常规砂岩与砂砾岩分形特征对比及成因分析:以乌石凹陷X构造流沙港组为例

基于常规物性、铸体薄片、高压压汞等实验分析资料,运用分形理论研究乌石凹陷X油田始新统流沙港组常规砂岩与砂砾岩储层分形特征,分析分形曲线特征,分形维数及其与储层物性、孔隙结构参数之间的关系,评价分形维数对不同类型砂岩储渗能力表征的有效性.结果表明:相比常规砂岩,砂砾岩高压压汞分形曲线呈现分段特征,指示发育大孔、小孔、微孔...     

基于资源三号遥感影像的湿地信息提取

基于资源三号高分辨率遥感影像,提出了面向对象的湿地分区提取方法,结合光谱、形状、面积及纹理等多种湿地特征,对大洼县湿地资源进行逐类提取,并对提取结果进行精度评价.该方法利用面向对象的影像分割和合并技术,将同质性较高的像元转化为对象,通过光谱特征和归一化植被指数将湿地分区,然后结合光谱、纹理和形状等特征对湿地进行逐类提取...     

基于Logistic统计的模糊判别法在储层流体识别中的应用

在测井储层评价中准确识别储层流体性质是其关键。但当储层测井响应特征并不特别明显时,只采用常规测井识别方法不易准确区分气、水层。为此,综合常规测井和试油资料,选取反映气、水层特点的特征参数建立划分气层、气水同层及水层的模糊综合判别因素,利用Logistic统计法确定隶属函数曲线,即以Logistic函数为激活函数,利用模糊统计法确定隶属函数曲线;然后结合权重集建立了模糊综合判别模型对流体的性质进行模糊判别,经检验该方法能较准确地判别出水层、气水同层和气层。      

论油气资源的多元勘探

油气资源勘探的常规方案大致是普查—详查—细测、物探—地质—钻井等。本研究团队在前人研究与应用基础上,经过多年的资源勘探实践,逐步形成了油气资源的多元勘探理论。该理论体系是由受控区域构造不同地质时代构造运动叠合作用下的多构造属性单元、不同油气属性特征的目标单元、不同物源属性的多学科多尺度地球物理勘探单元,以及不同作用的地球物理方法技术单元等所组构。本文以松辽盆地滨北地区、佳伊断裂上的汤伊地堑带为例论述了该勘探理论。松辽盆地自古生代至中新生代受控于古亚洲洋、蒙古—鄂霍茨克洋、西太平洋构造域的顺时针以挤压应力场为主的作用,同时该应力场作用具有一定的叠合表现。由区域地球物理、精细地球物理、石油地质、岩石物理、计算地球物理等不同学科的联合研究,对深层、探查程度低的油气新层系新领域目标进行了多尺度方法技术探查,最终提出目标区的油气性新认识。上述勘探新理论的建立延展了油气勘探思路,补充了已有的勘探方案,同时这一勘探理论也有益于固体矿产资源的探查。     

AERMOD与CALPUFF模拟复杂地形空气质量的对比

近年来,大气扩散模型及其计算机应用集成技术成为环境评价、防灾减灾和应急管理的重要研究内容。应急管理领域对气体扩散的时空分辨率和计算速度要求较高。在实际应用中,由于各种大气扩散模型的适用条件不同、参数复杂,如何结合自身需求选择合适的模型成了应急响应辅助分析的首要问题。针对两个常见大气扩散模型AERMOD和CALPUFF进行分析和对比研究。首先,介绍了两个模型的原理;然后,设计了4组对比实验,利用实验结果分析了两个模型之间的异同;最后,对两个模型各自适用的情景进行了分析。研究结果表明,CALPUFF更适用于面向应急管理的高时空分辨率计算要求。     

多分量地震资料预测松辽盆地兴城地区深层火山岩与有利含气带

松辽盆地断陷期天然气有利带预测是扩大该盆地勘探领域的一个重要组成部分.为在油气资源基地松辽盆地开展大范围深层油气预测,选择徐家围子断陷内局部构造—升平-兴城构造进行地面三分量地震勘探,得到一个可行的预测方案.在深探井控制下,利用三分量地震资料,进行P波、P-SV波层位标定、震相对比,得到研究工区断陷期火山岩分布的局部预测;经过目标层段振幅比、频率比等物性参数的计算对比,得到该工区断陷期营城组有利含气区预测.进一步分析了研究工区区域构造对断陷期地层的控制作用.从烃源岩种类、成熟程度以及火山岩储层性能几方面综合分析,认为在更大范围内存在深层有利含气区带是可能的.最后指出在深层有利含气区带预测中采用三维三分量技术的必要性,以及无井控预测的基本方法,包括构造特征、地层特征预测知识的延用,多参数特征间相似性和综合比较等.     

面向单脉冲信号分类的集成特征选择与评价

受大量射频干扰信号影响,快速从海量观测数据中准确识别出单脉冲信号已成为天文数据处理的一项重要任务,而设计和提取有效数据特征,是利用机器学习进行单脉冲信号高效识别的决定因素.针对如何选择最优特征,进而提升单脉冲信号的分类精度这一关键问题,设计了面向单脉冲信号分类的集成特征选择方法.方法首先混合单脉冲信号的参数特征、统计特征和抽象特征,然后分别利用5种单一特征选择方法选出各自的最优特征集,最后利用贪心策略对5种单一方法获取的最优特征集进行集成筛选,获取最优集成特征集.实验表明,最优特征集合既包含统计特征也包含抽象特征.在相同特征数量下,利用集成特征选择比单一特征选择能获得更高的模型精度,可使F1值最高提升1.8%.在海量数据背景下,集成特征选择对减少特征数量、提升分类性能和加快数据处理速度具有重要作用.