祁连山冻土区天然气水合物地球化学迁移机理探讨

陆域冻土区天然气水合物成矿机制较为复杂,水合物横向难以对比,形成机理不清楚,急需对天然气水合物迁移机理进行研究。文章根据祁连山冻土区天然气水合物发现区钻井揭示的地质和地球化学资料以及岩芯样品分析测试结果进行了综合分析。结果显示,研究区中侏罗统和上三叠统均为较好烃源岩,天然水合物气源以热解气为主,主要由上三叠烃源岩迁移和中侏罗统木里组烃源岩扩散提供,显示了多源多期次的特点。根据地质和地球化学分析,祁连山天然气水合物的形成经历了晚侏罗世—早白垩世的气体运移与聚集、中新世中晚期—上新世整体抬升、第四纪游离气体转化成天然气水合物矿藏3个阶段,经历了"先聚集-再抬升-后成藏"等过程,是构造-气候耦合作用的结果,初步建立了祁连山冻土区天然气水合物迁移机理。     

含铬方解石向磷灰石转化过程中铬的迁移和固定

为了研究含重金属方解石向磷灰石转化过程中重金属的迁移转化规律,通过共沉淀法制备了分别含Cr(Ⅲ)和Cr(Ⅵ)的方解石,在水热条件下研究其向磷灰石的转化过程,并用XRD、FT-IR、SEM、ICP-OES等手段对产物进行测试和表征。结果表明,含Cr(Ⅲ)和Cr(Ⅵ)的方解石均可在水热条件下转化为碳羟磷灰石,超过97%的铬被固定到磷灰石结构中,仅约0.18%～2.06%的Cr(Ⅲ)、0.10%～0.62%的Cr(Ⅵ)被释放到溶液中。反应温度介于120～200℃范围内,温度越高,释放到溶液中的铬越少。研究结果表明,通过方解石-磷灰石的转化可以将铬固定到磷灰石中,从而降低土壤中铬的生物可利用性。     

南堡凹陷高北地区“异迁移”型层序构型成因及其对沉积的意义

受到区域性幕式构造活动的影响,南堡凹陷高北地区沙河街组时期发育典型的“异迁移”型层序地层构型.充分利用钻井、测井和高分辨率三维地震等资料,运用层序地层学和沉积盆地分析相关理论和方法,系统地研究了“异迁移”型层序构型的特征和成因机制.结果表明,南堡凹陷高北地区沙河组为3个二级层序、7个三级层序（SQ1~SQ7）,在地震剖面上呈现出独特的“跷跷板式”交替增厚的横向叠加特征.其中,SQ1~SQ2层序主要发育于盆地西侧,SQ3~SQ4层序在盆地两侧均匀发育,SQ5~SQ7层序主要发育于盆地东侧.多重因素相互叠加形成了这种独特的层序构型:（1）幕式运动造成边界断层活动性发生东西转换,从而导致层序沉积中心自西向东大范围迁移;（2）不同时期板块活动引起区域应力场的方向发生顺时针旋转,使得控凹断层由早期的NW-SE向逐渐变为N-S向;（3）不同类型的断层组合样式也影响着沉积中心发育的位置和规模,从而导致了研究区沙河街组时期层序发生大范围的迁移.“异迁移”型层序在侧向迁移过程中,不同层序内发育的沉积相特征和充填样式均发生自西向东规律性的转移,提出“异迁移”型层序构型成因机制的研究可以更好地为幕式构造活动背景下陆相断陷湖盆沉积层序演化提供新的思路和见解.      

金属矿山废弃地分析及植物修复技术研究

随着矿产资源的大量开采和冶金工业的快速发展,金属矿山废弃地与日俱增。它不仅侵占大量土地,损害生态景观,还带来了严重的环境污染。对重金属污染地进行修复治理十分必要。本文划分了金属矿山废弃地的类型,总结了矿山废弃地的特征,阐述了金属矿山废弃地污染物质的迁移机制、毒性机理及危害,探讨了金属矿山废弃地修复方法,包括工程物理化学法、农业化学调控法和植物修复法。着重介绍了超富集植物修复技术、先锋植物修复技术和植物辅助修复技术。认为植物修复技术是一种新兴、有潜力的绿色修复技术,适合我国国情,是低消费的有效修复途径,值得研究推广。     

基于UNet模型的智能海洋遥感分类框架研究

借助遥感影像和人工智能方法自动提取空间地物是遥感领域的热点方向,本文基于PyQGIS和改进的UNet模型,设计开发了智能海洋遥感分类程序。该程序可以实现面向大尺度遥感影像的用户自定义智能分类、裁剪、拼接、分类评价、影像可视化和地图操作(包括影像放大、缩小、属性查询等)。并以三类典型海洋地物为案例,基于开发的程序测试,实现了总体精度92%、Kappa系数0.87、平均交并比82%的改善结果。文中提出的智能海洋遥感分类框架可为研究人员和工程人员提供参考,为沿海地区规划、监管和综合治理提供决策支持。     

基于遥感+AI技术的沈阳市违法图斑的确定

研究了基于深度学习的自动变化检测等技术,并在沈阳市违法图斑确定项目中进行了深度应用。通过实际的成果分析,确定了该方法可以全方位提升遥感数据的自动化处理、分析能力,实现了影像变化信息的高精度、高效率提取,使目前的土地违法变化高效精准、常态化、低成本监测成为可能。     

基于HRCT诊断模型鉴别纯磨玻璃结节样肺腺癌浸润程度研究进展

鉴别肺纯磨玻璃结节样肺腺癌的浸润程度对于临床管理及改善患者预后有重要的指导意义,目前已开发出多种诊断模型用于此。本文结合国内外相关文献,介绍基于HRCT表现的诊断模型在鉴别肺纯磨玻璃结节样肺腺癌的浸润程度研究现状及价值评估等,对其研究进展及临床应用前景进行综述。      

基于Polar1DMLP模型的CCTA冠脉管腔分割方法研究

冠状动脉数字图像造影（CCTA）是一种有效的无创评估冠脉血管狭窄等病变情况的成像技术,对CCTA的自动筛查评估依赖于冠脉管腔的高精度分割。为探索能够分割出高质量的冠脉官腔的算法,本文进行基于深度学习的端到端分割实验以及基于中心线先验信息结合CCTA灰度特征的冠脉管腔分割实验,其中基于深度学习回归方法的Polar1DMLP模型能够结合中心线先验信息得到较好的分割效果。基于公开数据集Coronary Artery Stenoses Detection and Quantification Evaluation Framework中的78组冠脉截段数据进行训练与验证,在16段数据的验证集上得到MSD （mean surface distance）为0.169 mm,DICE为0.796。结果表明本文提出的以中心线为导向信息的Polar1DMLP模型能够较好地整合血管CCTA灰度特征,回归出较为准确的冠脉血管内壁管腔轮廓半径,得到较为平滑的冠脉管腔表面模型,本方法有着较大的潜力以及拓展空间。      

基于LSTM循环神经网络的储层物性参数预测方法研究

储层物性参数是反映储层油气储集能力的重要参数,表征了不同地质时期的沉积特征.地球物理测井参数由深及浅反映了不同地质时期的声、放、电等沉积特征,因而测井参数和泥质含量(孔隙度)之间有很强非线性映射关系,并具有时间序列特征.充分利用多种测井参数预测储层泥质含量和孔隙度对于储层精细描述具有十分重要的意义.深度学习技术具有极强的数据结构挖掘能力,目前,全连接的深度神经网络已经在泥质含量预测进行了初步尝试并取得了较好的效果.而长短时记忆(LSTM)循环神经网络更适合解决序列化的数据问题,因此本文提出基于LSTM循环神经网络利用多种测井参数进行泥质含量和孔隙度预测的方法,预测结果的均方根误差比常规全连接深度神经网络分别下降了42.2%和48.6%,实际应用表明,对于具有序列化特性的泥质含量和孔隙度,LSTM循环神经网络预测的准确性和稳定性要明显优于常规全连接深度神经网络.     

基于特征学习的低剂量CT成像算法研究进展

随着CT（computed tomography）技术在临床中的大量应用,其辐射伤害问题也越来越受到人们的关注。与此同时,高性能低剂量的成像也已经成为近年来CT研究领域中的重要研究方向。随着学习型算法的提出及广泛应用,为低剂量CT成像算法的发展带来了新的方向。在影像大数据环境下,基于特征学习方法的低剂量CT成像有着更广阔的发展空间。本文将从稀疏表示和深度学习两个方面,介绍一些国内外应用于改善CT成像质量的相关技术,包括CT成像技术的发展趋势,特征学习相关算法的研究现状,提高低剂量CT扫描成像质量的相关方案等。本文对近年来在低剂量CT成像及特种学习算法等领域的研究成果进行了介绍,并进行相关总结和分析。