通化盆地三棵榆树断陷下白垩统鹰嘴砬子组储层特征

以钻井取芯和露头资料为基础,结合铸体薄片、扫描电镜、压汞和核磁等多种测试手段,对三棵榆树断陷下白垩统鹰嘴砬子组储层特征开展了系统研究。结果表明:三棵榆树断陷鹰嘴砬子组为火山堰塞湖环境,火山碎屑沉积岩和火山熔岩储层共存,主要储集空间类型为原生残余孔隙、次生溶蚀孔隙和裂缝,孔隙度为4%～10%、渗透率0.2×10-3μm2、喉道半径为0.03～0.33μm,储层非均质性较强,沉积微相类型、岩性、成岩作用和裂缝发育程度对储层物性具有显著影响。     

内蒙古白乃庙铜-金-钼矿床侵入岩和围岩成因:岩石地球化学和Hf同位素的证据

白乃庙铜-金-钼矿是华北北缘中段的一个重要矿床,矿体主要赋存在早古生代白乃庙群绿片岩中,其成矿与花岗闪长斑岩密切相关。岩石地球化学特征显示,该区侵入岩花岗闪长斑岩以及石英闪长岩与起源于俯冲洋壳的埃达克岩的特征类似,岩浆在上升侵位过程中受到了明显的变质基底的混染作用。赋矿围岩绿片岩的原岩主要为中基性火山岩,锆石Hf同位素数据显示,白乃庙绿片岩、变质安山岩中锆石的εHf(t)变化范围为-4.64~+11.29之间,而白音都西群变质石英砂岩的εHf(t)为-4.30~+15.50,显示白乃庙地区围岩原岩源区物质主要来源于亏损地幔,并在侵位过程中受到了古老地壳基底的混染作用。2类岩石的二阶段Hf同位素模式年龄分别为693~2843 Ma和481~2363 Ma,峰值区间在700~1500 Ma,揭示了华北板块中-新元古代陆壳增生和构造热事件。矿床地质特征、岩石学和地球化学组成表明,白乃庙铜-金-钼矿床具有低氧逸度的特征,可能为还原性斑岩型矿床。     

运用BP网络预测地下水位

人工神经网络是一门新兴的交叉学科，是处理非线性问题的有效方法。本文把影响地下水位的因素集作为网络的输入向量，地下水位本身作为网络的输出向量，构成了预测地下水位的ＢＰ网络模型。一个实例的应用实践表明，用ＢＰ网络预测地下水位较准确地反映了客观实际，比其它方法如回归模型具有较高的拟合精度和预测精度。     

仿生算法在地下水模型反演中的应用现状与展望

求解地下水逆问题是水文地质学研究的重要内容,传统的基于非线性优化技术的求解地下水逆问题的方法存在收敛速度慢,寻优效率低,易陷入局部最优的缺点。基于模仿生物功能和习性而开发的人工神经网络、遗传算法、蚁群算法、粒子群算法、入侵杂草算法、免疫算法、混合蛙跳算法、人工蜂群算法、萤火虫算法、蝙蝠算法、布谷鸟算法和果蝇优化算法、蚊子算法、螳螂算法、人工鱼群算法、捕鱼策略算法等仿生算法具有很强的优化能力和寻优效率。人工神经网络、遗传算法、蚁群算法、粒子群算法等4种仿生算法在求解地下水逆问题的应用实践表明,这些方法可以按较大的概率找到全局最优解,且收敛速度较快。确定适当的目标函数转换形式和算法参数,其它仿生算法也完全可以用于地下水模型反演。从这些算法的理论和已应用于其它领域的实践来看,仿生算法在求解地下水逆问题中具有广阔前景。     

反求水文地质参数的SWIFT法

单纯形与罚函数相结合的SWIFT方法应用于水文地质计算,可反求具有界限约束的水文地质参数。通过实例计算,找到了一个较好的初始单纯形的步长乘子V和单纯形缩小因子rv,从而减少目标函数的计算次数,节省机时。     

傍河地下水与河水脱节机理研究

用一个砂槽模型模拟地下水与河水脱节过程,观测脱节现象与渗流规律,再用饱和－非饱和流理论通过计算机对这些现象和规律进行理论模拟与验证。物理实验和理论模拟得到了相同的认识：地下水与河水脱节之前,河水浸润曲线是一条弯向河流的上凹曲线;脱节点不位于河床面而在河床以下的含水层内部;脱节后在河床下形成上下两个饱和层。     

青海湖水位下降与趋势预测

青海湖是我国最大的内陆半咸水湖,近百年来,特别是有水文记录的30多年来,湖水位持续下降,已引起各有关方面的关注。本文根据水量平衡原理,对湖水位下降的原因进行了探讨:1.青海湖水位差与入湖补给量、耗水量关系密切,其复相关系效高达0.95;2.青海湖多年平均亏水量为4.5×10~8m~3,累积亏水量与湖水位变化趋势完全一致;3.在总耗水量中,人为耗水仅占1％左右。因此,湖水位下降的主要原因是自然因素。此外,本文利用相关分析法,灰色系统、叠加模型,分别对湖水位进行了预测,结果表明相关分析和叠加模型效果较好,1989年实测值与预测值较为接近。最后对未来湖水位下降的极限做了探讨。     

地下水动态并行预测方法

本文首次提出了地下水动态并行预测的概念，采用人工神经网络技术使并行预测得以实现，两个算例演示结果表明，人工神经网络不但实现了并行预测而且还比传统的不确定性主人有较高的预测精度。     

运用BP网络预测地下水位

人工神经网络是一门新兴的交叉学科，是处理非线性问题的有效方法。本文把影响地下水位的因素集作为网络的输入向量，地下水位本身作为网络的输出向量，构成了预测地下水位的ＢＰ网络模型。一个实例的应用实践表明，用ＢＰ网络预测地下水位较准确地反映了客观实际，比其它方法如回归模型具有较高的拟合严谨和预测精度。