2012年度地质学科项目受理与资助分析

2012年度地质学科共受理各类项目2 404项。其中面上项目1 309项(含青年—面上连续资助项目);青年科学基金项目883项;地区科学基金项目60项,重点项目(以地质学为申报学科,下同)117项,国家杰出青年科学基金64项,优秀青年科学基金47项。1面上项目、青年科学基金和地区科学基金受理情况     

断陷湖盆洼陷带重力流沉积特征与模式:以南堡凹陷东部东营组为例

利用岩心、粒度、测井信息和重力流沉积理论,系统研究了南堡凹陷东部洼陷带东营组重力流沉积特征和沉积模式。该区重力流沉积砂岩常夹于灰色、灰黑色泥岩中,砂岩相发育,其中正递变层理(含砾)中-细砂岩相(S-3)、粉砂岩相(S-4)和块状层理中-细砂岩相(S-2)发育层数最多,块状层理含砾砂岩相(S-1)次之;S-2沉积厚度最大,S-1和S-3次之。按支撑和沉积机制,将本区重力流分为浊流、砂质碎屑流、颗粒流和液化流,其中砂质碎屑流以基质支撑、冻结块状沉积为特征。不同重力流发育程度有明显差异。从砂岩层数看,浊流最多,砂质碎屑流次之,颗粒流和液化流最少;从单期沉积厚度看,砂质碎屑流最大,平均为1.17m,浊流沉积最小,仅平均为0.25m。为了回避取心的局限性、弱化重力流成因,突出具有油气储集意义的砂层概念,开展了测井岩性解释,结果表明该区重力流沉积为细砂岩或粉砂岩,单层平均厚度2.94m,最大厚度可达9.5m,其中单井中厚度在3m以上的砂体可达22层、累积达107.5m。本区重力流沉积为滑塌成因,除了(扇)三角洲前缘斜坡的自然滑塌外,断层(地震)活动或间歇式火山喷发是其关键的触发机制;断层活动除了提供滑塌的动力外,还影响着其堆积场所和沉积的结构。     

盐生植物萌发期对盐胁迫的适应研究进展

目前我国盐溃土地面积较大,尤其是青藏高原的盐溃地,常伴有干旱、半干旱的生境,导致植物不易生长,生态环境相对恶劣,这种生态现状亟待解决.盐生植物具有一定的耐盐性和耐旱性,是改善盐渍地的首选植物,种子的活力决定了种子萌发的情况,多数学者为改善严峻的生态环境开始了盐生植物引种的研究.测定种子活力有直接方法和间接方法,大多数学...     

三维电场直流电阻率边界单元法地形改正

电法观测易受到地形的影响,给资料解释造成困难。这里对数值计算中地面网格节点的立体角(ω)公式进行了严格地推导,利用边界单元法对三维直流电场的地形影响进行了计算并编写了程序。90°角域山脊地形算例表明,解析解与数值解的电位及视电阻率相对误差小于5%,验证了算法及程序的正确性。实例计算了3D山谷地形2D观测剖面的地形效应,当旁侧剖面与主剖面距离大于24m时,地形效应最大值小于5%。     

山东济宁三号煤矿上组煤水文地质条件分析

济宁三号煤矿目前开采的煤层为上组煤的3煤(3上、3下煤),自投产以来,发生多次涌水,如13下01综放面侏罗系底部含水层最大涌水量达533.84m3/h,63下01综放3煤顶板砂岩最大涌水量527m3/h,曾一度出现工作面局部被淹而导致停产,对矿井的安全高效生产构成了极大的威胁。在综合分析研究上组煤顶板各含水层的水文地质特征和充水条件的基础上,认为上组煤(3上、3下煤)开采时的直接充水水源为3煤顶板砂岩含水层;间接充水水源是侏罗系含水层水以及局部地区对侏罗系含水层起补给作用的第四系含水层;部分地区侏罗系含水层被采动裂隙导通而成为直接充水水源,大部分地段第四系底部均为粘土,有效的阻隔了第四系与下伏侏罗系含水层的水力联系,对下伏含水层补给微弱;充水通道主要有断层、采动裂隙、封闭不良钻孔和破坏的井筒。为指导下一步煤矿生产预防水害事故提供了依据。     

基于动态监测的地铁深基坑变形机理分析

利用信息化手段对武汉某地铁深基坑变形和支撑轴力展开动态监测,结合监测成果,重点分析了冠梁水平位移、坑外地表沉降以及钢支撑轴力的变化。对基坑变形和内力变化的原因及机理进行了探讨。分析表明,墙后土体压力及钢支撑轴力之间相互作用是导致基坑发生变形的主要原因。此外,基坑前期变形、内力监测均呈现较为明显的变化,随着支护体系的完善,各监测值逐渐趋于稳定,说明基坑支护和维护体系能够有效地控制基坑变形,可以保证地铁深基坑的安全施工。     

完全非线性孤立波的直墙反射

报道了应用边界积分方法模拟完全非线性孤立波的传播与直墙反射,给出了波形演变过程。结果表明,本模型对计算孤立波的传播与直墙反射是有效的。三阶Boussinesq方程的孤立波解比低阶方程的孤立波解更接近完全非线性的数值解.当来波波高增大时,孤立波直墙反射的相位滞后变小。若考虑大波高孤立波的直墙反射或波——波相互作用,一阶理论预报的相位滞后往往低估实际情况。     

Transformer网络在大地电磁反演成像中的应用

传统大地电磁反演通常是基于确定性梯度的迭代求解,不仅需要大量时间计算雅可比矩阵,还依赖于初始模型的输入和正则化因子等参数的设置。近年来学者们不断引入机器学习方法以试图改善大地电磁反演,该方法不需要计算雅可比矩阵,不用输入初始模型,训练好的网络仅需几毫秒就可实现反演成像。这里利用Google团队提出的Transformer神经网络经典框架搭建大地电磁数据和模型之间的映射网络,以9240组正演数据为样本,对Transformer网络参数进行训练。采用南非开源大地电磁数据,实现了由视电阻率图像到电阻率模型的反演成像。研究表明:①经训练后的Transformer网络可以较准确的反映出异常体位置和大小;②网络实现了简单的矩阵并行化运算,大幅度提高训练的效率,且成像效率高于传统的反演。