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...     

金沙江矮子沟巨型古滑坡形成机制及运动过程研究

通过详细的野外调查，并结合遥感解译、室内试验以及数值模拟等手段，对矮子沟巨型古滑坡的基本特征、形成机制及运动演化过程进行了深入研究。矮子沟古滑坡的形成条件为：滑坡剪出口与坡脚之间存在巨大的高差，为滑坡的形成创造了良好的临空条件；顺向岸坡结构以及坡体内发育的多组控制性结构面是滑坡发生的结构基础；玄武岩系中的凝灰岩软弱夹层削弱了岩体的完整性，地表水及地下水长期入渗，水的软化作用降低了软弱夹层的抗剪强度；地震作用是造成岩体最终滑动失稳的关键因素。该滑坡的动力学过程可划分为四个阶段：(1)启程活动阶段。斜坡地形效应使得地震波在斜坡上部表现出异常放大现象，当短时间内积聚的振动能量超过岩土体的强度时，易形成高位滑坡，滑坡的变形破坏机制为拉裂-滑移；(2)近程活动阶段。近3.82×10⁸ m³的滑坡物质高位高速下滑，与矮子沟右岸坡体发生猛烈碰撞后进一步碎裂解体；(3)高速远程碎屑流阶段。碎屑流继续沿矮子沟高速运动约3 km；(4)堆积堵江阶段。滑坡物质最终形成体积为2.73×10⁸ m³的巨型堰塞坝，堵塞金沙江并...