Application of multi-seismic attributes analysis in the study of distributary channels

During the exploration of stratigraphic reservoirs, the key to locating these reservoirs is to identify the sandstone distribution. Seismic data can be used to recognize large-scale distributary-channel sedimentary bodies; however, depiction of sedimentary bodies in small distributary channels using traditional interpretation data from seismic profiles is extremely difficult. In the Upper Cretaceous first sandstone bed of the third member of the Nenjiang Formation (called the Nen 3 member for simplicity) in the XB area of the southern Songliao basin, distributary channels are the main sedimentary facies. The distributary channels migrate frequently; therefore, it is difficult to precisely depict the morphology of the channel and the distribution of sandstone. In this study, we investigated the deposition of distributary channels using equal-scale formation plane seismic attributes such as post-stack amplitude, instantaneous amplitude and seismic waveform classification, analyzed well logging data from target formations, and mapped the distribution of distributary channels. This study shows that seismic sedimentological study and stacking multiple attribute analysis can identify the distribution of distributary channels precisely and effectively. The attributes of equal-scale strata slices are evidently superior to those of time and horizon slices; Attribute extraction and selection of equal-scale formation slices is an essential step. The comprehensive selection of seismic attributes that show a good correlation to a single-well can be used to clearly depict channel bodies. The overlap of the 40-Hz single-frequency energy and the RMS amplitude depicts the sedimentary characteristics and shapes of sandstone bodies in main channels as well as small-scale distributary channels more clearly than a single attribute. These attributes show that the first sandstone bed of the Nen 3 member was from distributary channels with complex shapes. The distributary channels cut across each other vertically and laterally. It indicates that, during the deposition of the Nen 3 member in XB area, the direction of the main channel is from north to south, and the provenance could be from north and east. The method of this paper may provide some helpful suggestions to the geologist using seismic attributes to undertake research on sedimentary environment at other places in the world.     

频谱分解技术在泥页岩储层含气性预测中的应用——以柴达木盆地鱼卡凹陷为例

针对柴达木盆地北缘鱼卡凹陷中侏罗统大煤沟组泥页岩,利用地震频谱曲线在不同流体介质储层中的形态、斜率、主频与中心频率的差值等属性参数特征,识别陆相泥页岩层系的地震频谱属性特征,预测含气性。研究结果表明,中侏罗统大煤沟组上部能量系数较低,平均为0.6719,下部能量系数较高,平均为0.7521,结合现场含气量和全烃特征认为,可以以能量系数0.7为界线,作为识别下部和上部含气性的标志,下部明显比上部含气性好。平面上进一步圈定了2个有利目标区,得到柴页1井勘探验证。因此,频谱分解技术可应用于中国陆相页岩气的勘查开发。     

磁法三维建模在龙王沟磁铁矿勘探中的应用

以龙王沟磁铁矿高精度磁测数据为基础,采用小波多尺度分解方法,对化极后的磁法数据进行多尺度分解,通过功率谱法计算小波多尺度分解后的各阶细节异常的场源深度。结合地形、地质及钻孔资料,采用2.5D人机交互反演对磁测剖面上的磁铁矿体进行拟合,利用Golden Software公司开发的Voxler软件,在虚拟三维环境下实现二维小波多尺度分解数据的可视化,建立三维地质体模型,直观的预测磁铁矿体的空间范围和分布形态,实现地质、物探和地上、地下信息一体化集成展示,进行专业分析评价和辅助决策,可以有效的提高地质找矿效果。     

微波等离子体原子发射光谱法测定偏远矿区海泡石中的主微量元素

海泡石是具有层状结构的含水富镁硅酸盐黏土矿物,其中无机元素含量是揭示其成矿物质来源、成矿流体性质和矿床成因的重要依据,通常采用电感耦合等离子体发射光谱/质谱法(ICP-OES/MS)进行测定,等离子体(ICP)的高温激发会产生成大量谱线干扰,维持ICP稳定工作需使用高纯氩气,持续供气对于偏远矿区海泡石的检测还将面对气体采购和运输不便的问题。本文基于微波等离子体原子发射光谱(MP-AES)的低温激发技术减少光谱干扰,建立了准确测定偏远矿区海泡石中主量元素Mg、Al、Ca、Fe、K、Na和微量元素Cu、Zn、Mn、Pb含量的分析方法。利用硝酸-盐酸-氢氟酸混合酸对海泡石进行微波消解,避免了样品处理过程中分析元素的损失,加快了样品处理速度,同时提高了样品溶液的稳定性。通过选择各元素光谱线的分析波长,并利用快速线性干扰校正(FLIC)技术校正光谱干扰,以Lu为内标元素校正基体效应,提高了灵敏度和准确度。各元素的检出限为0.19～14.6μg/L。海泡石国家标准物质(GBW07138)各元素测定值与认定值的相对误差在-5.0%～6.7%之间。本方法具有检出限低、线性范围宽、结果准确等优点;MP-AES采用自带的氮气发生器为等离子体提供氮气作为工作气,无需引入复杂气体,提高了分析效率,尤其适用于气体采购和运输不便的偏远矿区。     

积雪变化对中国森林凋落物分解影响研究进展

森林凋落物的分解对于维持生态系统物质循环和养分平衡具有重要意义,并受到不同积雪厚度下冻融格局的影响。冻融期（包括冻结过程期、完全冻结期、融化过程期）是冻土区凋落物分解的重要时期,该时期分解的凋落物量约占全年分解总量的一半。积雪减少通常会导致土壤温度降低、冻融循环次数增加,进而影响凋落物分解。通过综述近10年来积雪变化对我国森林凋落物分解影响的研究成果发现,积雪厚度减少在冻融期通常会抑制凋落物质量损失、碳元素释放和纤维素降解,生长季则起到促进作用,从全年来看多数表现为抑制作用。因此,冻融作用造成凋落物的物理破坏,对其分解的促进作用主要发生在后续生长季。积雪厚度减少在冻融期通常抑制氮元素释放,生长季和全年则无明显规律;磷元素和木质素目前研究还存在很大差异。最后,进一步阐述了积雪变化对凋落物分解影响研究存在的问题及未来研究发展方向。     

基于优化经验模态分解和聚类分析的滑坡位移智能预测研究

针对三峡库区"阶跃式"滑坡的变形特征,提出了一种新的滑坡位移预测方法。以白水河滑坡ZG118和XD-01监测点位移数据为例,采用基于软筛分停止准则的经验模态分解(SSSC-EMD)将累计位移-时间曲线和影响因子时间序列自适应地分解为多个固有模态函数(IMF),并采用K均值(K-Means)聚类法对其进行聚类累加,得到有物理含义的位移分量(趋势性位移、周期性位移以及随机性位移)和影响因子分量(高频影响因子和低频影响因子)。使用最小二乘法对趋势性位移进行拟合预测;采用果蝇优化-最小二乘支持向量机(FOA-LSSVM)模型对周期性位移和随机性位移进行预测。将各位移分量预测值进行叠加处理,实现滑坡累计位移的预测。研究结果表明,所提出的(SSSC-EMD)-K-Means-(FOA-LSSVM)模型能够预测"阶跃式"滑坡的位移变化规律,且预测精度高于传统的支持向量机回归(SVR)、最小二乘支持向量机(LSSVM)模型;并通过改变训练集长度,进行单因素分析,发现其与预测精度之间呈正相关关系。     

ASTER mapping of gypsum deposits of Thumrait region of southern Oman

This study demonstrates the use of ASTER data for the mapping of gypsum deposits and associated geological formations that occurred in the Thumrait region of southern Oman. The measurement of spectra over samples of gypsum in the 1,300–2,500 nm wavelength using a PIMA spectrometer showed the presence of distinct absorptions at 1400–1600, 1750, 1940, 2,100, and 2,400 nm characteristics to O? H stretching, H₂O combinations, and S? O bending overtones and stretching, respectively. Studying the unique spectral absorption characters of gypsum samples, we developed a false color composite (FCC) and an image by decorrelation stretch using the spectral bands 7, 3, and 2 of ASTER. The results FCC showed the regions of gypsum occurrences, and the decorrelated image discriminated the gypsum occurrences from other geological formations of the area. The study of surface mineralogy of the region using the VNIR‐SWIR bands by the spectral angle mapper method showed the presence of sulfate, carbonate, and clay minerals of the geological formations in the study area. We compared the results of ASTER with the results obtained using spectral bands 12, 8, and 4 of Sentinel‐2A processed by the same methods. The study showed that the spectral bands of ASTER can be used for mapping the gypsum and associated geological formations.     

卤水中溶解性有机质的光谱学性质和光降解行为研究

卤水中溶解性有机质(dissolved organic matter,DOM)会对盐田日晒工艺和产品质量产生不利影响,如盐田卤水的蒸发速率减缓、蒸发度减小以及提取的矿物产品带有刺鼻的气味、浓重的颜色等。因此,对具有资源开发利用价值的卤水体系中DOM结构和性质的研究可以为后续DOM的有效去除或在DOM共存体系中调控无机盐结晶工艺路线提供有效的指导意见。本文以自然界中广泛存在的两种不同类型的卤水体系,即盐湖卤水DOM(SLDOM)和油田卤水DOM(OFDOM)为研究对象,采用溶解性有机碳(dissolved organic carbon,DOC)分析、光谱学分析和平行因子分析等手段对DOM的含量、分子量分布特征、光谱学结构和光降解行为开展了研究。DOC和荧光分析表明SLDOM和OFDOM的DOC含量和生物指数(BIX)值相似;与OFDOM相比,SLDOM的腐质化指数(HIX)值和高分子量组分(HMW)比例偏高;特别吸收光谱(SUVA₂₅₄)和糖类化合物含量检测结果表明,SLDOM和OFDOM的HMW组分中含有的芳香类和糖类化合物所占比例比低分子量组分(LMW)高;三维荧光谱图分析(EEM)结果表明,SLDOM主要以腐殖质类物质为主,而OFDOM以蛋白质类组分为主。此外,DOM的荧光组分在不同分子量中的分布也存在明显差异:对于SLDOM,富里酸主要分布在HMW DOM中,而腐殖酸主要在LMW DOM中;对于OFDOM,芳香胺类蛋白组分主要分布在HMW DOM中,色氨酸和酪氨酸类蛋白组分主要分布在LMM DOM中。在光降解实验中,SLDOM和OFDOM的DOC含量随光照时间增加而逐渐减少,分别下降了29.32%和15.11%。进一步的分析表明,光照过程中两种卤水中糖类化合物均减少,小分子量的DOM优先分解。此外,在光照过程中SLDOM芳香类化合物增加,腐质化程度基本不变;OFDOM芳香类化合物减少,腐质化程度增加。EEM平行因子分析(PARAFAC)结果表明,SLDOM荧光组分在光降解过程中荧光强度增加,而OFDOM荧光强度减少。     

基于小波长短期记忆网络的风电功率超短期概率预测

随着大规模的风电并网,风电所具有的间歇性与随机性对电力系统的稳定性产生了很大的影响,风电功率预测成为当前解决该问题重要的方式之一.本文利用长短期记忆（LSTM）网络良好的时序记忆特性,将小波分解技术与LSTM深度网络结合,提出基于小波长短期记忆网络的风电功率超短期概率预测模型.首先通过小波分解技术将原始时间序列进行平稳化处理,再建立各子序列样本的LSTM网络预测模型,借助最大似然估计法估计预测误差的高斯分布函数,最终实现对未来4 h时刻的风电功率概率区间预测.最后,采用中国东北某风电场数据对所提方法进行算例分析,结果表明,将小波分解与深度学习方法结合可以较好地提高预测的精度,提高概率预测的区间可靠性.     

不同要素谱逼近对高分辨区域数值模式梅雨模拟的改进

为改进高分辨率区域数值天气预报模式雨带模拟偏差,利用WRF模式探讨了不同要素及其组合谱逼近方法对2015年浙江典型梅雨天气预报性能的影响。结果表明:(1)不同单要素逼近对梅雨模拟效果影响差异明显,风场逼近对模拟结果改进较大,高度场逼近对结果略有改善,而温度场逼近主要表现为负效应;风场组合了其他要素的逼近效果与单要素类似,故将水平风场谱逼近确定为最优方案。(2)最优方案对梅雨期间形势场各要素改进程度的排序为纬向风、经向风、相对湿度、温度场和高度场;三个特征层850、500、200 hPa各要素平均的均方根误差(相关系数)分别降低了(增加了)24. 1%(13.6%)、22.7%(21.7%)和13.0%(12.2%);且改进幅度随预报时效的延长而增加,这主要与区域模式内部大尺度系统的误差随积分时间增长有关。(3)典型个例分析显示,最优方案在较好订正低层风场及切变线动力条件的基础上,经过数值模式各物理过程的协同积分也修正了高湿区等关键热力因子,最终改进了高分辨率区域模式的梅雨模拟。