考虑加载过程及桩体固结变形的碎石桩复合地基固结解析解

为了完善碎石桩复合地基固结理论,通过假设从桩体排出的水量等于流入桩体的水量与桩体体积变化之和以及地基扰动区土体水平渗透系数呈线性变化,并考虑上部荷载逐渐施加,推导了考虑桩体体积变化的碎石桩复合地基超静孔压及固结度解析解。当加载时间趋于零时,本文解可退化为瞬时加载情况下的解;当加载时间及桩径同时趋于零时,本文解可进一步退化为Terzaghi一维固结解,这证明了本文解的正确性。通过与已有解的比较,对地基固结性状进行了分析。结果表明,加载过程对地基固结度影响显著,加载历时越长,固结越慢;在各种条件下,不考虑桩体固结变形时地基固结始终比考虑桩体变形时快,并且其影响随着加载历时变小、桩径比变小、桩土模量比变小、桩土渗透系数变小而逐渐增大,这说明在实际工程固结计算中不考虑桩体固结变形是偏于不安全的。     

基于峰值因子最大化的鬼波压制方法

针对传统拖缆采集得到的海上地震资料受鬼波影响而导致频带宽度变窄,笔者提出一种去鬼波方法,可以压制鬼波效应,拓宽频带。首先在频率-空间域推导出镜像数据生成公式,并基于峰值因子最大化的参数搜索方法来估计最优的鬼波延迟时间,将最优的鬼波延迟时代入镜像记录生成公式,获得最优的镜像记录,利用联合反褶积算法得到最优的去鬼波结果。将本文中的方法应用于模拟的变深度采集数据和海上实测的变深度采集数据,证实该方法可以有效地压制鬼波,消除频谱中的陷波点,得到宽频数据。     

Structuring velocity model of microseism based on genetic algorithm and Levenberg-Marquardt algorithm

为在射孔时间未知条件下达到微震速度模型矫正的目的,采用遗传算法交叉互换搜索最优初值和 Levenberg-Marquardt 算法局部锁定最优解的方式来构建微震速度模型。通过 6 层层状模型及井下不同数量检波器进行试算,随着检波器数量增加,构建的速度模型准确度越高,当检波器数量增加到 20 个时,误差约 13. 4 ×10 －3 ,目的层检波器数量越多,构建目的层速度误差越小,第 5 层检波器由 1 增加到 3 个时,精度提高 9. 1 ×10 －3 ,并且反演震源与实际震源距离相差 10 m,说明此方法在射孔时间未知条件下可以良好构建速度模型。     

深海采矿转臂机构采矿姿态优化研究

针对海底地形不平坦特性,提出了一种变幅机构来自适应海底地形采矿姿态的采矿机构。综合考虑采矿机构采掘头距海底高度对采矿率影响,利用关键点法建立了节臂上的点到海底地形距离的数学模型。在此基础上,建立了以采矿率最高为目标的最优采矿姿态数学模型。以某实际地形为例,采用模拟退火遗传算法优化求解最优采矿姿态。根据其优化后结果可知,其最优采矿姿态与海底地形坡度变化一致,从而证明了采矿姿态模型的正确性。     

库车坳陷新生代构造应力场恢复

库车坳陷的构造变形及演化与南天山造山带的发育密切相关。库车坳陷新近纪以来的喜马拉雅晚期构造运动最为强烈,形成了天山山前大型冲断带,并造就了现今的构造格局。通过对库车坳陷北部构造样式的识别及各种应力场指示标志的测量、统计和构造解析,对野外获得的应力场指示标志划分了期次,认为喜马拉雅晚期应力场标志为近南北向挤压。结合库车坳陷区域构造要素,如地质体几何形态、边界条件、岩石力学参数等,运用弹性力学有限元数值模拟的方法获得了喜马拉雅晚期库车坳陷的区域应力场。模拟结果表明,库车坳陷喜马拉雅晚期最大主压应力方向为近南北向,与古应力场标志拟合较高,可以为库车坳陷裂缝预测和评价提供依据,对勘探开发有应用价值。     

基于近岸GPS RTK技术的潮位和波浪提取算法研究

由于潮汐和波浪的周期相差甚远,对实时海面高程数据进行相应的低通和带通滤波即可提取潮位和波浪信息。通过对仿真的实时海面高程数据进行平滑滤波、中值滤波、小波滤波等低通滤波,以及椭圆、巴特沃斯等带通滤波结果分析表明:近岸GPS RTK技术可用于潮位和波浪同步测量;对于潮位信息的提取方面,平滑、中值、小波等低通滤波均能很好的提取出潮位信息,其中平滑滤波最佳,且工程中易于实现;对于波浪信息的提取方面,椭圆滤波、巴特沃斯、切比雪夫Ⅰ型等带通滤波均能很好提取出波浪信息。     

基于Sage-Husa算法的拖曳式Overhauser海洋磁场传感器海浪磁场噪声实时抑制方法

利用Weaver海浪模型,对拖曳式Overhauser海洋磁场传感器海浪磁噪声与深度、波幅等之间的关系进行了理论分析,证明了在极端海况条件下对海浪磁噪声进行抑制的必要性.为提高海洋磁测灵敏度,提出了一种基于改进的Sage-Husa自适应Kalman算法的海浪磁场噪声抑制方法.仿真结果表明,该方法能在不需要先验的噪声统计或实时参考噪声的情况下,实现磁场噪声协方差的快速收敛;且与常规的Sage-Husa算法相比,改进后的Sage-Husa算法降低了对初始参数的依赖性.另外,设计了一种拖曳式Overhauser海洋磁场传感器测试仪来测试上述算法.对比结果表明该方法不仅实现了磁场噪声统计参数的自适应估计,而且比经典Kalman滤波具有更好的滤波效果;此外,海浪磁噪声的功率谱密度由50 pT/Hz1/2@1Hz下降到6 pT/Hz1/2@1Hz.      

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。     

基于人工鱼群算法和SCA等效理论的井中横波速度预测方法

在建立页岩岩石物理模型的基础上,根据等效自相容近似(SCA)岩石物理模型,构建出岩石的纵波速度、横波速度与岩石密度、组分和孔隙度等的定量关系,得出使理论纵波速度和实际纵波速度最接近的孔隙纵横比,进而将该孔隙纵横比作为约束条件来实现横波速度预测。反演算法利用人工鱼群算法来计算最佳孔隙纵横比,并将预测的横波速度与实际测得的横波速度对比,证明了人工鱼群算法的有效性。