基于子域解析元素法的煤矿地下水流场模拟

为了分析将子域解析元素法应用于煤矿地下水流场模拟的可行性,并探究如何提高此方法的模拟精度,首先推导出了强度非线性变化的高阶线汇的复势表达式,分析了其流量势与流函数的空间分布特征,在此基础上应用python语言构建了基于子域解析元素法的煤矿地下水流场模型并应用于求解某煤矿放水试验后水位分布问题.模拟结果显示,模拟水位与观测孔水位偏差绝对值范围为1.36~5.27 m,模型外边界（实际定水头边界）上的水位接近实际值（900 m）,且通过模型外边界（实际隔水边界）的流量近似为零.对模拟原理及模拟结果的分析表明,基于子域解析元素法的煤矿地下水流场模型在全域上满足质量守恒及达西流梯度场,在全域内任意一点的水位可通过该点所处的子域所对应的流量势函数求得,因此应用子域解析元素法进行煤矿地下水流场模拟是可行的,而且将代表模型边界的非线性强度线汇剖分为更短的长度可进一步提高模拟精度.      

河套灌区西部浅层地下水咸化机制

浅层地下水水位埋深浅、含盐量高,是导致河套灌区土壤次生盐渍化的重要原因.以河套灌区西部地区为研究区,通过对浅层地下水的水化学和氢氧同位素特征分析以及水文地球化学模拟,探讨了灌区浅层地下水的补给来源和主控水-岩作用过程,并定量估算了蒸发作用对浅层地下水含盐量的影响.研究区内浅层地下水为弱碱性咸水,pH为7.23~8.45,总溶解性固体（total dissolved solids,TDS）变化范围为371~7 599 mg/L;随着地下水咸化程度增大,水化学类型由HCO₃-Na·Mg·Ca型向Cl-Na型过渡.引黄灌溉和大气降水是浅层地下水的主要补给来源,径流过程中浅层地下水受蒸发作用和植物蒸腾作用影响,地下水化学组分主要来源于蒸发盐溶解和硅酸盐风化水解,并受强烈的蒸发作用和离子交换作用影响.水文地球化学模拟和主成分分析结果显示,蒸发作用和岩盐溶解作用对区内浅层地下水咸化贡献最大,石膏和白云石等矿物的溶解、硅酸盐的水解、Na-Ca离子交换以及局部地形起伏对地下水咸化过程也有较大贡献.      

基于土柱排水实验探讨潜水含水层给水度的影响因素

给水度是重要的水文地质参数之一,为探讨潜水含水层给水度的影响因素,设计均质粗砂、均质细砂、上细下粗、上粗下细4种土柱的排水实验,按照一定间距分段降低地下水位,每段降深设计不同排水时间,求取不同水位埋深的给水度.当地下水位埋深小于支持毛细水高度,给水度受地下水位埋深影响显著,其关系可以用非线性函数来表示.排水时间越长,给水度越大,当土柱分段排水时间超过1 h,给水度值稳定.0.6~0.9 mm粒径的粗砂给水度大于0.2~0.4 mm的细砂;当地下水位在土层分界面下20 cm时,上细下粗土柱给水度显著增大,上粗下细土柱给水度显著减小.给水度的大小与地下水位埋深、排水时间、岩土颗粒和潜水面附近及之上非均质结构等因素有关.      

基于Sentinel-1和DEM数据的南岭高植被覆盖区地形线性特征提取方法

在南岭高海拔山脉、植被茂密等地区开展地质调查难度大,人员和物资难以进入,因此需提前根据该区域的地形线性特征合理设计野外调查路线;此外地形线性特征可为区域构造运动信息的认知提供辅助知识.遥感技术以其宏观性、多尺度、多层次的特点成为地质研究和地质勘查的重要手段,然而在高植被覆盖区,常见的光学影像难以穿透植被,而微波雷达遥感则因为较好的植被穿透性,使得其应用成为可能.因此,提出了一种基于雷达卫星Sentinel-1和数字高程模型（digital elevation model,DEM）数据的地形线性特征提取方法.该方法首先利用似然比边缘检测算法提取Sentinel-1影像中的边缘特征,然后对DEM进行线性特征增强以生成山体阴影影像,再利用Canny边缘检测算子提取DEM数据中的山脊线与山谷线等主要线性特征,以DEM提取出的特征线为中心建立缓冲区并与雷达影像的提取结果做相交处理,将得到的线性特征利用道格拉斯-普克算法进行局部直线拟合,最后得到研究区的地形线性特征.结果表明,该方法综合考虑了雷达影像的微观细节信息和DEM数据的宏观趋势信息,在保留主要线性地形特征的同时剔除了伪边缘和噪声点,提取效果较好.      

基于逻辑回归的四川青川县区域滑坡灾害预警模型

四川省青川县滑坡灾害群发,点多面广,区域滑坡灾害预警是有效防灾减灾的重要手段,预警模型是成功预警的核心。由于研究区滑坡诱发机理复杂、调查监测大数据及分析方法不足等原因,传统区域地质灾害预警模型存在预警精度有限、精细化不足等问题。文章在青川县地质灾害调查监测和降水监测成果集成整理与数据清洗基础上,构建了青川县区域滑坡灾害训练样本集,样本集包括地质环境、降雨等27个输入特征属性和1个输出特征属性,涵盖了青川县近9年（2010—2018年）全部样本,数量达1 826个（其中,正样本613个,负样本1 213个）。基于逻辑回归算法,对样本集进行5折交叉验证学习训练,采用贝叶斯优化算法进行模型优化,采用精确度、ROC曲线和AUC值等指标校验模型准确度和模型泛化能力。其中,ROC曲线也称为“受试者工作特征”曲线;AUC值表示ROC曲线下的面积。校验结果显示,基于逻辑回归算法的模型训练结果准确率和泛化能力均较好（准确率94.3%,AUC为0.980）。开展区域滑坡实际预警时,按训练样本特征属性格式,输入研究区各预警单元27个特征属性,调用预先学习训练好的模型,输出滑坡灾害发生概率,根据输出概率分段确定滑坡灾害预警等级。当输出概率P≥40%且P<60%时,发布黄色预警;当输出概率P≥60%且P<80%时,发布橙色预警;当输出概率P≥80%时,发布红色预警。     

热屏障井对地下水源热泵换热影响模拟

对于场地受限的地下水源热泵项目,随着系统运行时间的增加易引发热贯通现象进而降低机组运行效率。地下水源热泵设计中,在抽灌水井连线间布设热屏障井可改变地下水流场,降低热量在抽灌井间的运移速度,有利于延长热贯通发生时间并缓解热贯通程度。通过构建地下水换热模型,模拟计算夏季制冷工况条件下36组热泵运行场景,分析了热屏障井的位置,过滤管长度及回灌量对热贯通和含水层温度场的影响规律。结果表明:热屏障井回灌量的增加有利于提升热屏障效果,但提升幅度随回灌量的增加逐渐减弱;最大水位降深值随着热屏障井回灌量的增加呈线性增长;增加热屏障井滤管长度可提升热屏障效果,提升效果随屏障井回灌量的增加逐渐增强。通过模型多周期、长时间模拟计算发现,热屏障井的运行可促使回灌的冷热量集中在回灌井一侧,对于采用冬夏季抽灌井交换运行模式的热泵系统,可充分利用含水层储能,提升机组运行效率。     

季冻区草炭土非线性K-G模型试验研究

季冻区草炭土是沼泽环境中植物残体在氧化分解作用下,堆积形成的含有大量未分解纤维残体的特殊土。草炭土纤维及其含量对其强度和变形特性具有重要影响,目前考虑纤维含量对草炭土强度和变形特性影响的本构关系研究还相对匮乏。K-G本构模型因其模型参数与土的体积模量和剪切模量能建立直接联系,因此在岩土工程非线性理论和数值计算分析方面广泛应用。以不同纤维含量的草炭土为研究对象,进行三轴剪切试验,研究了草炭土的应力应变曲线,得到了草炭土非线性K-G模型参数,分析了各模型参数随纤维含量的变化规律,建立了模型参数与纤维含量之间的线性函数关系。     

基于非均质地层参数表征的颗粒流模型构建

非均质地层参数的获取与表征方法是浅层地质体改造的重要依据。基于非均质地层的地质建模,表征具有随机不确定性和模糊不确定性的土体表观参数和物理力学参数。利用 Weibull 分布统计描述局部地层信息,并应用Diamond-Square分形插值方法,结合差分盒子维计算非均质地层分形维数,进一步合理演算整体地层参数。采用PFC3D数值模拟软件,结合马尔科夫链蒙特卡洛方法采样数据,对非均质地层块石颗粒及土颗粒进行建模。通过非均质地层模拟结果,发现其破坏过程与应力应变曲线要比均质土体复杂得多,由于块石大颗粒的含量、分布特性对土样力学性质影响显著。本文建模方法有助于非均质地层参数表征研究。     

非饱和土中水平入渗方程显式求解

在求解非饱和态土中水分入渗问题时,水力函数是体积含水率或者吸力的函数,致使其控制方程呈现出强非线性的特征,进而使得其求解变得十分困难。基于水分在土体介质中流动耗时取极值路径的选择这一假定,引入时间泛函,基于变分法原理将水平入渗问题转化为泛函极值问题。通过求解Euler–Lagrange方程,结合边界条件,得到非线性瞬态水平入渗问题的显式解析解。结合Brooks-Corey型水力函数,显式地求解出该类型非饱和态土的体积含水率发展分布规律。通过计算4种不同类型土体的水平入渗规律,将求解结果与已有结果以及数值结果进行对比,验证了该方法的有效性。结果表明:体积含水率分布与位置距离和湿润峰距离比值呈幂函数关系,指数取决于土-水特征曲线的形状参数;初始条件与边界条件会对体积含水率分布造成不同程度的影响。     

利用GS-LightGBM机器学习模型识别致密砂岩地层岩性

以交会图为代表的传统岩性识别图版无法适用于致密砂岩地层,其主要原因是大部分地层岩性的测井响应特征相似度高,难以基于图版分析被有效识别。LightGBM较传统模式识别模型能更高效地解决问题,为此采用该模型识别致密砂岩地层岩性。由于LightGBM在建模时利用了较多的超参数,导致预测结果难以保证为最优,所以采用GS算法进行优化,进而提出GS-LightGBM。实验目的层为姬塬油田西部长4+5段致密砂岩地层。提出模型的预测能力通过设计两个实验来验证。为突出验证效果,实验中加入SVM和XGBoost作为对比模型。实验结果显示,GS-XGBoost和GS-LightGBM的准确率、F1-score和AUC指标相接近,都最高,但GS-LightGBM的计算时间只有GS-XGBoost的约1/23。实验结果表明,GS-LightGBM模型可在不失精度的情况下,能快速给出预测结果,具备了在致密砂岩地层岩性识别研究上的应用价值和推广性。