非稳态地下水流系统响应降雨变化的数值模型研究

区域地下水流系统的发育受地质、气候和地形多种因素的影响。以往的地下水流系统研究主要探讨了地质、地形和稳态气候条件下所形成的局部、中间和区域流动系统的组成特征,对非稳态的地下水流系统认识不足。聚焦于研究地下水流系统对降雨变化的动态响应规律,使用HydroGeoSphere构建了剖面二维地下水地表水耦合数值模型,模拟在降雨的周期性和随机性叠加动态驱动下非稳态渗流场形成的地下水流系统。模拟结果表明,各层级流动系统的空间范围都会随着降水波动而发生变化。局部地下水流系统在雨季并非都处于扩张状态,在旱季也并非都处于收缩状态。各个局部流动系统的同时刻穿透深度之间可能具有无关、正相关或负相关关系,这取决于各个局部流动系统响应降雨变化的滞后性。中间流动系统在非稳态条件下非常活跃,其排泄出口、补给入口和循环路径随时间变化,并强烈影响局部流动系统。通过5种不同含水层参数和降雨情景的模拟对比,发现地下水流系统的滞后性和穿透深度的相关性对含水层各向异性特征较为敏感。下一步,需要更加深入地研究地下水流系统在季节尺度、多年乃至跨世纪时间尺度气候波动过程中的非稳态响应规律。     

基于地形特征融合的卷积神经网络滑坡识别

滑坡严重威胁着人民群众的生命财产安全。完整、准确的滑坡编录图是研究滑坡的重要资料。深度卷积神经网络方法由于众多优势而备受关注,然而卷积神经网络结构复杂,需要大量的训练样本,制约了其在滑坡制图上的发展。提出了融合地形特征的卷积神经网络建模方法。首先在遥感影像上叠加地形因子构建新的滑坡样本,然后设计提取并融合空间与光谱特征的轻量级卷积神经网络(FF-CNN),最后训练最优模型进行滑坡识别。在四川汶川地区进行的消融实验证明：在空间特征基础上融合光谱特征的FF-CNN模型滑坡识别评价指标F1分数和平均交并比(MIoU)分别提高0.020 2和0.014 4;在遥感影像上叠加地形因子后,FF-CNN模型滑坡识别评价指标F1分数和MIoU值分别提高0.066 4和0.048 2。在湖北省三峡库区和四川省都江堰市虹口乡的实验说明FF-CNN模型表现出较强的适用性和迁移能力,在滑坡识别上具有较大潜力。     

滨海地区异常压力预测与影响因素分析

滨海地区位于歧口生油凹陷中心附近,目前发现的多套含油气层系压力分布存在异常,东营组和沙一段压力系统变化最为复杂.本文在部分实测压力数据基础上,利用测井资料等效深度法和地震资料PCD法对滨海地区地层压力进行预测.结果表明,研究区东营组-沙一段压力系数为1~1.6,南部高压异常较北部大.认为滨海地区沙一段、东营组压力异常主控因素以快速沉降作用为主,构造作用、生烃作用和成岩作用为辅.     

地核界面波在微城仪上的体现及应用

利用南平台ＤＤ－１地震仪所记录到地核界面反射波ＰｃＰ、地核界面反射转换波ＳｃＰ、ＰｃＳ测定震源深度。结果表明,用这些震相测定地震震源深度,提高了台站测定远震震源参数的精度     

基于U-Net神经网络的声波测井曲线重构

本文提出了一种基于U-Net神经网络的声波测井曲线重构方法。通过编码器提取自然伽马(GR)、密度(RHOB)等测井曲线的数据特征,利用解码器建立数据特征与声波测井曲线之间的映射关系,实现了声波测井曲线的精准重构。实验结果表明,该方法在保留原始声波测井低频信息的基础上,兼顾了输入测井曲线的高频特征,实现了对原始声波测井泥岩层段数据噪音的有效压制,在渤中凹陷东南环测井数据重构中取得了良好的效果,验证了该方法较高的精度和实用性。     

变暖背景下北极海冰减少在冬季北半球高纬大陆降雪增加中的作用

过去的几个冬季中,北美、欧洲、西伯利亚和东亚大部分地区经历了冷冬和强降雪,而这与北极海冰的快速减少有关。尽管北极海冰减少在冷冬和强降雪中的作用仍存在争议,但这种新兴的气候反馈在未来变暖背景下是否会持续仍值得关注。中等排放情境下的气候模式模拟结果揭示,欧洲东北部、亚洲中部北部、北美北部的冬季降雪增加会成为贯穿21世纪的一个稳健的特征。21世纪这些区域冬季降雪增加的主要原因是北极秋季海冰的减少（很大的外部强迫）,而冬季北极涛动的变化（北半球主要的自然变化形态）对降雪增加的作用很小。这一结果不仅体现在多模式平均上,而且每个单独模式的结果依然如此。我们认为海冰-降雪之间的强反馈作用可能已经出现,并且在接下来的几十年中这种强反馈作用可能会增强,北半球高纬地区的强降雪事件也会增加。     

FLU-net：用于表征页岩储层微观孔隙的深度全卷积网络

页岩孔隙是页岩气储集的主要空间,孔隙的形状、大小、连通性与发育程度很大程度上决定了页岩储集层的储集性能,因此,页岩气开采首先需要对其孔隙有充分的认识。基于阈值分割法获取页岩孔隙结构参数是目前页岩微观结构表征的一种重要手段,但是受扫描电镜图像灰度分布差异的影响,该方法需要逐一修改图像的最佳分割阈值以达到最好的孔隙分割效果,且阈值分割方法无法直接划分孔隙类别,这给后续的页岩微观结构定量表征带来了麻烦。为了实现页岩孔隙的智能识别和分类,笔者设计基于像素级语义分割的深度全卷积神经网络FLU-net,对页岩孔隙识别并分类为有机孔、无机孔（粒内孔、粒间孔）及裂缝,并结合孔隙尺度分类统计方法,分析不同类型孔隙发育数量、孔径大小、孔隙度等参数,实现页岩储层微观孔隙结构的自动化定量表征。以重庆渝西区块足201井区和四川盆地威远地区威204井区的页岩扫描电镜图像为研究对象,在对1 600幅页岩扫描电镜图像原始数据进行人工标注并划分数据集后,使用FLU-net进行孔隙识别,结果表明,本方法具有较高的准确率,同时自动化程度和泛化能力均高于传统预测方法。因此,扫描电镜与基于深度学习的语义分割模型结合是定量研究页岩微观结构表征的有效手段。