Harald G Dill的矿床“棋盘”分类介绍和概略评述:以主要金属矿床分类为例

首先概要介绍了当前国际上关于矿床分类的最新的系统性专著之Harald.G.Dill(2010)的《矿床"棋盘"分类图表:矿物学和地质学,从铝到锆》长篇论文的特点,即给出了63个矿种(组)的矿床分类及其矿床,其研究是与美国地质调查局矿种数据库相连接的;继之,以"全国重要矿产资源潜力评价"项目中的17种主要金属矿种为例,较详细地介绍了这些矿种(组)的矿床分类及其在矿床"棋盘"分类图表中的位置,包括在5类火成岩主岩、2类构造环境和7类沉积岩主岩(列于表首)中,形成的各类型矿床(列于表中),及其沉积环境和地球动力学背景(列于表尾),便于读者了解该矿床分类的地质学基础,并应用之;最后,结合国内情况,对该"棋盘"分类特点作一概略性评述。     

准噶尔盆地西北缘白垩系清水河组深埋藏、薄储层砂体发育特征与预测

通过地震波形分类技术,结合实钻探井资料,将准噶尔盆地西北缘SMZ地区白垩系清水河组储层埋藏深、厚度薄砂体储层发育模式分为富砂、砂岩较发育、砂岩发育一般、贫砂和富泥5类,相应地将地震波形分成Ⅰ、Ⅱ、Ⅲ、Ⅳ和Ⅴ5类。通过该项技术,对这一地区清水河组深埋藏、薄储层砂体平面分布范围进行有效预测,为预探井的准确部署和控制储量的顺利提交提供了可靠依据。     

应用地震波形分类技术识别岩相的适用性和局限性

地震波形分类技术在识别和划分岩相的应用中有其独特的优点,但也存在一定的局限性。通过针对不同岩相的大量实践,深入探讨了影响该技术的应用条件,系统总结了该技术识别岩相的适用性和局限性。研究表明：时窗类型及大小、地震属性体的选择是影响波形分类结果最重要的因素;不同的岩相在地震振幅、频率、相位、时间厚度上存在差异性是正确应用波形分类方法的前提;当岩相问的地震响应差别不明显,或同一岩相横向波形变化较快,无法建立统一的岩相地震波形特征时,波形分类方法的结果不能准确地划分岩相,也没有明确的地质意义。回归到岩相地震响应特点的分析,建立地震响应与岩相的对应关系,开展波形分类技术应用的先验性研究,是成功应用该技术的基础和关键。     

地震相不同分类方式的作用及在储层预测中的应用

地震相分类技术已被广泛地应用于沉积相识别及储层预测中,现在流行的商业软件Stratimagic提供了基于地震道、平面图和地震数据体的道、面、体三种地震相分类划相技术.这里从原理、方法流程及应用效果等方面,对这三种分类划相技术的特点和作用进行了总结和对比,提出了这三种分类划相技术的适用范围和使用原则.并将此方法应用到我国西部BKQ地区的储层预测研究中,划分出了研究区的有利储集相带,为后期的钻井部署提供了有利的依据.     

神经网络敏感性分析及其在遥感影像分类中的应用

针对基于连接权的神经网络敏感性分析方法中求取敏感性系数的不稳定性,提出一种优化连接权的神经网络敏感性分析方法。首先采用遗传算法根据误差最小化原则对神经网络进行优化,在优化的神经网络模型上进行基于连接权的敏感性分析。以1个数值模拟实例和华盛顿广场地区的遥感图像地物分类为例,验证所提方法的有效性。实验结果表明,所提方法求取输入变量的敏感性系数是稳定有效的,能有效筛选出遥感图像中对分类贡献较大的特征波段,达到降维的同时提高分类精度。     

利用GUI用户界面进行盐湖水化学组成的分类

针对卤水、盐泉、盐湖的测试样例,依据水化学分析手册(卤水、盐泉、盐湖化学分析)中的分类系数算法,应用MATLAB(R2010B版)设计一个GUI用户界面,对水化学进行分类。录入离子浓度或离子百分数作为各元素离子数据,通过分类系数算法,GUI显示类型,验证了841组数据。结果表明,对Classifier Coef.m中的浮点型数据的上下界进行微调,并补充分类系数K,实现了所有验证数据的分类;GUI用户界面具有计算快速、分类准确的优点。     

基于多方向自适应感知网络的高光谱遥感图像分类

高光谱遥感能够同步获取目标场景的光谱数据和空间图像,满足对目标物体成分组成和形貌特征的探测需求,已被广泛应用于精准农业、地质勘察、环境监测和生物医学等领域。近几年,得益于优秀的空谱信息表征能力,基于卷积神经网络的高光谱图像分类方法取得了优于传统方法的分类精度。然而,基于一定规则和固定方形窗口的卷积运算无法满足不同对象、不同分布的空谱特征提取需求,当像素位于类别边缘时该模式无法避免其他类别的无关信息,导致类别间的信息扩散以及跨类别像素的误分和错分。针对上述问题,本文提出了一种基于多方向自适应感知的高光谱图像空谱联合分类方法,并通过联合不同邻域范围的空谱上下文信息来改善模型的局部空谱建模能力。具体研究过程如下：首先,将常规卷积网络的全窗口滤波器拆分为不同方向的半窗滤波器,从而设计出侧窗卷积以捕捉具有方向性的空谱特征;然后,在此基础上进一步将不同方向的侧窗滤波核整合到统一的卷积架构中构造空谱分离多方向卷积,并设计方向自适应感知模块,以密集连接构建基于高光谱图像的多方向自适应感知分类网络,赋予模型自适应学习多种空谱结构特征的能力,弥补常规卷积和侧窗卷积只能建模单一方向空谱关系的不足,提升模型对...     

基于面向对象孪生神经网络的高分辨率遥感影像建筑物变化检测

建筑物变化检测在城市环境监测、土地规划管理和违章违规建筑识别等应用中具有重要作用。针对传统孪生神经网络在影像变化检测中存在的检测边界与实际边界吻合度低的问题,本文结合面向对象图像分析技术,提出一种基于面向对象孪生神经网络（Obj-SiamNet）的高分辨率遥感影像变化检测方法,利用模糊集理论自动融合多尺度变化检测结果,并通过生成对抗网络实现训练样本迁移。该方法应用在高分二号和高分七号高分辨率卫星影像中,并与基于时空自注意力的变化检测模型（STANet）、视觉变化检测网络（ChangeNet）和孪生UNet神经网络模型（Siam-NestedUNet）进行比较。结果表明：（1）融合面向对象多尺度分割的检测结果较单一尺度分割的检测结果,召回率最高提升32%,F1指数最高提升25%,全局总体误差（GTC）最高降低7%;(2)在样本数量有限的情况下,通过生成对抗网络进行样本迁移,与未使用样本迁移前的检测结果相比,召回率最高提升16%,F1指数最高提升14%,GTC降低了9%;(3) Obj-SiamNet方法较其他变化检测方法,整体检测精度得到提升,F1指数最高提升23%,GTC最高降低9%。...     

基于流动单元的储层评价及剩余油预测

采用自然分段结合聚类分析的方法,在该区识别出4类流动单元,并以短期旋回为单位,对各类流动单元进行了平面分布预测,按流动单元的平面结构特征将短期旋回分为4类.采用概念模拟、定性分析和定量模拟的方法对剩余油进行了研究,表明储层流动单元结构对剩余油的控制明显,处于一类、二类短期旋回中的大面积连续分布的E,G型流动单元大多水淹,而在以F型为主的三类短期旋回中不被控制的小型孤立的G型流动单元及大面积分布的F型流动单元成为剩余油富集部位,针对此,开发调整策略应加强小规模E,G型流动单元的完善,加大三类短期旋回的动用力度,封堵一类短期旋回.这一策略明显改善了油田的开发效果.     

贵州茂兰喀斯特森林植被演替序列的数量分析

综合运用双向指示种分析法( TWINSPAN)及除趋势对应分析法( DCA)进行分类及排序,确定了贵州茂兰国家级自然保护区森林群落的演替序列。结果表明: 根据DCA排序可将研究区植被群落的演替过程分为四个阶段,即草地→ 灌丛→乔林→顶极群落;根据TW IN SPAN分类结果可将植被分为11个群丛,其中,第Ⅰ 、Ⅱ 、Ⅲ 、Ⅳ 群丛为草本阶段,第Ⅴ 、Ⅵ 群丛为灌丛阶段,Ⅶ 、Ⅷ 、Ⅸ 群丛为乔林阶段,第Ⅹ 、Ⅺ群丛为顶极阶段。茂兰喀斯特植被演替顶极群落为亚热带常绿落叶阔叶林群落,是一种典型的地形— 土壤演替顶极,是植被与当地环境长期适应的结果。