广东中山地区土壤氡浓度填图研究

为了研究区域土壤氡填图的方法,利用RAD7电子测氡仪和RADON-JOK土壤气体渗透率仪在广东省中山市进行了面积为1 800 km2的测量工作,有效测点数为67个。中山市的平均土壤氡浓度为(100.41±154.64)kBq/m3;最大值和最小值分别为0.74 kBq/m3和1 199.24 kBq/m3。土壤气体渗透率测量结果表明,在风化花岗岩地区,高渗透率和中渗透率占优势;而第四纪沉积物地区大部分土壤气体渗透率较低。基于此,结合研究区土壤氡浓度和土壤气体渗透率,对研究区土壤氡风险进行了分级评价。为土壤氡风险分级的方法研究提供了有参考价值的研究实例。     

饱水岩石加载变形过程中视电阻率–渗透率的关联性

根据岩石受载变形破坏过程中视电阻率和渗透率的演化规律,分析了岩体破坏过程中视电阻率和渗透率变化的关联性,指出饱水条件下岩石变形破坏过程中视电阻率与渗透率关系密切.基于Archie公式和Carman-Kozeny公式,推导出了饱水岩石渗透率和视电阻率之间的关系式.同时,从岩石加载过程变形破坏的细观分析角度,探讨了渗透率-视电阻率关系式的合理性,进而指出了其成立的基础条件和应用意义.     

基于Excel的Q=f（S）及q=f（S）曲线判别

鉴于传统的手工方法或CAD绘制抽水试验过程中Q=f（S）及q=f（S）曲线中出现的效率低、精度不高的问题,利用Excel的计算、图表功能．以内蒙古鄂尔多斯某井田203孔8煤至17煤抽水试验资料为例,详细阐述了图表法和数值法绘制Q=f（S）及q=f（S）曲线的具体步骤及判别啦线是否正常的方法,为野外水文地质技术人员提供了一个很好的参考范本。     

地震多属性拟测井多参数反演预测煤层顶底板岩石赋水性研究

通过实例介绍利用地震多属性与测井成果联合反演,获得表征煤层顶底板岩石赋水性强弱的拟测井参数体,进而对其进行赋水性分析：首先利用伽马-伽马测井及视电阻率曲线重构岩石视孔隙度曲线,以获得研究区岩石视孔隙度成果;利用测井成果合成地震记录进行精细的地震地质层位标定及采区地震数据的保幅、保真处理;在测井成果约束下进行地震多属性拟测井多参数反演,利用反演成果的高低异常区评价煤层顶底板赋水强弱分区——低波阻抗、低电阻率、高孔隙度分布的区域对应赋水性强的区域,反之为赋水性弱的区域。     

测井曲线概率分布法识别四川盆地火山岩气水层

火山岩的矿物成分复杂,主要矿物有石英、正长石、斜长石、云母、角闪石、辉石和橄榄石.不同岩性的储层物性和孔隙结构类型各不相同,这给火山岩气水层判别造成很大困难.基于测井资料,首先采用中子-密度交会图的方法求取孔隙度,然后结合实验室的岩电参数以及测井的电阻率曲线,构建P1/2概率分布曲线,根据概率曲线的分布形态来识别火山岩...     

莱州湾凹陷垦利油田沙河街组储层渗透率评价模型研究

文章以莱州湾凹陷垦利油田沙河街组储层为例,对传统的回归统计模型和基于BP神经网络的人工智能预测模型评价储层渗透率方法和效果进行了对比研究。目标储量报告里定火沙三段中孔、中渗;岩性（粒度）和孔隙度是储层渗透率的主要影响因素。根据岩心及测井数据,建立了孔隙度——粒度二元回归渗透率统计评价模型和BP神经网络渗透率预测模型。通过检验样本集精度对比,分析了隐含层数、隐含层节点数等网络结构参数变化对模型预测结果的影响,重点分析了不同的测井参数输入对BP神经网络模型预测结果的影响。优化后的BP神经网络模型对检验样本集的渗透率预测结果精度最高,其平均相对误差为37%,比传统的二元回归统计模型精度提高了26%。对目标油田三口井连续处理,BP神经网络模型渗透率预测结果更加合理,可以满足开发层段产能分析等生产需求。     

基于最小二乘法道路平面曲线拟合

结合最小二乘法的基本原理,利用其进行道路平面曲线拟合,实例表明,与三次样条函数设计计算结果接近,同样能满足路线设计要求,且简化了计算过程,在平面设计工作中具有很强的实用性。     

实时动态差分法测量精度模型及实验研究

从实时动态差分（RTK）测量精度的表现结果出发,通过综合分析RTK测量误差特性,推导出反映RTK测量精度的数学模型,并用实例验证。为实时预测评价RTK局域性控制测量提供可行依据,切实指导RTK测量实践,具有较好借鉴价值。     

变形曲线的SVM分类及在变形等级划分中的应用

变形等级的划分对信息化施工和及时采取相应针对性防治措施以及地震形变在线式分析和预警系统的研究中具有重要的理论与实践意义.本文提出以曲线的曲率和二阶导数来描述变形曲线的特征,并作为SVM输入量对变形进行自动多类分类.     

Imaging spectroscopy in soil-water based site suitability assessment for artificial regeneration to Scots pine

In a humid northern boreal climate, the success rate of artificial regeneration to Scots pine (Pinus sylvestris L.) can be improved by including a soil water content (SWC) based assessment of site suitability in the reforestation planning process. This paper introduces an application of airborne visible-near-infrared imaging spectroscopic data to identify suitable subregions of forest compartments for the low SWC-tolerant Scots pine. The spatial patterns of understorey plant species communities, recorded by the AISA (Airborne Imaging Spectrometer for Applications) sensor, were demonstrated to be dependant on the underlying SWC. According to the nonmetric multidimensional scaling and correlation results twelve understorey species were found to be most abundant on sites with high soil SWCs. The abundance of bare soil, rocks and abundance of more than ten species indicated low soil SWCs. The spatial patterns of understorey are attributed to time-stability of the underlying SWC patterns. A supervised artificial neural network (radial basis functional link network, probabilistic neural network) approach was taken to classify AISA imaging spectrometer data with dielectric (as a measure volumetric SWC) ground referencing into regimes suitable and unsuitable for Scots pine. The accuracy assessment with receiver operating characteristics curves demonstrated a maximum of 74.1% area under the curve values which indicated moderate success of the NN modelling. The results signified the importance of the training set’s quality, adequate quantity (>2.43 points/ha) and NN algorithm selection over the NN algorithm training parameter optimization to perfection. This methodology for the analysis of site suitability of Scots pine can be recommended, especially when artificial regeneration of former mixed wood Norway spruce (Picea abies L. Karst) - downy birch (Betula pubenscens Ehrh.) stands is being considered, so that artificially regenerated areas to Scots pine can be optimized for forestry purposes.