基于GIS的证据权重法在小兴安岭北段金成矿预测中的应用

小兴安岭北部逊克—嘉荫—萝北一带金成矿地质条件优越,由于地表覆盖较厚,近年来一直未有突破性进展。为加速该区金矿找矿进程,在对小兴安岭北段地质、物探、化探、遥感等金成矿信息深入分析的基础上,依托GIS平台空间分析功能,对区内成控矿要素进行定量化,提取了断裂 buffer、燕山早期岩体 buffer、燕山晚期岩体buffer、航磁异常、遥感蚀变异常、化探异常等在内的14个证据图层;利用证据权重法对研究区金矿进行预测,圈定了三级成矿远景区,其中Ⅰ级成矿远景区9个,Ⅱ级成矿远景区9个,Ⅲ级成矿远景区14个,所预测成矿远景区覆盖了大多数金矿床(点),预测结果为该区进一步找矿指明了方向。     

地下水动态预测的探讨

简要介绍地下水数学模型的原理和应用实例,着重介绍在河北省大清河地下水系统的大沙河-磁河冲洪积扇孔隙地下水区,尝试建立地下水埋深变幅预测的统计相关方法和神经网络模型取得的良好效果;同时对地下水预测中的降水补给、边界和初始条件等的处理进行讨论,对数学模型和统计相关模型优缺点进行比较。     

叠前反演方法在致密砂岩气储层预测中的应用

以鄂尔多斯东缘A区块为例,通过岩石物理正演分析,论证了储层岩石物理参数的敏感性,确定利用纵波阻抗与纵横波速度比参数进行储层的识别。在此基础上进行正演模拟,研究了地震的极限分辨率及不同厚度砂体的地震响应特征,确定了运用叠前地质统计学反演为核心的储层预测技术对该研究区太原组进行储层预测研究,以解决该区储层薄、横向变化快、单一岩石物理参数无法区分岩性等问题。地质统计学反演结果表明,该方法能有效的预测厚度大于3 m的储层。对比研究区内11口测井解释厚度与储层反演厚度表明,储层反演预测厚度平均误差为7.5%,其中5口盲井的平均误差为10.2%,一口新钻井的砂体厚度预测误差为1.73%,为该区的井位部署提供了可靠的资料参考。      

地震叠前反演方法预测页岩脆性指数在南川地区的应用

页岩气的有效开发依赖水平井的压裂效果,而页岩脆性是影响页岩压裂的关键因素。通过对比分析现有的3种脆性指数计算方法,即矿物脆性指数计算法、岩石力学脆性指数计算法、基于多元回归脆性指数计算法,优选基于多元回归的脆性指数计算法计算五峰—龙马溪组(简称龙马溪组)页岩储层脆性指数。以四川盆地东部南川地区龙马溪组海相页岩气为例,利用南川地区三维地震资料叠前反演方法,获取多元回归脆性指数计算方程所需的参数,预测页岩脆性指数。结果表明,在已有钻井矿物脆性指标约束下,叠前反演法计算的脆性指数平面预测效果较好,且与实际压裂数据具有较好的一致性,能够满足南川地区页岩气勘探开发的需要。     

基于权变理论的滑坡灾害监测预报思路探讨

文章简要评述了地质灾害基础理论与应用技术发展现状、滑坡灾害多种监测预报判据的利弊。利用综合信息处理决策方法,提出了基于权变理论的滑坡灾害监测预报新思路。分析了滑坡成灾的权变特征、环境因素和决策因素,建立了滑坡灾害预报决策概念模型。进一步探讨了在预报决策中应遵循的动态性及满意性原则,为提高地质灾害监测预报理论的科学性提供了新的理论依据与技术途径。     

煤层底板破坏流固耦合数值模拟

根据煤层底板含水层具有不均一性的特点,建立了底板含水层非均布水压力学模型和流固耦合模型,并根据\     

基于支持向量机的地震属性优选及煤层气预测

为了充分发挥地震属性分析技术的优势,针对地震勘探中的小样本事件,阐述了支持向量机原理,开展了基于支持向量机的煤田地震属性非线性优选的方法研究,并在煤层气含量预测中取得了良好的效果。结果表明:基于支持向量机(SVM)属性优选的煤层气预测效果比运用钻孔插值的效果更精确,较好地解决了小样本的学习问题,可作为煤层气预测的一种有效方法。     

甚低频电磁法在哈尔楚鲁图银-多金属矿区控矿构造特征分析中的应用

以哈尔楚鲁图银-多金属矿床为例,阐述了甚低频电磁法(VLF-EM)在覆盖区控矿构造特征分析及隐伏矿体找矿预测中的应用。VLF-EM测量和地质解释成果表明:矿区内断裂构造主要有NWW、NNW及NE三个方向。其中,NNW和NWW向断裂为主要含矿构造,二者构成菱形网格状或雁列式控矿构造基本格局,断裂交汇地段为形成较大矿体的有利地段;NE向断裂未见工业矿体产出,对矿体起到错断和破坏作用。     

基于金矿规格单元数据的机器学习方法在成矿建模分析中的应用

现代金矿勘察主要是通过综合地球化学和地质测量等数字化方法对深部矿床进行研究,所需要的人力物力成本较高。而通过分析积累的金矿规格单元数据,可以建立金矿成矿情况与相关成矿元素含量之间的非线性关系,从已有的勘查数据中寻找金矿成矿的一般规律。本文基于与金矿相关的成矿元素含量数据,分别采用逻辑斯蒂回归、随机森林和决策树方法对原始数据和重采样数据进行训练,综合运用召回率、精确率和准确率对模型进行评价。通过对比发现,在训练和测试原始数据过程中,由于每组之间数据量的巨大差距,导致成矿数据被淹没;而在训练重采样数据过程中,随机森林在召回率和准确率方面均有较好的表现,分别达到了90.63%和70.78%;并最终分析了随机森林模型中不同分类边界对于金矿成矿情况预测结果的影响。利用不同的测量指标对模型进行评价分析,使模型更适用于金矿成矿预测,可有效地提高金矿勘察的效率。