引进的日本盘鲍H．discus discus，以潮间带养殖和沉箱养殖为主。福建东山县上世纪90年代初开始引进台湾的九孔鲍繁养殖技术，并迅速向南推广至广东、海南和广西沿海，直至越南和泰国。据笔者保守估计，目前我国南方大小鲍养殖场超过700家，鼎盛时期成鲍产量（包括台湾）超过7000t，主要杂色鲍养殖区见图l。但1999年春福建东山杂色鲍开始暴发流行性病毒病，至2001年又出现附着幼苗从硅藻膜（板）上大规模脱落死亡症状，此两种流行病迅速蔓延至包括台湾在内的鲍主要养殖区，对正高速发展的我国南方鲍养殖业毁灭性打击，连年的病害肆虐致使大多育苗场和养殖场无以为续，十池九空，损失难以计数。笔者对该养殖业目前的现状进行了概括，追述了流行病学特征，并对以后的发展进行探讨，供同仁提供参考。     

基于机器学习的强震动监测环境抗干扰方法对比研究

引入机器学习中的决策树、随机森林、AdaBoost集成学习等方法,分别按照训练比例为10%～90%、变化率为10%的试验方式,从识别准确度、算法执行时间、异常数等角度出发,对比分析强震动数据抗干扰算法在不同样本训练量、不同验证数据量下的识别效果、执行效率及算法稳健性。实验结果表明,AdaBoost集成学习的识别效果与稳定性最好,但是算法效率较差,决策树的算法稳定性较差,但是效率较高。综合算法性能来看,随机森林的应用前景较大,具有一定实用价值。     

基于最小二乘支持向量机与熵特征的地震事件性质辨识研究

为解决天然地震事件性质辨识依赖人工检测、自动化程度不高且误差较大的问题,利用机器学习中的最小二乘支持向量机（LSSVM）和信息论中的排列熵、近似熵及香农熵等特征参数,建立Entropy-LSSVM地震波形特征提取与事件性质辨识模型。基于2021年青海玛多M_S7.4地震、云南漾濞地震事件及人工爆破干扰事件等共计500条波形数据,设计多个不同训练比例与测试比例的随机抽取子实验,采用准确率、召回率、特效度、精确度、F-measure验证该模型的有效性。实验结果表明,熵特征对天然地震和非天然地震事件波形的区分效果明显,且结合熵特征的LS-SVM模型整体性能优于QDA、LDA、朴素贝叶斯、决策树、LogitBoost及RobustBoost等方法,训练集与测试集比例为3∶2的辨识准确率和召回率分别达到99.00%和96.97%,即使训练集只有50条的辨识准确率也可达98%以上,这对天然地震事件的有效甄别有一定参考价值。     

地震与爆破波形信号的EEMD多尺度分布熵提取和WOA-SOM神经网络识别研究

针对地震信号中存在大量环境噪声的问题,基于天然地震事件和人工爆破事件建立初始数据集,利用集合经验模态分解（EEMD）技术对波形信号进行分解、降噪,提取出较纯净的各阶本征模态函数（IMF）分量,然后对前10阶分量分别计算分布熵,即EEMD多尺度分布熵,建立神经网络输入矩阵。应用鲸鱼优化算法（WOA）对自组织特征映射（SOM）神经网络参数（竞争层维数、网络训练次数）进行优化,针对不同训练样本寻找对应的最优参数值以改善模式识别的稳定性,从而提高地震识别率。结果表明,EEMD多尺度分布熵结合WOA-SOM模型可有效识别天然地震和人工地震。     

2019年西藏墨脱MS6.3地震震源参数及其构造意义

北京时间2019年4月24日04∶15,西藏自治区林芝市墨脱县发生了M_S6.3地震,该地震位于印度板块与欧亚板块俯冲碰撞的东北犄角地区,构造背景十分复杂.本研究基于我们在东喜马拉雅构造结地区架设的宽频带地震台站记录的近震波形数据,结合中国和国际地震台网的波形和到时资料,对该地震的震源位置、震源机制解和破裂过程进行了重新确定.结果显示,此次墨脱6.3级地震发生在（94.56±0.01°E,28.41±0.01°N）,震源深度为地表以下13.3±1.6（或海平面以下11.5±1.6）km.震源机制解走向/倾角/滑移角分别为202°/17°/20°,震源破裂较大的位置主要集中在初始破裂点NNE侧约5 km附近.结合其他地球物理和地质学资料,我们推测该地震位于主喜马拉雅逆冲断裂发生近90°突然偏转的大拐弯地区,桑构造结相对于其西侧南迦巴瓦构造结的西向俯冲和北向推挤是该地震发生的主要构造背景.     

直接铺管法适应性研究

直接铺管法是一种新的直接铺管的施工方法,其结合了现有顶管和水平定向钻进设备的技术优势。针对不同管道铺设方法的优缺点以及14个直接铺管法的工程案例分析,从施工长度、管径、地质、施工费用等多方面进行了对比,分析直接铺管法的适应性,确定直接铺管法的使用范围。