基于多源数据约束的成矿动力学模拟——以宁芜盆地钟姑矿田典型矿床为例

数据驱动是大数据分析的特点之一。成矿过程的数值模拟即采用数据驱动方式,在基本的物理化学方程及地质模型基础上,通过定量的手段,模拟不同阶段、不同条件下成矿系统的演化过程,从而能够更深入、直观的讨论各种地质要素对成矿系统的影响,验证已有的成矿理论,获得新的认识。姑山铁矿床和杨庄铁矿床是宁芜火山岩盆地钟姑矿田内的典型矿床。前人研究显示,杨庄铁矿床为典型的充填-接触交代型热液矿床,而姑山铁矿床目前在成因上仍存在争议,存在岩浆成因和热液成因等多种观点。为了更好的对比和了解姑山铁矿床和杨庄铁矿床的成因及成矿过程,本文基于多源数据的综合解译剖面,采用力-热耦合数值模拟方法对与热液矿床密切相关的扩容空间的形成机制和特点开展研究。模拟结果显示,姑山铁矿床和杨庄铁矿床可能分属不同的成因类型;随着岩体的逐渐冷却,杨庄铁矿床内岩体和地层接触带会出现明显的扩容空间,可为成矿流体的汇聚及矿质的沉淀提供良好的条件,有利于热液矿床的形成;而姑山铁矿床内岩体和地层接触带只有局部区域出现扩容空间,同时体应变数值较小且形态变化大,并不利于大规模的流体汇聚及矿质的沉淀,姑山铁矿床可能主要为岩浆成因,并受少量热液的叠加改造。     

基于CART算法的三维成矿预测研究——以安徽白象山矿区为例

把地质大数据和人工智能技术引入矿产资源定量评价及成矿预测体系中,提高了海量地质数据的有效信息挖掘,弥补了传统方法的不足。本文基于白象山矿区基础地质资料和物化探成果资料,利用三维地质体建模技术和三维空间分析技术,量化三维控矿因素,建立了一种基于CART 算法的三维成矿预测模型。通过在白象山矿区的实验表明：该模型能较好的定位已知矿体,并且预测出在已知矿体北部、东部、东北部、西部、南部和东南部具有较高的成矿概率,可圈定找矿靶区。该模型将地质大数据应用于找矿勘探工作,具有纯数据驱动、预测精度高、预测结果可靠等优点。研究发现,该模型的预测效果与训练数据集的数量、矿控因素提取、决策树深度等有关。     

基于广义回归神经网络的全球表层海水1°×1°二氧化碳分压数据推演

表层海水二氧化碳分压是评估海洋碳源汇强度的关键参数,但其实测数据较少、时空分布极不均匀,导致二氧化碳交换通量的估算有很大的不确定性,海洋源汇特征就不能确切获取。为了解决这个难题,在收集的表层大洋二氧化碳地图(Surface Ocean CO₂ Atlas,SOCAT)实测数据集基础上,运用广义回归神经网络建立二氧化碳分压与经纬度、时间、温度、盐度和叶绿素浓度间的非线性关系,构建了1998-2018年间全球1°×1°经纬度的表层海水二氧化碳分压格点数据,其标准误差为16.93μatm,平均相对误差为2.97%,优于现有研究中的前反馈神经网络、自组织映射神经网络和机器学习算法等方法。根据构建的数据所绘制的全球表层海水二氧化碳分压的分布与现有研究有较好的一致性。     

湖南万古金矿地质地球化学特征及其成因探讨

万古金矿位于江南古陆金成矿带中段的湘东北金成矿区.地质地球化学研究表明,万古金矿的成矿作用受区域构造控制,NE向断裂断为主要控矿构造,含矿构造是低序次的NWW向扩容断裂构造;成矿物质具有多源性,成矿流体具有岩浆水与变质水的混合水特征.结合区域大地构造背景的分析,认为在中生代中国东部受太平洋板块向西俯冲的影响,形成一系列NE向大断裂,万古金矿的形成与NE向长平大断裂密切相关,携带成矿物质的深部流体沿该断裂上升与浅部残余变质热液混合,并通过淋滤抽提地层中的成矿物质,使流体系统中的成矿物质不断富集,最终在适宜的温压条件下于剪切扩容空间中沉淀成矿.     

庙岛群岛海域沉积动力环境分区及沉积物输运趋势

基于庙岛群岛海域的107个表层沉积物样品粒度分析结果,利用Pejrup三角图、Gao-Collins粒径趋势分析等方法,对庙岛群岛海域沉积动力环境进行分区,并探讨了沉积物的输运趋势。结果表明,研究区沉积动力环境可划分为5个分区(A、CⅢ、CⅣ、DⅢ、DⅣ),以庙岛海峡为中心,各分区基本呈左右对称分布,与潮流流速中部辐聚、两侧辐散的分布特征相对应,研究区沉积物分布及沉积动力格局主要受潮流控制。研究区内存在两个沉积物输运趋势的汇聚中心,沉积物的长期输运趋势在海峡区主要受控于往复潮流,波流共同作用在外海区影响较为显著,使其具有与海峡区截然不同的特点。     

基于半监督学习的井震联合储层横向孔隙度预测方法

传统地震储层预测技术一般基于弹性参数反演和岩石物理建模的级联流程实现储层孔隙度预测, 其预测精度受到波动理论和岩石物理理论的近似假设、初始模型和二次反演累积误差等因素的影响.为缓解这些问题, 本文提出了一种基于双向门控递归单元神经网络的半监督学习井震联合孔隙度预测方法, 实现从地震数据直接预测储层横向孔隙度.通过少量的地震测井样本标签对和多目标函数约束建立智能化多尺度多信息融合孔隙度预测模型, 实现地震数据到孔隙度, 孔隙度再到生成地震数据的闭环映射.此外, 在网络模型每次迭代更新的过程中随机引入非井旁地震道参与网络训练, 非井旁地震道的波形匹配能在一定程度上保证井间孔隙度的预测精度.模型数据和实际数据测试结果表明, 本文提出的方法相比于有监督学习孔隙度预测方法能进一步提高储层孔隙度的预测准确性和横向连续性, 获得较为可靠的储层物性参数的空间分布.

     

基于数据分布域变换与贝叶斯神经网络的渗透率预测及不确定性估计

渗透率是储层评价和油气藏开发的关键参数.传统测井方法与常规机器学习方法估算的渗透率都是固定值.但由于测井数据本身存在噪声, 渗透率的预测结果可能受到噪声的影响出现测量性的随机误差(即任意不确定性); 同时, 当测试数据与训练数据存在差异时, 机器学习模型在预测渗透率时可能出现模型参数的不确定性(即认知不确定性).为实现渗透率的准确预测并量化两种不确定性对结果的影响, 本文提出基于数据分布域变换和贝叶斯神经网络同时实现渗透率预测及其不确定性的估计.提出方法主要包括两个部分: 一部分是不同域数据分布的相互转换, 另一部分是基于贝叶斯理论的神经网络渗透率建模预测和不确定性估计.由于贝叶斯神经网络存在数据分布的假设, 当标签的概率分布与网络的分布保持一致时, 贝叶斯神经网络可以更好的学习到数据之间的关系.因此通过寻找一个函数将一个原始域的渗透率标签转换为目标域的与渗透率有关的变量(我们称为目标域渗透率), 使得该变量符合贝叶斯神经网络的分布假设.我们使用贝叶斯神经网络预测目标域渗透率以及任意不确定性和认知不确定性.随后, 通过分布域的逆变换, 我们将目标域渗透率还原回原始域渗透率.应用本文方法到某油田的18口井的测井数据中, 使用16口井的数据进行训练, 2口井进行测试.测试井的预测渗透率与真实渗透率基本一致.同时, 任意不确定性的预测结果提供了渗透率预测值受到的测井数据噪声影响的位置.认知不确定的预测结果说明数据量少的位置具有更高的认知不确定性.我们提出的这一流程不仅显示了在储层表征方面的巨大潜力, 同时可以降低测井解释时的风险.

     

超前小导管注浆在卵砾石地层水工隧洞施工中应用

结合北京西郊砂石坑蓄洪工程的阜石路砂石坑暗涵隧洞试验段工程实践, 对卵砾石地层浅埋水工隧洞进行了超前小导管注浆的现场试验工作。文章基于试验成果, 得到了该隧洞地层注浆配比、注浆量、影响范围等关键参数, 为隧洞开挖安全施工和进度优化提供依据。研究的方法及结论可为类似条件下隧洞工程的设计、施工和进一步的理论研究提供参考和借鉴。     

北京市南水北调工程水工隧洞初期支护方案研究

水工隧洞应用日趋广泛,如何确定水工隧洞初期支护方案是设计中的重点课题。以北京市南水北调配套工程南干渠工程为背景,通过现场试验确定水工隧洞支护施工配合比,然后对网喷混凝土支护及钢纤维喷射混凝土两种初期支护结构进行数值模拟研究,并结合现场监测及现场施工效果,进行浅埋水工隧洞支护方案研究。研究结果表明：采用钢纤维喷射混凝土支护与网喷混凝土支护相比,钢纤维喷射混凝土支护更能保证施工安全。研究成果对于类似隧洞设计及施工具有借鉴和参考价值。     

河套地区大雨以上降水日数的气候变化特征分析

基于河南省111个气象站1971—2010年的逐日降水数据,分析了河南省夏季不同强度降水事件的时空演特征。结果表明：近40 a来,河南省夏季降雨量整体呈上升趋势,各等级降水事件对夏季降雨量贡献率依次是：小雨、中雨、大雨及暴雨,其中小雨和中雨对夏季降雨量的贡献呈下降趋势,而大雨和暴雨对夏季降雨量的贡献呈上升趋势;大部分区域在降雨量增加同时,降雨日数却在减少,即降雨呈现出极端化发展的趋势。借助小波分析表明,降雨量、降雨日数和降雨强度均表现出2~3 a左右的低频振荡周期,且降雨量和降雨日数的周期具有较好的一致性。为探究降水变化成因,本文对河南省夏季旱涝年大气环流场进行了合成分析,分析表明：偏旱年其500 hPa高空的100°E）以东大部分区域为位势高度正距平区,不利于东部的冷空气南下,850 hPa低空盛行偏北风且多下沉运动,水汽较难输送到河南省上空;而偏涝年高空110°E以东为位势高度负距平区,短波槽活动频繁,110°E以西为高压脊区,其低空多偏南风,有利于孟加拉湾的暖湿气流北上,配合较强的垂直上升运动,旺盛的对流和充足的水汽均利于降水过程的发生。