塔里木盆地牙哈-英买力地区寒武系-下奥陶统白云岩形成机理

根据铸体薄片鉴定、阴极发光显微镜观察、碳、氧稳定同位素测定、微量元素分析及包裹体测温等手段,对塔里木盆地牙哈—英买力地区寒武—下奥陶统深埋热液白云岩类型及成因机理进行了详细的研究。认为研究区深埋藏白云岩主要由细晶或中晶白云石组成,白云石呈自形或半自形晶。δ13CPDB值为-1.63‰2.31‰,平均为0.25‰,δ18OPDB值为-11.49‰-6.02‰,平均为-8.72‰;锶含量较低,在77×10-6107×10-6之间,二价铁、锰含量较高,具有高的有序度和低的CaCO3摩尔含量的特点。各种资料表明,该类白云岩是在深埋藏环境中较高温度条件下形成的,白云岩的形成与海西期岩浆喷发活动有关,变质岩体的分布控制了白云岩的分布。白云化流体来自岩浆热液、变质热液、有机酸及区域地下热卤水的混合,白云化所需的Mg2+来自岩浆岩中铁镁矿物的分解、埋藏压实过程中粘土矿物的脱水作用等。因此其白云化机制可称之为“深埋热液白云化”。      

中国煤的燃烧变质作用与煤层自燃特征

近年来,煤的燃烧变质作用已引起人们的关注。煤层自燃主要发生于我国西北地区中生代侏罗纪中、低变质煤层中,范围广。煤层自燃一般经过由浅入的发展过程。燃烧过程中产生的热量向周围扩散形成异常地温场,使上覆岩层经烧变形成烧变岩,在垂直及水平方向上呈带状分布;     

尼日尔三角洲坡脚逆冲带沉积样式及构造控制

研究尼日尔三角洲深水坡脚逆冲带沉积样式、构造对沉积的控制可以揭示深水沉积分布与演化特征.运用生长地层翼旋转机理和地震相分析技术对研究区的沉积类型、构造与沉积关系进行了分析.认为在深水陆坡重力滑动作用所形成的微盆地内, 层序边界表现为微盆地边缘上超不整合面或重力流对下伏地层的侵蚀不整合; 逆冲构造隆升速率与沉积速率共同控制了重力流可容空间和沉积充填样式; 沉积垂向演化以块状搬运复合体-浊积扇-深海披覆泥或浊积扇-深海披覆泥为特征.在充分考虑构造隆升和沉积速率影响因素的基础上, 建立了单一微盆地和多个微盆地的沉积演化模式.      

煎茶岭蛇纹岩氢氧同位素组成特征及形成机制

煎茶岭岩体为含镍金铁的镁质超基性岩体.在后期酸性岩浆的岩浆水热液向趋基性岩流动过程中,岩石矿物发生水化作用,引起蛇纹石化.蚀变蛇纹岩的δD、δ~(18)O值变化范围很大,δD=-69.5‰～-111.6‰.,δ~(18)O=+6.4‰～+9.95‰,明显不同于世界同炎岩石.研究表明岩体内存在水—岩体系同位素不平衡交换作用,交换程度在50%～80%,W/R比值范围0.6～1.6之间     

松辽盆地北部浅层层序格架中的储盖组合特征

本文采用地震和钻测井资料,建立了松辽盆地北部浅层的层序地层格架,分析了各体系域内沉积相的特征。在此基础上,研究了储层和盖层的发育特征,并探讨了储盖组合的配置关系。认为储集岩主要为四方台组层序格架中的湖侵体系域河流相砂岩和湖退体系域中的三角洲相砂岩及滨浅湖滩坝砂岩,平面上主要集中在齐家,古龙凹陷、龙虎-大安阶地、长垣南部和三肇凹陷等地区。盖层主要为每一层序中最大湖泛面上下的稳定泥岩段,其中四方台组下部层序中的泥岩段为局部盖层,四方台组中上部及明一段层序中的泥岩段为较有利的区域盖层。     

草湖地区侏罗系层序地层及沉积体系特征

基于测录井资料对比,结合区域构造演化特征,将草湖凹陷侏罗系划分为两个三级层序J-SQ1与J-SQ2。J-SQ1时期气候温暖潮湿,层序发育完整的上升半旋回和下降半旋回沉积,发育辫状河体系和湖泊体系;J-SQ2时期气候逐渐转为炎热半干旱,层序发育不完整,只发育上升半旋回沉积,主要由氧化型湖泊体系构成,发育滨浅湖砂滩、泥滩互层沉积。其中,J-SQ1早期辫状河河道砂体叠置厚度大,储层物性好,上覆中厚层湖相泥岩沉积,是本区有利的储集层段。     

福建地质灾害监测预警专项平台设计与实现

平台依托“天地图·福建”,利用三维地理信息和物联网技术,建成了连接地质灾害监测设备的三维立体监测大数据中心,并实现了数据汇集、灾情预警和灾情处置的信息化闭合管理功能。正式上线运行2年多来,取得了较好的应用效果,是“人防+技防”地质灾害监测预警实验工作实现的重要技术手段。     

机器学习算法在地球物理测井中的适用性及应用

机器学习，特别是深度神经网络学习算法的发展，正在改变人们发现知识的方式。目前油气工业正在向转向非常规和深海的油气勘探和开发。基于有限岩石物理参数建立的评价解释模型难以满足反映非常规储层复杂的岩性和结构，这使传统测井评价技术受到了很大的挑战。以油气大数据为基础、机器学习算法为核心、油气大数据云计算为动力以及油气应用场景为源泉的油气人工智能（Oil&Gas AI）极大地改变传统的油气工业各个领域。笔者以地球物理测井为研究对象，依据数据驱动的地球物理知识发现原理和机器学习属性，按照“数据–算法–平台–知识–应用场景”研究思路，开展机器学习算法在测井技术中的适用性研究。对机器算法的内在特性、原理、质量控制、硬件要求，学习模型选择、测试以及性能评价实现过程进行分析。笔者梳理和总结了机器学习算法在测井中适用性的树状图，尤其是在油气测井的方法研究、数据处理以及地层评价中的应用潜力与机器学习算法对应关系，其中包括数据校正的模拟方法、数据标定的岩石物理分析、测井数据质量控制、综合评价以及油藏评价监测。研究表明，机器学习算法在岩性识别与储层分类、力学评价、以及油藏评价等方面应用有明显的优势，贯穿于...