基于先验信息约束的重磁三维交互反演建模技术——以铜陵矿集区为例

三维地质建模是实现深部矿产勘查突破的重要途径,其通过控矿地质体的三维建模,直观刻画控矿要素之间的空间、成因和演化关系,帮助理解成矿系统,开展深部找矿预测.当前三维建模主要采用地质资料构建,在缺少钻孔等已知资料的情况下,难于构建出可靠的三维地质模型.为了克服常规三维地质建模方法可信度低、精度差的缺点,本文将重磁交互反演技术引入到三维地质建模中,提出了基于先验信息约束,通过二度半剖面交互反演、三维物性反演联合修正的三维地质模型方法.采用该方法建立了铜陵矿集区的三维地质模型,并开展了深部找矿预测,取得以下主要认识:1)基于先验信息约束的重磁交互反演建模技术能大幅提高三维地质模型的可信度,是实现地下地质体"透明化"的重要途径;2)铜陵地区重要控矿地层(C-P-T2)主要分布于向斜区和火山岩覆盖区,深部岩浆岩条件优越,深部找矿工作应从传统的背斜隆起区转向向斜区和火山岩覆盖区以及部分凹陷区,这将极大拓展铜陵地区找矿空间;3)铜陵地区传统的五大矿田的侵入岩均具有复合岩体特征,特别是与辉石闪长岩共生的矿产以铁铜矿为主,而与金矿密切相关的侵入岩则多为中酸性岩体,这一推断如果成立,将对铜陵地区找矿突破产生重大影响;4)铜陵地区的推覆构造十分发育,木镇凹陷区的早古生代基底和南陵盆地北西缘的戴公山背斜就是一套区域性推覆构造的产物,三维地质模型还揭示铜陵地区侵入岩具有深、中、浅三重结构,这为铜陵隆起的推覆成因提供了证据,也指示了在铜陵之外再寻找类似铜陵矿集区的良好前景.     

一种基于重磁数据智能融合的深部地质建模方法

三维地质建模可应用于地质体深部构造研究、地下水资源调查、裂缝变形监测、地质灾害预测等方面.地表地质填图已有多种成熟的方法,但是地下深部地质建模依然面临诸多挑战.理论上,地下深部地质构造尽管肉眼不可见,但重、磁、电、震等地球物理信息可以在某种程度上间接反映深部地质构造情况.本文结合近年来快速发展的现代信息处理技术,基于较为成熟的重磁数据反演方法,尝试提出了一种基于重磁数据融合的地下深部岩性智能识别及建模方法,并通过试验数据验证和戈壁荒漠地区实测数据应用,表明该方法具对于深部地质构造的分析及矿产发现有很好的应用潜力.     

先验地质信息约束下的三维重磁反演建模研究 ——以安徽泥河铁矿为例

安徽泥河铁(硫)矿床是近年发现的大深度隐伏矿床,它的发现再次引发了庐枞地区深部找矿的热潮.建立矿区的三维精细地质模型,对寻找深、边部隐伏矿体,深入认识深部成矿、控矿规律意义重大.本文以泥河矿区为实例,开展先验地质信息约束的三维重磁建模研究,获得了矿区面积5.6 km²(2.8 km×2.0 km)、深度1.2 km内的三维地质模型.在三维可视化平台上对该模型进行了地质解释,全面分析了矿体、地层与次火山岩之间的空间分布及对应关系,发现铁矿主要赋存于闪长玢岩与砖桥组火山岩之间,且在玢岩穹窿地段矿体厚大,这对认识"玢岩型"铁矿的成矿模式具有重要的实际意义;三维模型的重磁正演响应基本拟合了实际重磁异常,说明在建模区域内已没有新的矿体;本文提出的三维地质建模流程可为其它地区开展类似工作提供借鉴,同时研究表明地质信息约束下的三维重磁建模研究在深、边部找矿和重磁异常的精细解剖等方面具有潜在的价值和广阔的应用前景.     

重磁异常反演的拟BP神经网络方法及其应用

把神经网络与重磁异常反演理论相结合,提出了用于重磁反演的一种拟BP神经网络方法．基于3层神经网络结构,把隐含层神经元设定为三维空间物性（磁化强度或密度）单元．对实测与理论重磁异常经S型函数变换,采用自动修改物性单元物性值的拟BP算法,反演三维空间的物性分布．利用该网络对理论模型数据和内蒙古某花岗岩体上的航磁资料进行了反演计算,取得了满意的反演效果．     

重磁异常反演的拟BP神经网络方法及其应用

把神经网络与重磁异常反演理论相结合,提出了用于重磁反演的一种拟BP神经网络方法．基于3层神经网络结构,把隐含层神经元设定为三维空间物性（磁化强度或密度）单元．对实测与理论重磁异常经S型函数变换,采用自动修改物性单元物性值的拟BP算法,反演三维空间的物性分布．利用该网络对理论模型数据和内蒙古某花岗岩体上的航磁资料进行了反演计算,取得了满意的反演效果．     

重磁电综合物探技术在南方页岩气地质调查中的应用研究——以桂中坳陷鹿寨地区为例

广西一直以来面临着"缺煤、少油、无气"的窘境.本次研究工作是在"南方地区页岩气基础地质调查"的工作基础之上,通过对广西桂中坳陷鹿寨地区开展高精度重力、磁法以及大地电磁法综合物探剖面测量,结合地质、物性和钻探等成果资料,对获取的重、磁、电资料进行联合正反演综合研究,定性-定量解释推断了该地区富有机质泥页岩主要有利目标层系——下石炭统鹿寨组泥页岩层的分布、埋深和厚度等特征;并进一步了解了该地区的断裂构造展布特征,最终对该地区页岩气勘探的有利目标区带进行了圈定预测,为该地区下一步的页岩气基础地质调查工作提供了重要的物探依据.同时,也证实了该套物探技术方法组合能够在南方地区页岩气地质勘探工作中取得较为理想的勘探效果,值得推广应用.     

盆地基底岩性的综合地球物理预测方法——以松辽盆地滨北地区基底岩性预测为例

预测盆地基岩岩性不仅对于研究盆地的深部地质结构及盆地的形成演化具有重要的意义,而且也对基岩风化壳油气藏的勘探具有一定的指导作用.本文通过对盆地重、磁异常成因的综合分析,提出了一系列盆地基底岩性综合预测研究的综合地球物理资料处理解释方法技术.指出在地震构造界面的约束下采用重力剥皮技术可以较为可靠地获取基底岩性重力异常并分析了界面密度差对剥皮后基底岩性重力异常的影响,给出了等效密度差的求取方法.分析了基底起伏对基岩岩性磁异常的影响,指出采用"平化曲"将磁异常归化到与基底同一高度,可以有效地提高对基底岩性体的刻画能力.通过综合分析认为:应用基底的相对视密度、相对视磁化率及两者的相关系数可以有效地刻画基底岩性的特征.神经网络是基底岩性判别与分类的有效方法技术.通过对松辽盆地北部滨北地区的基底岩性的综合预测显示了本文系列预测基底岩性方法的有效性,预测结果反映了松辽盆地基底岩性的分布特征.该系列方法技术可为其他盆地的基底地质填图提供了可借鉴的综合预测方法技术.     

基于神经网络的强震中短期预测方法

神经网络(neural network)是由大量并行处理的类似生物神经元的简单单元构成的复杂系统．通过调整各个单元之间的连接权值,神经网络可以被训练来表达一个特定的映射．这种作用是神经网络应用的基础．近十年来,神经网络已从理论研究进入实用,并且这个趋势还在不断地发展．本文提出了一种基于神经网络模型的强震预测方法．神经网络先从存在的地震演化序列或地震前兆学习,然后对未来的强震作中短期预测．提出了两个神经网络预测模型：一个是基于地震演化序列的神经网络预测模型EE,并将它用于中国大陆未来一年的最高震级的预测;另一个是基于地震前兆的神经网络预测模型EP,并将它用于华北地区未来(2年)强震发生时间的预测．结果表明,本文提出的这种基于神经网络的预测模型有一定的预测能力,并且使用方便,有较好的应用前景．     

基于测井信息的煤焦油产率预测方法研究

低阶煤低温干馏生成的煤焦油是重要有机化工原料,焦油加工精炼已作为近代煤化工的一个重要分支．为了建立煤焦油产率预测技术方法,服务于煤焦油地质储量评价,本文在文献调研基础上,遵循“地质约束测井、岩心刻度测井”原则,开展研究区煤焦油产率敏感因素分析,厘定与煤焦油产率相关地质参数,利用统计分析方法确定与煤焦油产率敏感的测井信息;利用多元回归分析方法和神经网络技术首次开展了煤焦油产率测井预测方法探索．研究表明,低阶煤的焦油产率普遍高于中高阶煤,对煤焦油产率敏感的地质因素主要有煤化程度（镜质体反射率）、温度和压力、煤质灰分与固定碳含量;对煤焦油产率敏感的测井信息主要包括补偿密度、自然伽马、电阻率等;分区开展多元回归建模可实现利用密度、自然伽马和电阻率测井响应对煤焦油产率预测;将神经网络技术引入煤焦油产率分区预测可行．研究成果对做好煤焦油地质储量评价具有重要的技术支撑作用．     

基于热异常信息与BP神经网络的中强地震预测试验

地震预测是地震科学研究的主要领域之一。震前热异常现象(地表温度异常升高)普遍存在并且与地震三要素有复杂的非线性关系。文中结合神经网络的优点,提出将热异常信息作为地震预测的信息源,通过构建神经网络,进行地震预测的思路,并进行了试验。基于8d合成的1km分辨率的MODIS数据,利用RST算法提取震前热异常信息,在分析震前热异常信息时空变化的基础上,确定出BP神经网络的结构,利用该网络对中国及周边100个5级以上震例,以及70个随机无震样本进行训练和仿真。试验结果表明,通过RST算法提取的震前热异常指数值,用于BP神经网络地震预测是可行的,其预测的试验结果刻画出了地震要素与热异常值间的非线性相关性。未来预测区域范围的选取以及神经网络中隐层神经元的数量将对地震预测效果产生较大的影响。     

基于弹性波CT与GPR的岩体综合病害识别及三维地质建模

本文以地铁深基坑岩体边坡为研究对象,采用弹性波CT初步判断基坑岩体病害的类型及空间分布并辅以地质雷达进行验证;进而用分水岭算法分析弹性波CT获得的波速分布,以提取病害处的细部声速变化,圈定病害范围;在此基础上,以弹性波CT三维空间波速数据库的坐标信息为基础,结合分水岭算法得到的空间坐标信息获得建模数据库,导入GOCAD...     

基于Gramian约束与高斯-牛顿算法的重磁三维联合反演

为了降低重力与磁法单独反演中的非唯一性问题,本文实现了一种基于Gramian约束的重磁三维联合反演算法.使用基于模型参数或其空间梯度的Gramian算子,将其添加到目标函数中,约束剩余密度与剩余磁化率模型参数或其梯度更具相关性.采用高斯-牛顿法对目标函数进行最优化求解,对求解方程进行了简化,节省内存并提高了计算效率.反演过程中使用对数法约束模型参数的上下界,使反演结果更符合真实地质情况.提出了新的模型更新步长计算策略,同时考虑了数据拟合与联合约束的影响,使联合反演更加稳定.通过三个数值模型验证了算法的可靠性,并进一步将该算法应用于加拿大McFaulds湖实测航空重磁数据.对比了反演结果切片并展示了交会图,联合反演得到的剩余密度与剩余磁化率的物性、梯度分布都比单独反演的相关性更强.联合反演提供了一个既能拟合数据又在一定程度上满足耦合条件的反演解.验证了所开发的联合反演算法在实际数据上的有效性与适用性.

     

金矿勘查中的地面高精度磁法测量——以黑龙江乌拉嘎金矿外围十三公里勘查区为例

地面高精度磁测是可以间接找金的.它能够可靠地反映控矿地质体的磁性变化,了解隐伏的控矿岩体、构造和含矿蚀变破碎带的分布.为了提高黑龙江乌拉嘎金矿外围十三公里区的金矿勘查效果,利用地面高精度磁测在该区进行了扫面测量.通过该项研究表明了含矿构造破碎带的存在.在矿化带上方表现为正值磁测异常区与负值磁测异常区的接触带,尤其是梯度较大部位.矿体一般位于负值一侧的低缓正异常处.通过对优选靶区的工程查证,探槽、浅井双双见矿,共获得黄金资源量1.5吨.由此证明了应用该方法找金的有效性.     

基于受灾者关键期自救的应急救援物资结构研究——以地震灾害为例

物资是救援的基本条件,从受灾者关键期自救角度研究应急救援物资结构对受灾者充分利用灾后救助黄金期展开自救工作,降低人员伤亡具有重要意义。应急救援物资基本类型相对固定,基于国家应急物资分类标准通过调查研究得出了各类物资的紧要程度排序并得到了地震灾害应急救援物资分类结构。应急物资数量结构具有变动性,区分自救者的双重身份,采用范例推理和BP神经网络方法分别从救援者和受灾者角度对应急救援物资数量结构进行分析研究,理论上可以获得更为准确的应急物资数量结构预测结果。     

基于BP神经网络模型的多层砖房震害预测方法

针对传统的基于地震烈度的建筑物震害预测方法的不足,本文以地震动峰值加速度作为建筑物震害预测的地震动指标,结合几次大地震中多层砖房的震害实例,提出了一种基于BP神经网络模型的建筑物震害预测方法,模型的输入为反映结构抗震性能的各类物理参数,输出为给定地震动峰值加速度下建筑物破坏状态的概率。研究表明:基于BP网络模型的多层砖房的震害预测结果与震害实例的实际情况比较吻合,本文的思路和方法可推广于其他不同类型的建筑结构的震害预测。     

藻类生长预测模型的比较研究——以洪湖水体为例

根据洪湖2014—2019年水质及藻类监测数据,运用综合营养状态指数法评价了丰、平、枯3个时期的营养状态.在此基础上运用逐步回归分析法确定影响藻类生长的显著因子,并根据不同水量不同营养状态细分9种情形对藻类生长做回归预测分析,同时运用BP神经网络模型对回归预测的结果进行比较验证.结果表明:洪湖丰、平水期以蓝藻门为主,枯水期以硅藻门为主;湖泊的营养状态处于中度富营养与轻度富营养之间.分析各时期藻种生物量与影响因子的相关性,发现丰水期控制因子有水温、COD_Mn和透明度;平水期和枯水期控制因子有水温、总氮、总磷.以2014—2018年数据逐步回归分析得出枯水期+中营养和枯水期+轻度富营养决定系数较低,其余7种时期决定系数均在0.5以上,说明逐步回归并不适用于所有时期.使用2014—2018年的数据进行神经网络训练和验证,2019年的数据进行预测,比较BP神经网络与逐步回归的均方根误差发现全年预测时BP神经网络效果更好;枯水期+中营养和枯水期+轻度富营养逐步回归效果较好,逐步回归的均方根误差仅为1600～4000;丰水期和平水期2种方法预测效果相当.合理地选择预测模型能为湖泊水华做出预警,控制显著变量可以达到防治水华污染的效果.     

综合电磁法在矿区深部成矿机制中的应用研究——以皖南乌溪多金属矿区为例

乌溪矿区介于长江中下游多金属成矿带与华南成矿带之间,是江南造山带上的一个找矿新区.本文在这一找矿新区开展了有效的电磁方法综合勘探,试图对该区深部成矿机制进行研究.我们收集了该区的地质地球化学资料,从地质地球化学资料中分析了区域成矿背景;我们还采集了区域出露的主要岩石类型,在实验室开展物性测定,在此基础上选择了三种电磁方法开展研究区的野外测量.通过地面高精度磁测、激发极化法和可控源音频大地电磁法（CSAMT）三种地球物理方法,开展了研究区的磁化率、极化率和电阻率的分布特征研究.深入分析了地质、地球化学和地球物理三种资料与成矿的关系,相互约束,探讨成矿模型、成矿机制和成矿的可能性,推测可能的矿体赋存位置和深度范围.在地球物理研究结果基础上,结合地质和地球化学背景资料,构建了研究区的成矿动力学模型,推测了研究区成矿机制,揭示了矿区的成矿潜力.综合所得结果布设了钻孔,钻探结果揭示了研究区深部存在强烈矿化蚀变和强蚀变斑岩,初步确认为斑岩型矿床,与CSAMT剖面的解释结果基本一致,也与推测的测区内深部成矿机制相吻合.钻孔结果和地球物理结果的一致性以及对已构建的成矿动力学模型的支持,充分证明了综合电磁方法在斑岩型多金属矿床的发现和预测中的重要作用,同时斑岩型矿床的确认进一步印证了华南成矿带与俯冲作用形成的成矿带的相似性,从而推动整个华南地区的成矿地质研究.     

运用机器学习方法提取Sentinel-2影像烃微渗漏异常——以Marsel探区为例

油气藏的烃微渗漏是一种普遍存在的现象, 遥感技术为油气藏的烃微渗漏地表检测提供了高效快捷的方法.传统的基于烃微渗漏机理的方法通过检测烃微渗漏引起的地表异常(植被、蚀变矿物等)响应以提取烃微渗漏位置, 方法简单, 但多解性强.本文以哈萨克斯坦Marsel探区为研究对象, 提出了一种基于机器学习的遥感影像烃微渗漏异常提取方法.首先以研究区地表微生物检测结果为基础制作训练样本, 为了对比不同样本学习结果, 分别制作了斑块样本(patch sample)数据集和像元样本(pixel sample)数据集, 在此基础上采用逻辑回归、支持向量机、随机森林、LeNet、AlexNet、GoogLeNet、ResNet算法构建两类数据集的学习模型.结果表明, 对于经典机器学习算法, 斑块样本最高准确率达0.833, 像元样本最高达0.771;对于深度学习算法, 斑块样本最高达0.782, 像元样本最高达0.914.最后把这准确率最高的四种算法模型应用于哈萨克斯坦Marsel探区, 并与地质地震资料进行对比, 发现ResNet-18-1D对像元样本的预测结果与地震地质分析资料的对应性最佳, 且准确率达0.914, Kappa系数达0.892.