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。     

基于煤层气井生产数据的储层含气量校正新方法

勘探实践发现沁水盆地潘庄、潘河区块及鄂尔多斯盆地保德区块煤层气井累计产量远远大于原始计算的地质探明储量。该现象对体积法计算的煤层气资源储量提出了挑战,同时为全面“上储增效”提出了新的方向。在采用体积法计算煤层气储量时,含气面积、含气量的准确性以及煤岩密度与煤层厚度的非均质特征都会对储量参数的准确性产生影响。其中,由于取心测试过程的局限性,煤层含气量的数值常存在一定的误差。本次研究基于鄂尔多斯盆地和沁水盆地的煤层气井生产数据并结合等温吸附实验结果提出了计算储层临界最低含气量的方法(临界最低法)。将校正后的临界最低含气量与实测含气量(基于美国矿业局直接法(USBM)和史密斯-威廉姆斯法)进行对比,并剖析含气量测试损失量的地质控制机理。结果表明:在中低至中高煤阶(R_o=0.7%~2.1%)范围,临界最低法计算的含气量总体高于其它两种方法计算的含气量,临界最低法在中低煤阶至中高煤阶具有较强的适应性。在高煤阶(R_o=2.1%~2.8%)范围,临界最低法计算结果可以与取心测试结果相互验证。总体上,煤层含气量测试(USBM法)损失量受不同煤阶煤岩孔裂隙发育特征、煤体结构、含气饱和度及逸散时间的影响。含气量测试损失量与孔渗发育特征、构造煤发育程度、含气饱和度及逸散时间呈正相关。此外,针对未取心的煤层气井,可以采用钻井岩屑测试等温吸附参数进而利用临界最低法求取储层含气量,为煤层气进一步的勘探开发提供数据基础。     

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.     

集成空间变换结构与深度残差网络的遥感影像场景分类方法

针对传统高分辨率遥感影像的场景分类效率较低,以及卷积神经网络在遥感影像场景分类上由于空间不变性而导致的分类精度不高的问题,提出了一种结合空间变换网络和迁移学习的高分辨率遥感影像场景分类算法.首先,利用ImageNet数据集训练深度残差网络ResNet101得到预训练模型,通过知识迁移提高模型目标探测效率;之后在模型中嵌入空间变换结构,使模型能够主动在空间上变换特征映射,提高模型的鲁棒性;最后,在模型中添加Dropout层减小模型出现过拟合的概率.本方法在AID和NWPU-RESISC45两种不同规模的高分遥感影像数据集上进行了验证,在只有20%训练样本的情况下仍达到了94.30%和93.63%的分类精度.实验结果表明本次改进模型具有更好的特征提取能力,针对易误分类场景的分类结果更优.     

近松散层采掘抗渗透破坏评价方法Ⅰ：临界水力坡度

抗渗透破坏评价是近松散含水层煤层开采溃水溃砂防控的重要基础工作,但至今尚未形成规范性方法和标准。松散层和风化带抗渗透破坏评价的关键是确定水力坡度和临界水力坡度。首先综述了流土和内部侵蚀发生的临界水力坡度确定方法,指出近松散层煤层采掘诱发溃水溃砂临界水力坡度与传统的临界水力坡度的不同特点。针对集中通道获得考虑临空面出口尺寸和岩土层物理力学性质的松散砂层、黏土层和基岩风化带的抗渗透破坏临界水力坡度的计算公式,采用试验结果验证,溃水溃砂临界水力坡度公式的适用性。通过单因素和多因素参数对临界水力坡度的敏感性分析结果表明,裂隙宽度是影响临界水力坡度大小的最重要因素,也表明在实际工程中通过控制采掘诱发的覆岩破坏是减少溃水溃砂灾害的关键措施。煤系风化带的临界水力坡度与其中黏土成分的含量、施加荷载大小有密切的关系,当黏土在风化岩石中占比(质量分数)为5%～40%时,其变化范围为2.9～67.2,给出了用高斯函数的拟合估算关系式和考虑上覆荷载的估算公式。研究结果将为近松散层开采溃水溃砂评价临界水力坡度计算提供参考。     

基于CDI和拟二维反演的时间域航空电磁数据级联解释方法

时间域航空电磁法(ATEM)是一种具有大面积探测,探测速度快、相对成本较低、受地形地貌影响较小等优点的地球物理方法。由于航空电磁数据量巨大,三维反演成本太大,目前主要使用一维反演或者拟二维反演方法来进行解释。对于航空电磁探测而言,大面积探测区域和复杂地形条件使得研究人员很难获取到勘探区域的地质信息,因此反演时选取初始模型变得很困难。而电导率-深度成像(CDI)无需建立初始模型,即可快速获得地下介质的大致电性分布情况。因此CDI结果可以用来作为反演的初始模型,应对缺少地质信息的区域。本次研究中,提出CDI与拟二维反演的级联解释方法。首先使用CDI方法来近似估计地下介质的电导率和深度;其次在此基础上建立反演的初始模型;最后采用横向约束反演(LCI)方法对ATEM数据进行反演。通过对理论数据和实测数据的实验得出,CDI与拟二维反演的级联解释方法能够在获得较好的反演结果的同时减少计算时间。     

卷积神经网络和视觉注意力语义分割模型在高分辨率遥感影像分类中的性能分析

随着深度学习语义分割的快速发展,基于计算机视觉语义分割模型的高分辨率遥感影像分类方法也大量涌现。为系统定量地研究经典的和先进的视觉语义分割模型在遥感影像分类中的性能,在总结深度学习语义分割进展的基础上,选择9种基于卷积神经网络(CNN)和视觉注意力的语义分割算法,对米级和厘米级2个尺度的遥感数据集进行分析研究。在模型构建上基于计算机视觉通用的语义分割框架,训练时采用红绿蓝3波段遥感图像并基于ImageNet预训练权重进行迁移学习训练。研究结果表明：通用的语义分割模型通过常规训练设置进行训练能取得较好的遥感影像分类效果,部分地物的交并比(IoU)可以达到90%以上;基于视觉注意力的遥感影像分类模型的精度普遍高于基于CNN的模型,且MaskFormer能更有效地提取离散的地物信息;不同类别的精度最高值并不全在总体最优模型中,部分会存在于次优模型中;类似的地物在更高分辨率遥感数据集中可以获得更高的精度。     

基于深度神经网络模型的雅安市滑坡易发性评价CSCD

准确的滑坡易发性评价结果是滑坡风险评估的基础,对防灾减灾工作有着重要的意义。文章以雅安市为研究区,在野外地质调查的基础上,选取高程、坡度、坡向、平面曲率、剖面曲率、地形湿度指数、泥沙输运指数、径流强度指数、归一化植被指数、年均降雨量、地震动峰值加速度、地形起伏度、距断层距离、地层岩性、距河流距离、距道路距离等16个因子,构建研究区滑坡易发性评价指标体系,采用度神经网深络(DNN)模型进行滑坡易发性评价,根据易发性指数将研究区划分为极高易发区(12.2%)、高易发区(7.0%)、中易发区(9.8%)、低易发区(17.0%)、极低易发区(54.1%)五个等级,并与人工神经网络(ANN)模型进行对比,用ROC曲线的AUC值进行精度检验。结果表明,DNN模型的评价精度AUC(0.99)大于ANN(0.96)模型。因此,相比ANN模型,DNN模型在该研究区有着更好的拟合能力和预测能力,滑坡极高和高易发区主要分布于雅安市人类工程活动强烈的低海拔地区,沿着道路和水系分布,距道路距离、高程、年均降雨量是影响雅安滑坡发育的主要影响因子。