川西高温水热活动区深部热结构的地球物理分析

川西高温水热活动区是地热学研究的典型地区之一,该区温泉、热泉点分布广泛,这些温泉大多沿北西-南东向的金沙江断裂、德格-乡城断裂、甘孜-理塘断裂、鲜水河三条主断裂呈条带状分布.对此高温水热活动区开展地热学分析,是研究青藏高原"东构造结"深部地球动力学过程、开发利用川西高原地热资源的重要基础,具有重要的科学研究意义和实际应用价值.本文针对实测氦同位素所发现的壳幔热结构比,依据重力、航空磁法、地震资料,采用反演莫霍面、居里面深度等方法,对川西高温水热活动区的深部热结构进行了分析.同时对中高温热泉密集出露的巴塘、理塘以及康定水热活动区的典型壳幔热流构与深部背景场进行了对比研究.结果表明,地表氦同位素热流估算的深部热流结构与地球物理异常结果保持较好的对应关系.川西地区热流结构中地壳、地幔的热贡献比较接近：巴塘地区平均Q_c/Q=51.38%、理塘地区平均Q_c/Q=54.39%、康定地区平均Q_c/Q=42.42%.川西地区表现出了"温壳温幔"型的深部热结构,但温地壳背景下形成较高地表热流的原因有待进一步研究.     

地震油气储层的小样本卷积神经网络学习与预测

地震储层预测是油气勘探的重要组成部分,但完成该项工作往往需要经历多个环节,而多工序或长周期的研究分析降低了勘探效率.基于油气藏分布规律及其在地震响应上所具有的特点,本文引入卷积神经网络深度学习方法,用于智能提取、分类并识别地震油气特征.卷积神经网络所具有的强适用性、强泛化能力,使之可以在小样本条件下,对未解释地震数据体进行全局优化提取特征并加以分类,即利用有限的已知含油气井段信息构建卷积核,以地震数据为驱动,借助卷积神经网络提取、识别蕴藏其中的地震油气特征.将本方案应用于模型数据及实际数据的验算,取得了预期效果.通过与实际钻井信息及基于多波地震数据机器学习所预测结果对比,本方案利用实际数据所演算结果与实际情况有较高的吻合度.表明本方案具有一定的可行性,为缩短相关环节的周期提供了一种新的途径.     

深度神经网络拾取地震P和S波到时

从地震波形数据中快速准确地提取各个震相的到时是地震学中的基础问题.本文针对上述问题提出了利用深度神经网络拾取到时的新方法,建立了用于地震到时提取的17层Inception深度网络模型,在对原始三分量数据进行高通滤波和归一化处理后输入网络直接输出到时信息.整个过程基于神经网络自适应提取波形特征,自动输出结果.通过对100组加了不同强度的噪声数据进行了可靠性检验,相比于其他方法神经网络方法对于噪声具有较高的容忍度以及稳定性,并且与地震目录数据有较高的相似性.相比于AR-AIC+STA/LTA,深度神经网络虽然运算速度稍慢,但整个过程不需设定时窗与阈值,同时具有更高的可用性,并且可以迭代升级以提高精度.此方法作为人工智能方法,为波形到时拾取提供了新思路.     

青藏高原东北缘及周边地区基于程函方程的面波层析成像

利用"中国地震科学台阵探测"在南北地震带北段布设的670套宽频带地震台站记录到的面波资料,使用新近发展的程函方程面波层析成像方法,获得了青藏高原东北缘及周边地区12~60 s周期范围比以往成像结果具有更高分辨率的瑞利面波相速度分布图像.青藏高原东北缘的祁连褶皱系西段、秦岭褶皱系西段和松潘一甘孜褶皱系,在16~60s周期范围内均显示出明显的低速异常分布,表明该地区的地壳力学强度较低,在强烈的构造应力作用下易发生形变.与西段不同,祁连褶皱系东段和秦岭褶皱系中段的相速度分布特征揭示,其中下地壳的速度明显高于高原内部区域.鄂尔多斯块体整体上表现为稳定块体具有的高速特征,但其西部边缘在中上地壳的速度比块体中部地区偏低,且存在一定的不均匀性.鄂尔多斯块体西北缘的临河断陷盆地和西缘的银川断陷盆地,在较短的周期范围内(12~20 s)表现为局部低速特征,但与银川断陷盆地不同,临河断陷盆地的低速特征可一直延续至60 s周期以上,表明该盆地下方地壳及上地幔速度明显偏低,可能与深部热作用有关.阿拉善块体与其北部地区的速度差异主要表现在中上地壳,这一现象值得今后进一步探讨.基于程函方程面波层析成像方法给出了青藏高原东北缘及周边地区高分辨率的成像结果,揭示了以往面波层析成像难以获得的深部细节特征,为该地区的深部构造研究提供了新的信息.     

接收函数确定Moho面速度和密度跃变的方法研究及应用

通过对单层模型反射和透射系数的推导,提出了利用接收函数一次转换波和多次波确定Moho面速度和密度跃变的速度-密度跃变(δβ-δρ)扫描叠加方法.利用反射率法计算了不同模型的远震理论地震图,按照与处理实际观测波形一致的方法和流程计算了理论接收函数;根据不同模型数值试验结果,深入分析了界面速度和密度跃变对接收函数震相幅度的影响.利用(δβ-δρ)扫描叠加方法,对理论接收函数进行了数值试验,结果证明了该方法的可行性.最后将该方法应用于位于青藏高原东北缘的高台(GTA)台和兰州(LZH)台,确定了两个台站下方Moho面的速度跃变分别约为(19±1)%和(20±1)%,密度跃变最小值为(4±2)%和(6±2)%.     

四川盆地深部地壳结构——深地震反射剖面探测

四川盆地位于扬子地块的西北部,被褶皱构造带所围绕,受周缘构造带的侧向挤压作用,盆地卷入了多期次和多边界的构造变形,为开展盆山耦合作用及多边界、多期次构造叠加与复合关系的研究提供了不可多得的理想野外实验室.为揭示四川盆地地壳结构,本文通过对3条不同时间采集的深地震反射剖面数据进行拼接联线处理,获得跨越四川盆地的330 km深地震反射偏移成果剖面,揭示了四川盆地地壳上地幔细结构:沉积层从西北向东南逐渐变薄,在龙门山前沉积层厚度超过15 km,在华蓥山下沉积层减薄到~8 km,且褶皱变形形成华蓥山薄皮褶皱冲断带;莫霍面出现在13~15 s(双程走时),埋深约40~45 km;并发现从下地壳延伸至地幔的东南向的倾斜反射,从13 s向下延伸至18 s,结合四川盆地及其周边地区其他地球物理和地球化学花岗岩同位素年龄等资料,我们认为这些倾斜反射层是扬子克拉通地台西北缘发生的新元古代俯冲的遗迹.     

中国大陆背景噪声强度时空分布

使用中国地震台网888个宽频带地震台站2010年1月至2011年6月记录的连续波形垂直向分量, 进行了中国大陆背景噪声强度时空分布研究, 得到了中国大陆周期为10 s的背景噪声强度的时空分布图像。 背景噪声强度的时间分布具有一定的季节性和周期性变化特征, 研究表明2011年1~3月间的背景噪声强度最高。 背景噪声强度空间分布显示, 中国大陆背景噪声强度呈现明显的分区特性, 其分布与地质结构无明显相关性, 表明背景噪声场的强度高于场地效应。 其中, 东南沿海地区的背景噪声强度最大, 向内陆地区逐渐衰减, 至青藏高原地区背景噪声强度减至最小。 这种方向性的强度分布很可能与菲律宾和太平洋的潮汐等因素有关, 受印度洋的影响不大; 而到新疆地区, 背景噪声的强度又有一定程度增加, 表明这一地区的背景噪声主要不是来源于中国东南海域, 而是来自于欧亚大陆内部。 本研究得到的背景噪声强度可以为多个地区的微震强度提供基础数据资料, 也可以为背景噪声互相关的地震学研究提供参考。 更为重要的是, 还可以为基于背景噪声提取面波衰减研究提供基础数据, 进而实现从背景噪声中提取面波衰减。     

多源遥感影像深度特征融合匹配算法

针对多源遥感影像之间成像机理不同、非线性光谱辐射畸变大以及灰度梯度差异明显等所导致的匹配困难问题,提出深度特征融合匹配算法(Feature Fusion Matching Algorithm, FFM)。(1)通过构建特征图金字塔网络提取影像深度特征,使用特征连接结构将语义丰富的高层特征与定位精确的低层特征互补融合,解决多源影像同名特征难以表征的问题并提高特征向量的定位精度;(2)对原始维度1/8的特征图进行交叉变换来融合自身邻域信息与待匹配影像特征信息,通过计算特征向量间的相似性得分得到初次匹配结果,针对特征稀疏区域,提出滑动窗口自适应得分阈值检测算法来提升匹配效果;(3)将匹配结果映射至亚像素级特征图,在小窗口内计算像素间的匹配概率分布期望值来检校优化匹配结果,提高匹配点对的准确性;(4)使用PROSAC算法对匹配结果进行提纯,有效剔除误匹配的同时最大限度保留正确匹配点。试验选取6对多源遥感影像,将FFM同SuperPoint、SIFT、ContextDesc以及LoFTR算法进行对比,结果表明FFM算法在匹配点正确率、匹配点均方根误差以及分布均匀度等方面远优于其他算法。将FFM匹...     

正二十面体六边形全球离散格网编码运算

全球离散格网系统是指把地球表面按照一定规则离散分割成多分辨率层次结构的格网单元,广泛应用于海量多源空间数据的组织、管理和分析中。六边形全球离散格网具有优良的几何特性,非常适合于空间数据的处理,如何进一步提高六边形全球离散格网编码运算的效率仍是当前研究的重点。本文采用正二十面体施耐德投影四孔径六边形全球离散格网模型,基于六边形三轴坐标与编码的二进制数的对应关系构建四孔六边形的基础编码结构,将二十面体划分为32个基础六边形,并将之分为3种基础六边形剖分瓦片,在每个六边形剖分瓦片采用基础编码结构进行编码,建立了四孔六边形全球离散格网编码,同时设计了并实现了四孔六边形编码与六边形三轴坐标之间的快速转换,基于此构建了一种高效的四孔六边形全球离散格网编码运算方案,包括编码的算数运算、空间拓扑运算和邻域检索运算及跨面运算。与现有的六边形全球离散格网编码运算方案相比,本文的方案进一步提高了编码算数运算、空间拓扑运算和邻域检索运算的效率,编码加法运算是HLQT的2～3倍,邻域检索运算分别是HLQT的3～5倍和H3的2～3倍,且受格网编码层次的影响较小,编码的跨面邻域检索运算时间略高于面内的运算,可以为全...     

基于LBS和深度学习的旅游景区客流量的高时频预测

为实现精准的旅游景区客流量的高时频预测,本研究构建了一套基于LBS和深度学习模型的预测方法。此方法可通过对LBS数据的转换实现预测的空间范围与时频控制,并通过方法的核心模型——基于双向循环神经网络和GRU算法构建的深度双向GRU(DBi-GRU)模型完成预测。为检验方法的有效性,研究以深圳大梅沙海滨公园为例对方法进行实验测试。实验使用拟合曲线、误差指标及DM检验3种方法评估DBi-GRU模型的预测效果。此外,实验还设置了其他五种深度学习模型作为DBi-GRU的对照模型,测试基于不同深度学习算法的模型之间的预测水平差异。实验结果表明:(1)本研究提出的DBi-GRU模型在景区客流量高时频预测中具有理想的预测效果,在高峰时段的客流量预测方面也具有较高准确性,预测效果明显优于其他深度学习模型;(2)基于双向循环网络的模型的效果普遍优于基于常规循环网络的模型。尤其是基于双向LSTM算法的模型,虽然预测的准确度略逊色于DBi-GRU模型,但在模型性能上与其的差异并不显著;(3)在相同网络参数下,GRU算法较前人采用的LSTM和RNN算法有着更高的预测准确性。本研究为客流量预测领域的研究提供了一种...