大深度低幅度构造多尺度时深转换方法——以阿尔及利亚X区块为例

阿尔及利亚X区决主要发育大深度低幅度构造,低幅度圈闭识别与落实制约着区块的油气勘探发现.根据区块的地质与地球物理特点,在认真深入对比分析现有时深转换方法的基础上,提出了综合运用多种时深转换方法进行区域目标援索及单个目标“量体裁衣”的多尺度时深转换方法,有效的解决了本区油气勘探中面临的低幅构造识别与落实难题,取得了较好的勘探效果.该方法能够有效的发现低幅度圈闭并提高低幅度构造成图的精度,落实局部构造,降低勘探风险,对于类似地区的低幅度构造研究具有借鉴意义.     

基于重磁场多尺度边缘检测的地质构造信息识别与提取——以铜陵矿集区为例

重磁场是地下地质体密度、磁性分别响应的综合,蕴涵着丰富的地质构造信息,如何将其有效地提取出来是正确认识地下结构的关键环节.本文在总结重磁场构造信息提取研究进展的基础上,将构造信息提取突破口归结为重磁场的边缘增强与检测.通过构建理论模型,对常用的边缘检测方法开展了对比试验,并以长江中下游成矿带中的铜陵矿集区为例,开展了实际资料的处理和研究.获得以下认识和结论:(1)多尺度边缘检测方法较其他方法更能准确提取模型边界,更适合于构造信息识别与提取;(2)在铜陵矿集区识别出18条断裂构造,确定了铜陵隆起的边界,断裂构造的走向主要为北东向,前人所谓"棋盘格式"断裂构造系统并不存在;(3)圈定了岩体的分布范围,在铜陵矿集区北缘,发现了2处隐伏岩体;(4)施家冲、戴家汇岩体周边是寻找矽卡岩型、斑岩型铜金矿的有利地段,铜陵隆起和繁昌火山岩盆地分界断裂两侧是寻找热液型铅锌矿和金矿的重要靶区.     

基于多源地球物理数据的机器学习方法在地质体分类中的应用——以黑龙江多宝山矿集区为例

为适应多源地球物理大数据地质解释的需要,同时也为了在地质体物性存在交叠情况下快速有效地实现多源地球物理数据的地质解释,本文提出应用机器学习的支持向量机方法对多源地球物理数据进行地质解释的新思路,并给出了利用物性三体（密度、磁化率、电阻率）进行地质体圈定与分类方法.阐明了参数归一化、参数寻优对模型训练与学习及分类结果的影响与作用.本文将黑龙江多宝山矿集区物性三体与矿集区的区域地质、矿床地质及钻井资料相结合,利用所提出的方法对地下地质体进行了圈定与分类,对分类结果经过交叉检验,正确率达81.6%,表明了训练模型具有较高的可信度.经对预测模型填充已知物性参数正演的重磁异常与实测重磁异常对比,证明两者在整体和细节上均有高度的相似性,间接说明对地质体圈定与分类结果的可靠性,进一步表明利用多源地球物理数据,采用支持向量机方法圈定地质体及对地质体进行岩性识别方面的合理性与有效性.多源地球物理数据机器学习的支持向量机方法在多宝山矿集区地质体圈定与分类所取得较好的应用效果,为多源综合地球物理的地质解释提供了可借鉴的成功经验,也提供了多源地球物理资料地质解释的一种新型的技术手段,开辟了应用人工智能方法进行多源地球物理资料地质解释的新途径.