基于18S和ITS-5.8S rDNA基因序列的白色霞水母(Cyanea nozakii)的分子鉴定与检测

采用通用引物PCR扩增法,测定了辽东湾海域的白色霞水母(Cyanea nozakii)螅状体、碟状体及水母体的18S以及ITS-5.8S r DNA序列,同时利用Gene Bank数据库中已有同源序列对其进行序列分析及系统分析。结果显示,白色霞水母3个个体的18S和ITS-5.8S r DNA序列完全一致。白色霞水母样品的ITS-5.8S r DNA序列与Gen Bank中未知真核生物的序列高度相似(≥99%),推测该物种可能是早期发育阶段(卵、浮浪幼虫或碟状体)的白色霞水母样品。霞水母属不同种间18S r DNA序列经比对后同源序列长度为1709bp,多态位点数33个;比对后ITS1同源序列长度为368bp,其中变异位点203个,简约信息位点数178个,单变异位点21个。基于18S r DNA基因序列的霞水母属种内和种间平均遗传距离分别为0、0.008,而基于ITS1序列的霞水母属种内和种间平均遗传距离分别为0.019、0.284。基于ITS1的种间遗传距离是种内遗传距离的15倍,适合于进行物种鉴定。NJ系统树的结果也表明同种的不同个体各自聚枝,其聚类结果大致与形态分类吻合。研究表明,ITS基因片段在霞水母不同种间变异较大,更适于大型水母种类鉴定、检测及属内种间水平的系统进化研究。     

基于五种油源的中重度风化溢油的常规鉴定指标的应用效果评估

本文利用采集于我国三大油田的五种原油样品开展了长达210天的溢油风化模拟实验,并依据相对偏差和重复性限数学分析法,进行溢油风化过程分析和诊断比值应用效果评估。研究结果表明:经过210天的风化,溢油鉴定诊断比值发生明显改变;其中来源于萜烷、甾烷和多环芳烃的诊断比值变化率要远低于正构烷烃,可用于中长期风化溢油鉴定。此外,研究发现,在这些有效诊断比值中有4个变化率较小,相对偏差低于5%,保持了较好的稳定性,更适合于重度风化溢油鉴定。     

海洋生态重要性区域的内涵与识别方法研究——以黄河口为例

海洋生态环境目前正在承受来自人类活动和气候变化的巨大压力;急需必要的管理工具或决策支持系统来应对这些压力所带来的生态环境问题。对海洋生境的分类识别是开展生物多样性保护的基础和前提;海洋生态重要区识别作为一种客观、科学和灵活的生境分类评估和选划方法;已被科学界和管理者广泛接受和认可。本文首先介绍了海洋生态重要区的概念内涵以及识别方法的研究进展;给出了海洋生态重要区的定义;之后以黄河口为例;初步建立了针对该区域的生态重要区识别标准和评价方法;对黄河口及邻近海区进行了生态重要性等级划分。本文是对生态重要区识别方法在我国近海的首次应用尝试;研究结果可为我国基于生态系统的海洋管理提供科学方法和工具;也可为其他区域的研究提供借鉴。     

典型矿区尾矿库特征污染物识别研究

通过对典型尾矿库土壤样品分析,利用重金属超标率、植物体BCF、污染因子的权重值筛选等通进行典型污染物识别,为开展尾矿库污染治理工作提供依据。     

PNN在煤田随钻测井岩性判识应用研究

介绍了PNN方法原理及其算法训练学习过程,详细阐述了网络识别岩性参数的选取、岩性识别模型的建立过程.通过对比研究PNN与其他6种岩性识别方法,分析相同条件下预测结果,得到不同识别方法的优劣性.经研究发现,PNN概率神经网络方法在生产应用中效果更佳、训练识别用时最短.利用人工智能神经网络对测井数据进行自动解释分析,可满足随钻测井时效性及快速解释处理的地质导向需求.     

基于岩石图像深度学习的岩性自动识别与分类方法

岩石岩性的识别与分类对于地质分析极为重要,采用机器学习的方法建立识别模型进行自动分类是一条新的途径。基于Inception-v3深度卷积神经网络模型,建立了岩石图像集分析的深度学习迁移模型,运用迁移学习方法实现了岩石岩性的自动识别与分类。采用此方法对所采集的173张花岗岩图像、152张千枚岩图像和246张角砾岩图像进行了学习和识别分类研究,通过训练学习建立岩石图像深度学习迁移模型,并分别采用训练集和测试集中的岩石图像对模型进行了检验分析。对于训练集中的岩石图像,每组岩石分别用3张图像测试,三种岩石的岩性分类均正确,且分类概率值均达到90%以上,显示了模型良好的鲁棒性;对于测试集中的岩石图像,每组岩石分别采用9张图像进行识别分析,三种岩石的岩性分类均正确,并且千枚岩组图像分类概率均高于90%,但是花岗岩组2张图像和角砾岩组的1张图像分类概率值不足70%,概率值较其他岩石图像低,推测其原因是训练集中相同模式的岩石图像较少,导致模型的泛化能力减小。为了提高识别精确度,对准确率较低的岩石图像进行截取,分别取其中的3张图像加入训练集进行再训练,增加与测试图像具有相同模式的训练样本;在新的模型中,对3张图像进行二次检验,测试概率值均达到85%以上,说明在数据足够的状况下模型具有良好的学习能力。与传统的机器学习方法相比,所提出的岩石图像深度学习方法具有以下优点:第一,模型通过搜索图像像素点提取物体特征,不需要手动提取待分类物体特征;第二,对于图像像素大小,成像距离及光照要求低;第三,采用适当的训练集可获得较好的识别分类效果,并具有良好鲁棒性和泛化能力。     

黄骅坳陷古生界潜山储层沥青成因判识

正黄骅坳陷古生界潜山是大港油田重要的油气勘探领域,近年来,先后在王官屯、乌马营潜山古生界发现油气流,且均为石炭—二叠系煤系源岩供烃成藏,如王官屯潜山王古1井二叠系石盒子组发现天然气,同位素特征判断为煤成天然气。这些发现拓展了古生界潜山的勘探领域,表明了石炭—二叠系煤系烃源岩的油气充注范围不仅仅局限于奥陶系碳酸盐岩储层,石炭—二叠系的碎屑岩储层也可以充注成藏,证实了古生界潜山具有更大的油气勘探价值。随着勘探进程与理论认识的不断深化,     

基于颗粒识别分析系统的碎屑流堆积物颗粒识别和统计方法研究

碎屑流堆积物颗粒识别和统计是碎屑流灾害的研究重点。文章基于图像处理孔隙（颗粒）及裂隙图像识别与分析系统（PCAS）,以贵州纳雍普洒村崩塌-碎屑流为例,结合纳雍崩塌堆积物粒径实测结果,通过阐释识别过程中阈值、孔喉封闭半径、最小孔隙面积的参数意义,研究PCAS软件在碎屑流颗粒识别与统计中的应用,并提出了颗粒识别时这些参数的选取方法。分析结果表明:（1）PCAS能自动准确地识别碎屑流堆积物颗粒与孔隙,相比人工计数更精细,所识别堆积物各区小颗粒比重较大,0～2 m颗粒粒径各区占比都在50%以上;（2）当阈值为170（像素）时能获得精细的二值图像,颗粒与孔隙得到了准确地区分;（3）不同参数取值下获得堆积物颗粒粒径分布结果不同,碎屑流堆积物颗粒识别宜采用较大的孔喉封闭半径和较小孔隙面积,当二者比值为3/30（像素）时能更好地反应颗粒粒径分布情况;（4）PCAS具有较高的可行性,统计结果显示,各粒径含量变化趋势与人工统计相近,两种统计方法各粒径占比、分布规律基本吻合,说明利用PCAS可以实现对崩塌碎屑流颗粒粒径分布的高效便捷分析。     

基于DBSCAN算法的孔深测量与地层反演理论研究

论文针对地质勘探取心工况复杂、钻进深度大、事故发生率高、岩性复杂、钻进参数难以获取、无法实时掌握钻进状态的难题,在充分调研现有工况识别技术的采集原理、功能种类、现场实测的基础上,结合钻探智能化、自动化的发展方向,运用硬件与软件结合的思想,设计了实时测量钻探参数的方案。论文首次提出使用DBSCAN（针对噪声空间基于分布密度进行聚类的算法）密度聚类法分析钻进参数,结合光电编码器增量的正负性进行工况判别,以获取钻头位置以及钻孔深度。该方案可以判别钻进状态,获取钻进工艺参数,将测量数据作为所钻地层的可钻参数来反演地层。钻机的自动化、智能化研究能获取大量地层资料,有利于推进钻进工艺学发展,实现从经验钻探到智能钻探进的突破。同时,为智能钻进系统奠定基础。     

危地马拉翡翠宝石矿物学特征及其与缅甸翡翠的对比研究

危地马拉目前已成为仅次于缅甸的第二大翡翠原料供应地。这两个产地翡翠辨别的需求愈发迫切,且应用意义较大。采用显微镜观察、电子探针分析及背散射电子照相获得危地马拉蓝水料翡翠的矿物成分及结构构造特征,结合两产地翡翠产出的大地构造环境、自然地理环境、原石特征与矿物成分特征等进行对比分析。总体上,危地马拉翡翠次生原石有一定的磨圆,呈次棱角状,“皮”(风化皮)厚度较薄,较少出现翻砂现象,由“皮”向里,极少甚至几乎不存在“红雾”。相对地,缅甸翡翠次生原石发育显著的球状风化,原石通常有较好的磨圆度,棱角状不明显,“皮”厚度可达数厘米,用手压磨有显著的翻砂现象, “皮”“肉”之间偶可见“红雾”。硬玉与绿辉石成分判别图显示危地马拉翡翠中硬玉和绿辉石呈相对富Ca、贫Na的特征,而缅甸翡翠中硬玉和绿辉石整体呈相对贫Ca、富Na的特征。在Fe含量上,危地马拉翡翠中硬玉的Fe含量较缅甸翡翠中硬玉的Fe含量偏低,而危地马拉翡翠中绿辉石的Fe含量较缅甸翡翠中绿辉石的Fe含量偏高。对翡翠外观特征的充分对比和对判别图的综合分析可应用于实际中翡翠产地的区分。