一次反射波与自由表面多次波联合偏移成像:模拟数据分析

基于逆时偏移互相关成像条件,一次反射波与自由表面多次波联合偏移成像可以提供更宽的地下照明成像,以弥补一次反射波覆盖不足,同时不需要预测分离多次波,但是,在成像过程中也引入了偏移假象。首先对一次反射波与自由表面多次波联合偏移成像条件进行分析,通过对模拟数据成像结果分析,提出利用多次波信息进行成像,需要用震源子波和相位反转的地震记录作为逆时偏移中的源端波场做正向传播,原始地震记录作为检波端波场做反向传播,方可获得具有自由表面多次波成像贡献的结果。数值试验结果表明,尽管一次反射波与自由表面多次波联合逆时偏移可以提供更宽的地下照明成像,但是,随着自由表面多次波能量的增强,偏移假象也随之增强;当自由表面多次波能量减弱时,尽管偏移假象相应减弱,但是自由表面多次波对宽角照明成像贡献也随之减弱。因此,一次反射波与自由表面多次波联合偏移成像需要更深入研究。     

基于深度学习的新增违法建设监测框架研究与应用

科学化、智慧化严控新增违法建设是城市高质量发展的必然要求。针对新增违法建设类型多样、隐蔽性强、管理交叉、多头执法等难点，本文基于高分辨率遥感影像，利用耦合FPN与Mask-RNN多任务的建筑物边界提取算法，构建了“建设行为监测—多源数据融合分析—协同分派治理”的新增违法建设全链条管理框架，提升了高空视角下违法建设的精准发现、动态管理能力，为助力城市精细化管理提供了技术支撑。     

岩性识别：方法、现状及智能化发展趋势

岩性识别是地质工作中一项基础而又重要的工作。传统的岩性识别方法过于依赖经验和地质专业知识积累,不仅耗时长、专业性强,还易受主观因素影响,导致准确率不理想。笔者等首先回顾了传统的岩性识别方法,之后总结了最新涌现的智能化识别方法,最后详细介绍了基于岩石图像、镜下图像、图像与元素信息融合等的智能识别方法。基于岩石图像的识别方法对于文中的岩石识别准确率可达90%以上,基于图像与元素融合的岩性识别方法可以缓解图像相似度高、风化破坏表观特征等因素对识别准确度的影响。笔者等认为当前岩性智能化识别研究仍处于初级阶段,无法满足工程需求。综合各类数据源的优势,利用机器学习深度挖掘岩石元素、矿物、光谱和表观特征间的内在关联性,有利于突破单源信息的局限性,实现岩性快速准确识别。     

实时智能地震处理系统在2020年四川石渠M5.6地震序列中的应用

实时智能地震处理系统（RISP）是一套基于深度学习技术的新型地震实时处理系统,于2021年6月在四川开始试运行。为了评估该系统在四川台网稀疏区域的地震检测和处理能力,笔者等采用RISP系统对2020年4月1日四川甘孜州石渠县发生的M5.6级地震序列进行了回溯性分析,获得了较为可靠的自动处理地震序列目录,并与人工目录进行了对比分析。震后10d内,RISP系统自动处理获得了386个地震信号,地震数量是正式地震目录的1.98倍,匹配率为97.43%。分析显示,发震时刻偏差小于±1.0 s的地震占比71.05%,震中位置偏差小于10 km的地震占比96.31%,震级偏差小于±0.3级的地震占比99.47%。根据RISP系统检测地震序列分布特征和震源机制解,认为此次地震的发震断层为五道梁—长沙贡玛断裂北东侧的一条未发现的分支断层。研究结果表明,RISP系统的应用可以提升台网稀疏区域的地震检测能力,可快速产出地震序列目录,对大震应急、震后趋势判定和发震构造研究等具有重要意义。     

基于BERT—BiLSTM—CRF模型的中文岩石描述文本命名实体与关系联合提取

地质调查正在从“数字化”走向“智能化”,需要在大数据思维的指导下,面向非结构化数据开展机器阅读和地质知识的自动提取。地学命名实体和关系联合提取是当前研究的难点和核心。本文采用基于大规模预训练中文语言模型的BERT—BiLSTM—CRF方法开展岩石描述文本命名实体与关系联合提取。首先,通过收集数字地质填图工作中的剖面测量和路线地质观测数据,建立岩石描述语料;然后,在岩石学理论指导下分析岩石知识组成,完成岩石知识图谱命名实体与关系的模式设计,标注岩石语料;最后,开展岩石描述语料知识提取的深度学习训练和消融试验对比。试验结果显示,大规模预训练中文语言模型（BERT）对岩石描述语料知识提取具有较高的适用性。推荐的BERT—BiLSTM—CRF模型方法对岩石命名实体与关系联合提取的准确率（F1值）为91.75%,对岩石命名实体识别的准确率（F1值）为97.38%。消融试验证明基于BERT的词嵌入层对岩石描述知识提取的性能提升影响显著,双向长短时记忆网络模型层（BiLSTM Layer）能提升实体关系联合提取性能。     

隧道瞬变电磁克希霍夫偏移成像与地质灾害探测

隧道绿色施工不仅需要预报工作面前方突水突泥等低阻异常,更需要查明灾害体的地质构造,为灾害预警与防治提供保障。传统的瞬变电磁解释方法仅能够提供单一电阻率信息不能满足隧道地质灾害治理要求。因此,将虚拟波场成像技术引入到瞬变电磁隧道探测技术中,期望实现灾害体电性与结构综合解释。首先,根据波场变换原理将瞬变电磁数据转换到虚拟波场;然后,利用电阻率成像算法计算工作面前方电阻率建立虚拟波场速度模型,利用波动方程克希霍夫积分解进行波场延拓实现瞬变电磁虚拟波场偏移成像;最后,综合电阻率与偏移成像结果对工作面前方地质体进行解释,判断地质灾害体的电性与构造特征。分别采用充水溶洞、充水断层两类常见灾害模型对算法进行验证。充水断层模型电阻率成像结果可以识别工作面前方低阻异常,但是异常分布范围略有增加,且不易判断倾斜角度;而偏移成像结果有效地识别异常的边界位置且对应准确,更易容判断异常倾斜方向。充水溶洞模型电阻率成像结果可识别溶洞的低阻异常与位置,但是异常形态与实际模型略有偏差;偏移成像结果圈定了模型的前后边界且与模型吻合较好。实测数据偏移成像结果有效圈定了低阻异常位置与裂隙形态,预测结果与已知出水孔情况相符。理论模型与实测数据结果表明,虚拟波场克希霍夫偏移成像结果既包含地质灾害体的电阻率分布,又能识别灾害体电性分界面,为地质灾害预警与防治提供了丰富的地质信息。      

南海北部珠江口盆地珠一坳陷西江凹陷与陆丰凹陷差异裂陷过程定量分析

西江凹陷和陆丰凹陷均位于南海北部珠江口盆地珠一坳陷,前者盆地结构为两条NE向铲式边界断层控制的近对称地堑,后者表现为6条弯曲主干断层控制的“两洼夹一隆”构造格局。文章运用三维地震资料,在盆地结构、断裂系统描述的基础上,选取了两个凹陷共8条地震—地质剖面进行平衡剖面恢复,计算两幕裂陷阶段盆地伸展量、拆离深度等定量参数,并据此分析二者差异裂陷演化过程及与区域构造演化之间的联系。两个凹陷在新生代均经历裂陷一幕、二幕以及裂后拗陷阶段,其中每幕裂陷又可细分为早、晚两个亚幕。西江和陆丰凹陷的裂陷演化具有时空差异性。从裂陷一幕到二幕,二者伸展量都具有随时间减小的一般特征,其中西江凹陷的伸展量随时间持续减小,在裂陷二幕晚期仍具有较大伸展量,而陆丰凹陷在裂陷二幕早期伸展量略有升高,但在晚期伸展量急剧减小,其减弱程度远大于西江凹陷。两个凹陷的拆离深度都具有随时间逐渐加深的特征。在裂陷一幕早、晚亚幕,陆丰凹陷的拆离深度略大于西江凹陷。在裂陷二幕早、晚亚幕,西江凹陷的平均拆离深度由约8 km增长至9 km左右,而陆丰凹陷的平均拆离深度由约8 km跳跃式增长至约35 km。盆地的几何结构、断裂系统以及伸展量和拆离深度变化特征均反映陆丰凹陷在裂陷二幕晚期受热沉降作用或提前结束裂陷阶段,而西江凹陷在裂陷二幕之后结束裂陷作用。研究区的裂陷阶段自东向西逐渐结束可能受控于东北次海盆的扩张及南海的自东向西渐进式扩张。区域板块构造演化提供了珠江口盆地沿其轴向向SW方向伸展作用增强的差异伸展环境。该研究所揭示的盆地裂陷演化差异性对认识珠江口盆地的裂陷时限的时空分布和差异裂陷演化都具有重要的意义,也对认识南海北部大陆边缘裂陷过程提供重要的定量数据约束。     

基于近似真地表浮动面叠前深度偏移成像技术应用研究

常规基于水平地表假设的CMP浮动面处理方法不适用于准噶尔前陆冲断带复杂构造区成像。选择近似真地表浮动面并统一作为时间域和深度域处理面,从叠前时间域预处理包括优选近地表底界面,地表一致性近似真地表静校正,地表一致性双平方根动校正求取速度及剩余静校正,使时间域预处理到叠前深度偏移保持流程、参数的一致性。该基准面的选择使波场走时更接近实际传播路径,成像精度更高,地质构造准确。     

火成岩岩石薄片智能识别及分类方法

在油气勘探、评价及开发中,岩性识别和薄片鉴定是十分重要的基础工作,准确的薄片识别结果可以为勘探和开发提供可靠的依据。传统的人工判定方法或实验室分析方法具有主观性强、效率低、自动化程度低等问题。目前基于内容的智能图像识别技术在准确性和具体应用方面还面临着许多难题。论文基于国内外相关研究成果与油气勘探与开发中岩芯薄片图像的特点及要求,设计并研制成功薄片图像自动识别系统和薄片智能鉴定系统。利用图像梯度分布和色彩分析进行火成岩岩石薄片智能分类,对所有像素进行类别划分进而得到整体的鉴定结果,实现了省时、高效、高精度的薄片智能鉴定成果。     

强震山区地震诱发滑坡发育规律与易发性评估

强震山区地形陡峭,植被茂盛,使同震滑坡“点多面广”,难以探测,为灾害防控带来困难.滑坡易发性评估能够预测灾害空间分布.但传统评估方法存在数据源有限、数据量化标准不一等问题,难以获取准确的易发性评价结果及难以掌握复杂孕灾环境下滑坡发育特征.鉴于此,通过多源监测数据、空间分析和深度学习方法,分析同震滑坡的发育规律,探究滑坡的地震响应机制,并进行滑坡易发性区划.结果表明：地震通过影响地形地貌的应力场及岩土体结构对地震波的地震响应的作用,使同震滑坡表现不同形式的发灾效应（如锁固段效应、微地形效应和地层倾向效应等）;采用基于卷积神经网络（CNN）和深度神经网络（DNN）的深度学习模型取得了良好的易发性评价结果（AUC值分别为0.901和0.865）,CNN模型的预测性能优于DNN模型.两模型精度都较高,均能较为准确识别潜在的滑坡区域;极高和高滑坡易发性区域广泛分布于丹祖沟等13条沟道中,这些沟道在暴雨下更容易发生泥石流.