三维可视化及物探新技术在矿山接替资源勘查中的应用——以铜陵狮子山矿田为例

在矿山发现和勘查过程中往往积累了大量地质、物探等资料,随着地质体三维可视化和物探新处理方法的发展,利用这些方法对已有资料进行深度挖掘与开发可以提炼出新的有利找矿的信息,避免工作量的重复投入,可为矿山接替资源勘查提供有力的技术支持.本研究以铜陵狮子山矿田为例,收集了其勘探阶段积累下来的地质钻探及物探资料,采用地质体三维可视化建模技术对这些资料进行了二次处理,建立了冬瓜山铜矿的三维矿床模型.在可视化环境下,分析了矿体与各成矿地质要素之间的关系,结合新处理方法对已有重磁资料再处理获取的信息,圈定出了寻找同类矿床的靶区一前冲靶区,并采用EH-4等物探方法进行了验证,通过钻探验证表明,采用三维可视化、物探处理新方法对已有资料进行深度挖掘与开发,不但可以为矿山接替资源勘查提供找矿信息,还能节约大量时间和资金.     

非稳态地下水流系统响应降雨变化的数值模型研究

区域地下水流系统的发育受地质、气候和地形多种因素的影响。以往的地下水流系统研究主要探讨了地质、地形和稳态气候条件下所形成的局部、中间和区域流动系统的组成特征,对非稳态的地下水流系统认识不足。聚焦于研究地下水流系统对降雨变化的动态响应规律,使用HydroGeoSphere构建了剖面二维地下水地表水耦合数值模型,模拟在降雨的周期性和随机性叠加动态驱动下非稳态渗流场形成的地下水流系统。模拟结果表明,各层级流动系统的空间范围都会随着降水波动而发生变化。局部地下水流系统在雨季并非都处于扩张状态,在旱季也并非都处于收缩状态。各个局部流动系统的同时刻穿透深度之间可能具有无关、正相关或负相关关系,这取决于各个局部流动系统响应降雨变化的滞后性。中间流动系统在非稳态条件下非常活跃,其排泄出口、补给入口和循环路径随时间变化,并强烈影响局部流动系统。通过5种不同含水层参数和降雨情景的模拟对比,发现地下水流系统的滞后性和穿透深度的相关性对含水层各向异性特征较为敏感。下一步,需要更加深入地研究地下水流系统在季节尺度、多年乃至跨世纪时间尺度气候波动过程中的非稳态响应规律。     

融合储层纵向信息的机器学习岩性识别方法

测井资料中包含丰富的岩性信息,相比于取心资料,具有连续性强、成本低等优点。用机器学习方法探索测井曲线与实际取心段样本岩性之间的关系,实现储层岩性的自动识别,降低岩性识别成本,提高识别效率和准确性,可以为储层评价提供有效手段。基于岩性分类依据选择适合样本的分类方案,选取适合岩性分类问题的机器学习方法设计试验方案,提出了融合储层纵向信息的机器学习岩性识别方法,利用深度窗对常规测井数据和已知岩性数据进行了序列采样,生成了训练样本。用逻辑回归、支持向量机、随机森林、卷积神经网络和Stacking集成学习5种不同方法分别建立模型,对新疆某油田的强非均质岩层原始样本进行了岩性识别。结果表明,当深度窗宽度与岩层厚度相匹配时,在原始样本具有强非均衡性的情况下,用本方法对其进行预处理之后,各个机器学习方法获得的岩性识别准确率均有较大提高。深度窗的宽度决定了方法识别岩层厚度的精度,深度窗越小,识别精度越高;深度窗越大能够保留的纵向信息越多,对相应厚度的岩层识别准确率越高。本文的融合储层纵向信息的机器学习岩性识别方法能提升测井资料岩性识别的准确性,给非均质薄岩层的自动有效识别提供了经济有效的参考方案。     

震后早期阶段余震预测研究进展

震后早期快速、准确的余震预测对震后灾害风险应对和采取有效的处置措施十分重要.震后早期阶段地震目录不完整性是影响现有余震预测方法快速、准确预测的关键因素.近年来,随着技术和模型的发展,使得震后早期数据缺失阶段的余震预测成为可能.本文针对震后早期数据缺失阶段难以开展有效的余震预测问题,分别从提升余震检测率角度阐述了匹配滤波技术和深度学习技术,从统计地震学的余震补齐角度阐述了双尺度变换技术,从最大限度利用余震信息实时预测角度阐述了Omi模型和Lippiello模型等研究进展,分析了各类方法的优劣势,并提出了综合解决震后早期数据缺失阶段余震预测“瓶颈期”问题的技术路线,为从事地震检测、余震预测以及震后趋势研判等相关工作的科研人员提供科学参考.     

多种方法测定2019年皎口水库地区2.5级以上地震震源深度

应用CAP方法、sPL深度震相方法和双差定位方法,对2019年M2.5以上皎口水库地区地震震源深度进行测定。通过CAP方法进行反演,计算出最佳震源机制解及震源深度;在震中距50 km左右的近台识别出清晰的sPL震相,运用频率—波速（F-K）方法画出各种震源深度的理论波形,与实际波形进行拟合确定震源深度;建立地震事件对,利用走时差观测值与理论值的残差确定其相对位置及深度。结果发现,上述多种方法测定的结果基本一致;相对而言,双差定位方法更适合皎口水库地区地震震源深度的测定。     

复杂地质条件下金属矿区地震勘探数据处理技术研究

为揭示阿舍勒矿集区深部地质结构,提取深部找矿信息,2019年开展了该矿区二维地震反射采集与攻关试验。针对复杂地质条件与原始资料品质一般,处理中突出了精细静校正、多域叠前噪音衰减、多次速度分析、叠后、叠前时间偏移等技术。实践表明,层析静校正与全局寻优剩余静校正结合,能解决地形复杂区低信噪比资料静校正问题;采用叠加均方根速度构建初始偏移速度场,进行叠前深度偏移处理,能实现共反射点叠加和绕射点的归位,较好地刻画深部地层结构、区域大断裂、岩浆通道、局部隐伏岩体等,为矿区深部找矿靶区优选提供了基础资料。     

基于深度学习的地震速度谱自动拾取研究

在常规的地震数据处理工作流程中,人工拾取地震速度谱中的叠加速度存在耗时长、效率低的问题,且容易受到人为经验的影响.本文基于目标检测的方法,应用改进后的FCOS(Fully Convolutional One-Stage Object Detection)神经网络模型实现速度谱中叠加速度的自动拾取.该方法将速度谱图像作为输入,经模型训练后输出“时间-速度”对序列.在处理低信噪比工区数据时,针对速度谱能量团聚焦特征较差的特点加入基于深度神经网络(Deep Neural Network, DNN)的线性回归模型以拟合出全局速度曲线.Marmousi模型数据和实际工区数据测试结果表明,本文所设计的地震速度谱自动拾取模型准确性较高、鲁棒性强,有效地缓解了人工拾取的负担,在保证速度拾取精度的同时显著地提高了效率.     

基于D-LinkNet的2014年云南鲁甸MS6.5地震建筑物损毁与重建评估

基于谷歌影像和无人机遥感影像,利用D-LinkNet神经网络提取2014年云南鲁甸M_S6.5地震震中龙头山镇建筑物灾害信息,并计算平均震害指数的统计值,得出此次地震的烈度。基于D-LinkNet模型进行检测,将损毁建筑物的提取结果与建筑物群变化的检测结果进行相交,构建重建评估系数,确定研究区的重建程度。评估结果为研究区的地震烈度既有Ⅷ度又有Ⅸ度。2015年的重建恢复等级为“一般恢复”,2018年为基本“完全恢复”。将损毁及重建评估结果与中国地震局等相关部门发布的相关信息进行对比,证实了本方法的准确性。     

滇西北构造地热特征及对地震活动的影响

温泉的水化学组分、循环路径和构造地热特征是分析活动断裂中流体耦合机制及讨论流体对地震发生影响的有效约束之一.本文通过对滇西北地区多条活动断裂附近的温泉资料进行收集,应用硅-焓模型估算了该区域温泉的热储温度,对温泉的出露温度、离子组分、热储温度、循环深度及同位素组成特征(δD和δ¹⁸O)等进行了分析.首先对区域内的地震进行了重定位分析,讨论了小震震源深度与热储温度的关系,而后分析了该区域的b值特征,论述了以热储温度表示的区域浅层地热特征与地震活动的关系.结果表明2021年5月21日云南漾濞6.4级地震发生在浅层地温场高值区与低值区转换的地热温度梯度异常区内.     

双复杂条件下的波动方程叠前深度偏移

复杂地表条件下的地震勘探越来越被人们所关注.双复杂条件下的叠前深度偏移方法是解决复杂地表条件和复杂地质构造成像的有效手段."波场上延"法能实现由非水平观测界面开始的偏移过程,解决复杂地表对地下构造成像的影响.复杂理论模型的试算以及实际资料处理表明,"波场上延"方法较好地克服了起伏地形对地下构造成像的影响,取得了令人满意的效果,实现了波动方程基准面校正和深度成像的有机结合.