高丰度煤层气富集区地球物理识别_彭苏萍_杜文凤_殷裁云_邹冠贵
2016年全国天然气学术年会第一分会场(地质勘探分会场)
10
华北油田公司煤层气事业部
TRQNH-2016-A30
2016 年全国天然气学术年会第四分会场（钻完井工程和综合分会场）
序号
1
论文题目
非常规天然气系列产品标准探讨
论文作者
周理 郭开华 罗勤 蔡黎 许文晓
单位
中石油西南油气田天研院
评分等级 一等奖 一等奖 一等奖 一等奖 一等奖 一等奖 一等奖 一等奖 一等奖 一等奖
TRQNH-2016-A27
8
气井生产运行期完整性管理初探 苏里格气田水平井不动管柱多级分段压裂技 术 煤层气地面降压抽排技术
张宇 仝少凯
朱庆
谢亮
余翔 张冕
谢波 李善维
中石油西南油气田蜀南气矿
TRQNH-2016-A28
9
王祖文
岳艳芳 王仙之 李雪琴 薛占新 郭简 赵磊
川庆钻探公司长庆井下作业公司
TRQNH-2016-A29
中石油西南油气川中油气矿
TRQNH-2016-A20
2016 年全国天然气学术年会第三分会场（采气工程和地面建设分会场）
序号
1
论文题目
温控固化下沉剂堵水压裂技术在苏里格气田 西区的应用 致密储层水平井体积压裂簇间距优化方法 蒋文学
论文作者
文果 陈迎花
单位
川庆钻探工程公司钻采院
评分等级 一等奖 一等奖 一等奖 一等奖 一等奖 一等奖 一等奖 一等奖 一等奖 一等奖
TRQNH-2016-A10
2016 年全国天然气学术年会第二分会场（气藏开发分会场）
序号
1
论文题目
页岩水化微观作用力定量表征 杨
论文作者
斌、康毅力、游利军、 李相臣、 陈 强 磊、
ú
文章编号： １ ６ ７ ４ — １ ８ Ｏ ３ （ ２ ０ ｌ ５ ） ０ ８ — ０ ０ ２ １ — ０ ５
煤 岩 水 力压 裂 裂 缝 扩 展 规 律 实验 研 究
张 羽 ， 张遂 安 ， 刘元东 ， 卢凌云 ， 刘秉谦 ， 宋广 宇 ， 马雄强
（ １ ． 中国石油大学 （ 北京 ） ， 北京 １ ０ ２ ２ ４ ９ ； ２ ． 中国石油技术开发公 司 ， 北京 １ ０ ０ ０ ２ ８ ） 摘 要： 为了分析煤岩水 力压裂裂缝扩 展规律 ， 采 用真三维水力压裂 物理模 拟实验平台进行煤样真三轴水力压裂物
方 向扩展 ， 当 ‰值＜ １ 时， 水力 压裂裂缝趋 于沿天然裂 隙方 向扩展 ， 当 值＝ ｌ 时， 水力压裂裂缝扩 展方 向处于不定状
态； 渐近 角对 水力压裂裂缝 扩展的影响程度 总体 上小于天然裂 隙 、 割理和水平应力差 ， 实验结果与煤矿井下压 裂裂
缝 观测结果一致 。
关键词 ： 水力压裂 ； 裂缝扩展 ； 物理模拟 ； 应力差 ； 渐进角
Ｚｈ ａ ｎ ｇ Ｙｕ ， Ｚｈ ａ ｎ ｇ Ｓ ｕ ｉ ａ ｎ ， Ｌｉ ｕ Ｙｕ ａ ｎ ｄｏ ｎ ｇ ， Ｌｕ Ｌｉ ｎ ｙ ｕ ｎ ， Ｌｉ ｕ Ｂｉ ｎ ｑｉ ａ ｎ ａ ｎ ｄ Ｓ ｏ ｎ ｇ Ｇｕ ａ ｎ ｇ ｙ ｕ ， Ｍａ Ｘｉ ｏ ｎｇ ｑ ｉ ａ ｎｇ
中图分类号 ： Ｐ ６ １ ８ ． １ １ 文献 标 识 码 ： Ａ
ห้องสมุดไป่ตู้
Ａｎ Ｅｘ ｐ ｅ ｒ ｉ ｍｅ ｎ ｔ ａ ｌ Ｓ ｔ ｕ ｄ ｙ ｏ ｎ Ｃｏ ａ ｌ ａ ｎ ｄ Ｒｏ ｃ ｋ Ｈｙ ｄ ｒ ａ ｕ ｌ ｉ ｃ Ｆ ｒ ａ ｃ ｔ ｕ ｒ ｉ ｎ ｇ Ｆ ｉ ｓ ｓ ｕ ｒ ｅ Ｏｕ ｔ ｓ ｐ ｒ ｅ ａ ｄ Ｐａ ｔ ｔ ｅ ｒ ｎ
ú
关
键
词： 煤层气； 水 力压 裂 ； 消 突； 高 瓦斯 ； 微 震监 测
（ １ ． 河南理工大学 资源环境学 院， 河南 焦作 ４ ５ ４ ０ ０ ０； ２ ． 河 南 省 生 物遗 迹 与成 矿 过 程 重 点 实 验 室 ， 河南 焦作 ４ ５ ４ ０ ０ ０ ； ３ ． 河 南 工 程 学 院 资
源环境学 院， 河南 郑州 ４ ５ １ １ ９ １ ； ４ ． 河 南 省 高校 煤 矿环 境 地 质 灾 害 防治 工 程 技 术 研 究 中心 ， 河南 郑州 ４ ５ １ １ ９ １ ）
Ｌ Ｉ Ｕ Ｇａ ｏ ｆ ｅ ｎ ｇ ，Ｗ ＥＮＧ Ｈｏ ｎ ｇ ｂ ｏ ，ＳＯＮＧ Ｚｈ ｉ ｍｉ ｎ ，ＬＵ Ｒｕ ｎｓ ｈｅ ｎ ｇ ，ＲＥＮ Ｊ ｉ ａ ｎ ｇ ａ ｎ ｇ ’ ’
（ １ ． Ｓ ｃ ｈ ｏ ｏ ｌ ｏ ｆ Ｒ ｅ ｓ ｏ ｕ ｒ ｃ ｅ ｓ ａ ｎ ｄ Ｅ ｎ ｖ ｉ ｒ ｏ ｎ ｍ ｅ ｎ ｔ ， Ｈ ｅ ｎ ａ ｎ Ｐ ｏ ｌ ｙ ｔ ｅ ｃ ｈ ｎ ｉ ｃ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ， Ｊ ｉ ａ ｏ ｚ ｕ ｏ ４ ５ ４ ０ ０ ０， Ｈｅ ｎ ａ ｎ ，Ｃ ｈ ｉ ｎ ａ； ２ ． Ｋ ｅ ｙ Ｌ ａ ｂ ｏ ｒ ａ ｔ ｏ ｒ ｙ ｏ ｆ Ｏ ｒ ｇ ａ ｎ ｉ ｃ Ｔ ｒ ａ ｃ ｅ ｓ ａ ｎ ｄ
第３ ４卷第 ６期
２ ０ １ ５年 １ ２月
河南理工大学学报 （ 自然 科 学 版 ）
26134943_东昆仑中生代隆升剥露历史
２０２１ ３７ １２
起始时间从由南到北逐渐变老，体现东昆仑地区隆升剥蚀的不均一性。 关键词 构造演化；隆升剥蚀；热演化史；隆升冷却；裂变径迹热年代学；东昆仑 ； 中图法分类号 Ｐ５４２ Ｐ５９７ ３
长达～２５００ｋｍ 的东昆仑造山带呈近东西向横亘于青藏 要的成果：１）低温热年代学数据研究表明昆仑地区山在晚三
中，记录下了始于晚三叠世的昆仑柴达木及羌塘地块之间 盆地的沉积记录表明，东昆仑在中生代中晚期至新生代早期
的俯冲碰撞过程。新生代以来的印度板块与欧亚板块的斜 经历长期剥蚀去顶作用（魏岩岩，２０１７；Ｙｉｎ ｅｔ ａｌ ，２００８）；
向汇聚碰撞导致青藏高原强烈隆升（赵志丹等，２００３；喻顺 ３）古流向、碎屑矿物物源分析等一系列证据均指示东昆仑造
， （ ）， ， １ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｅａｒｔｈ Ｓｃｉｅｎｃｅｓ Ｃｈｉｎａ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｇｅｏｓｃｉｅｎｃｅｓ Ｂｅｉｊｉｎｇ Ｂｅｉｊｉｎｇ １０００８３ Ｃｈｉｎａ
， ， ２ Ｔｈｉｒｄ Ｅｘｐｌｏｒａｔｉｏｎ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｇｅｏｌｏｇｙ ｏｆ Ｑｉｎｇｈａｉ Ｐｒｏｖｉｎｃｅ Ｘｉｎｉｎｇ ８１００２９ Ｃｈｉｎａ
， ， ， ， ， ＹＡＮＧ Ｌｉ１ ＹＵＡＮ ＷａｎＭｉｎｇ１ ＺＨＵ ＣｈｕａｎＢａｏ２ ＨＯＮＧ ＳｈｕＪｉｏｎｇ１ ＬＩ ＳｈｉＹｕ１ ＦＥＮＧ ＺｉＲｕｉ１ ａｎｄ ＺＨＡＮＧ ＡｉＫｕｉ２
１ 中国地质大学（北京）科学研究院，北京 １０００８３
２ 青海省第三地质勘查院，西宁 ８１００２９
（ ） 岩石学报 １００００５６９ ／ ２０２１ ／ ０３７ １２ ３７８１９６ Ａｃｔａ Ｐｅｔｒｏｌｏｇｉｃａ Ｓｉｎｉｃａ
： ｄｏｉ １０ １８６５４ ／ １００００５６９ ／ ２０２１ １２ １１
基于改进ＤｅｅｐＬａｂＶ３＋的引导式道路提取方法及在震源点位优化中的应用
２０２４年３月第３９卷第２期西安石油大学学报（自然科学版）ＪｏｕｒｎａｌｏｆＸｉ’ａｎＳｈｉｙｏｕＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ）Ｍａｒ．２０２４Ｖｏｌ．３９Ｎｏ．２收稿日期：２０２３ ０６ ０３基金项目：国家自然科学基金面上项目“基于频变信息的流体识别及流体可动性预测”（４１７７４１４２）；四川省重点研发项目“工业互联网安全与智能管理平台关键技术研究与应用”（２０２３ＹＦＧ０１１２）；四川省自然科学基金资助项目“基于超分辨感知方法的密集神经图像分割”（２０２２ＮＳＦＳＣ０９６４）第一作者：曹凯奇（１９９８ ），男，硕士，研究方向：遥感图像标注。
Ｅ ｍａｉｌ：８１９０８８３３８＠ｑｑ．ｃｏｍ通讯作者：文武（１９７９ ），男，博士，研究方向：人工智能在地球科学的应用、高性能计算。
Ｅ ｍａｉｌ：ｗｅｎｗｕ＠ｃｕｉｔ．ｅｄｕ．ｃｎＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１６７３ ０６４Ｘ．２０２４．０２．０１６中图分类号：ＴＥ１９文章编号：１６７３ ０６４Ｘ（２０２４）０２ ０１２８ １５文献标识码：Ａ基于改进ＤｅｅｐＬａｂＶ３＋的引导式道路提取方法及在震源点位优化中的应用曹凯奇１，张凌浩２，徐虹１，吴蔚３，文武１，周航１（１．成都信息工程大学计算机学院，四川成都６１０２２５；２．国网四川省电力公司电力科学研究院，四川成都６１００９４；３．中国石油集团东方地球物理勘探有限责任公司采集技术中心，河北涿州０７２７５０）摘要：为解决自动识别方法在道路提取时存在漏提、错提现象，提出一种引导式道路提取方法提高修正效率。
在ＤｅｅｐＬａｂＶ３＋原有输入通道（３通道）的基础上添加额外输入通道（第４通道），将道路的４个极点转化为二维高斯热图后作为额外通道输入网络，网络以极点作为引导信号，使网络适用于引导式道路提取任务；设计并行多分支模块，提取上下文信息，增强网络特征提取能力；融合类均衡二值交叉熵和骰子系数组成新的复合损失函数进行训练缓解正负样本不均衡问题。
太行山南段早元古代基性脉岩的~(40)Ar-~(39)Ar年代学及其构造意义
一。 华北克拉通同世界上其他各大克拉通一样，广
泛发育前寒武纪镁铁质岩墙群，主要分布在晋冀地 区的太行山—五台山—吕梁山—恒山地区 , 李江海D 0AA@(、0AA@3] ^’(& (&\ IU"&D @9F1 8 或华北克拉通 早元古代坳拉谷构造部位D 或 HU(# !" #$% , 0AAA 8 和 HU(# , 0AA@ 8 认为的中部带内 , 图 @( 8 。为了重建 Z(.4"&$’( E 6’3"4’( E 华北克拉通早中元古代板块古 构造位置，针对上述岩脉曾开展过较多的古地磁和 初步的岩石 , 相 8 学、岩石化学研究 , 侯贵廷和穆志 国D @995] 侯贵廷等D 0AAA] HU(&+ (&\ :’_"4D @995] ‘(**; !" #$%D 0AAA] ^’(& (&\ IU"&D @9F1] 李江海等D @991 8 ；对上述基性岩墙群的时空分布、产出规模、侵 入接触关系及其构造环境也有了一些初步的理解 , 李江海D @991、0AA@(、0AA@3；^’(& (&\ IU"&D @9F1] 侯贵廷D 0AAAD 翟明国和卞爱国D 0AAA 8 。 对其成
#/; 5.9, ;(#)5#0 .2 9-5(>,9 .2 0#2(& ;=>,9 "& $
!+23 4 "523 年代学研究，以便为精细约束华北
陆块早元古代基性岩墙群的年代学格架提供资料，
太行山赞皇地区经历了复杂的构造 4 热事件
同时为进一步理解华北陆块 6>++ ?% 左右的构造事 $ 牛树银等) 655! 1 ，平面上呈北北东—南西西向展
基于集成学习的松辽盆地砂岩型铀矿地层岩性自动识别研究
!第1*卷第5'期原子能科学技术d M S Z1*!%M Z5' !'-',年5'月9E M3J LV Q N)"I D L J N Q L N C Q&U N L A Q M S M"I P N L Z'-',基于集成学习的松辽盆地砂岩型铀矿地层岩性自动识别研究段忠义5 肖!昆5 ( 杨亚新5 黄!笑' 姜!山' 张!华5 罗齐彬5"5Z东华理工大学核资源与环境国家重点实验室!江西南昌!,,--5,)'Z核工业二四三大队!内蒙古赤峰!-'6---#摘要 地层岩性的准确识别与砂岩型铀矿层的圈定密切相关!岩性组合的正确分析对于开展砂岩型铀矿的勘查与异常识别具有重要意义%本文针对传统测井岩性识别方法与机器学习类方法中存在的问题!以北方松辽盆地砂岩型铀矿为研究对象!采用两种典型的集成算法模型"H^:M M R E和D!#U V随机森林#开展地层岩性自动识别研究!并将识别结果与0最近邻分类算法"0%%#$梯度提升决策树算法"^:P U#等典型机器学习算法进行对比%结果表明!H^:M M R E和D!#U V随机森林两种集成算法模型对砂岩型铀矿地层岩性识别的准确率都在.1@以上!且较0%%模型和^:P U模型的准确率有明显提高% H^:M M R E模型用于控制过拟合的正则项和节点分裂时支持特征多线程进行增益的计算!显著提高了运算效率!D!#U V合成少数过采样技术解决了样本数据不平衡的问题%基于集成算法的优化过程可为砂岩型铀矿岩性分类问题提供理论依据与技术支撑%关键词 H^:M M R E)D!#U V)集成学习)砂岩型铀矿)岩性识别中图分类号 U F..)U P./,文献标志码 9文章编号 5---$8.,5"'-',#5'$'66,$5'503 5-Z*1,/+I]\Z'-',Z I M>_J C Q Z-5-5H920=+234V32/0-0E8Q5.623<34+23060<P+657206.%28;.Y1+639=Z.;0732 36P06E-3+0T+736T+7.506C67.=,-.V.+1636EP`9%(A M Q"I J5!H+9#0>Q5!(!e9%^e C_J Q5!c`9%^H J C M'![+9%^D A C Q'!(c9%^c>C5!F`#f J G J Q5"5-?5053N39'0O<605<69<I@A%+306,34<A6%3401>71*/6<1K315!7045=;/10J1/*364/59<I(3%;1<+<89!@01%;018,,--5,!=;/10)'-@A%+306D1>A4569V6<A&@<-'6,!=;/I318-'6---!=;/10#H,721+42*!U A N C L L>)C E N J&N Q E J K J L C E J M QM K R E)C E J")C T A J L S J E A M S M"I J RL S M R N S I)N S C E N&E ME A N &N S J Q N C E J M QM KR C Q&R E M Q N$E I T N>)C Q J>3&N T M R J E R Z+QE A NK C L NM KL M3T S N_R E)C E J")C T A J L R E)>L E>)N!E A NL M))N L EC Q C S I R J RM K S J E A M S M"I L M3G J Q C E J M QJ RM K")N C ER J"Q J K J L C Q L NE ME A N N_T S M)C E J M QC Q&C Q M3C S I J&N Q E J K J L C E J M QM K R C Q&R E M Q N$E I T N>)C Q J>3&N T M R J E R Z+Q>)C Q J>3收稿日期 '-',$-,$-5)修回日期 '-',$-1$'*基金项目 江西省主要学科学术和技术带头人培养计划"'-'-6:W[',-'*#)核资源与环境国家重点实验室联合创新基金"'-''%O V$F c$5/#)江西省自然科学基金"'-',':9:'-,-*'#)东华理工大学研究生创新专项基金"P c e W$'-',51#(通信作者 肖!昆N_T S M)C E J M Q!"N M T A I R J L C S S M""J Q"&C E C!C RCG)J&"NG N E b N N QE A NL A C Q"NM K"N M T A I R J L C S T)M T N)E J N R C Q&E A N>Q&N)")M>Q&"N M S M"J L C S N Q a J)M Q3N Q E!J R C Q N K K N L E J a N C Q&J))N T S C L N C G S N 3N E A M&E M>Q&N)R E C Q&E A N>Q&N)")M>Q&)M L\R E)>L E>)NC Q&)N R N)a M J)L A C)C L E N)J R E J L R Z W M Q a N Q E J M Q C S S J E A M S M"I J&N Q E J K J L C E J M Q3N E A M&RR>L A C RL)M R R T S M E3N E A M&!T)M G C G J S J E I R E C E J R E J L3N E A M&!L S>R E N)C Q C S I R J R3N E A M&C Q&L M Q a N Q E J M Q C S3C L A J Q N S N C)Q J Q"L S C R R3N E A$ M&A C a N R M3N&N K N L E R!R>L AC R S M bC L L>)C L I!J&N Q E J K J L C E J M QN K K J L J N Q L I C Q&"N Q N)C S J]C E J M Q C G J S J E I Z V Q R N3G S N S N C)Q J Q"J R C3N E A M&M K C L A J N a J Q"L M Q R N Q R>R J Q T)N&J L E J M Q R G I J Q E N")C$ E J Q"R J"Q J K J L C Q E C E E)J G>E N R M K E b MM)3M)N3M&N S R!3C\J Q"E A N K J Q C S S N C)Q J Q"K)C3N b M)\ 3M)N L M3T)N A N Q R J a N E A C QE A C EM K CR J Q"S NL M3T M Q N Q E3M&N S!)N&>L J Q"N))M)RC Q&M E A N) K C L E M)R Z W M3T C)N&b J E AM)&J Q C)I3C L A J Q N S N C)Q J Q"C S"M)J E A3R!J Q E N")C E N&S N C)Q J Q"C S"M$ )J E A3RA C a N3M)NC&a C Q E C"N R J Q&C E C T)M L N R R J Q"Z+QE A J R T C T N)C J3J Q"C E E A N T)M G S N3R N_J R E J Q"J QE)C&J E J M Q C SS M""J Q"S J E A M S M"I J&N Q E J K J L C E J M Q3N E A M&RC Q&3C L A J Q NS N C)Q J Q" 3N E A M&R!E A N R C Q&R E M Q N$E I T N>)C Q J>3M)N J QD M Q"S J C MG C R J Q J QQ M)E AW A J Q Cb C R E C\N Q C R E A N)N R N C)L AM G g N L E!C Q&E A N M)J"J Q C S&C E Cb N)N C Q C S I]N&C Q&T)N E)N C E N&Z W M3G J Q N&b J E A T)N a J M>RR E>&J N R!E b M E I T J L C SJ Q E N")C E N&C S"M)J E A33M&N S R"H^:M M R EC Q&D!#U V )C Q&M3;M)N R E#b N)N>R N&E ML C))I M>E C>E M3C E J L S J E A M S M"I J&N Q E J K J L C E J M QM K R C Q&R E M Q N$ E I T N>)C Q J>3M)N J QD M Q"S J C MG C R J Q!C Q&E A N)N L M"Q J E J M Q)N R>S E RM K E A NE b MJ Q E N")C E N& C S"M)J E A33M&N S Rb N)N L M3T C)N&b J E A0$%N C)N R E%N J"A G M)"0%%#!^)C&J N Q E:M M R E J Q" P N L J R J M QU)N N"^:P U#C Q&M E A N)E I T J L C S3C L A J Q N S N C)Q J Q"C S"M)J E A33M&N S Rb N)NC S R M L M3T C)N&Z U A N)N R>S E R R A M bE A C E E A N C L L>)C L I M KH^:M M R E C Q&D!#U VR E M L A C R E J L K M)N R E J Q E N")C E N&C S"M)J E A33M&N S K M)S J E A M S M"I J&N Q E J K J L C E J M QM K R C Q&R E M Q N$E I T N>)C Q J>3M)N J R C G M a N.1@!C Q&E A N C L L>)C L I M K0%%3M&N S C Q&^:P U3M&N S J R R J"Q J K J L C Q E S I J3T)M a N&Z +QM)&N)E M R M S a N E A N T)M G S N3M K M a N)K J E E J Q"J QM T N)C E J M Q!H^:M M R E C S"M)J E A33M&N Sb C R >R N&E M L M Q E)M S E A N)N">S C)E N)3M K M a N)K J E E J Q"C Q&Q M&N R T S J E E J Q"!C Q&R>T T M)E L A C)C L E N)$ J R E J L3>S E J E A)N C&J Q"E ML C S L>S C E NE A N"C J Q!b A J L AJ3T)M a N RE A NM T N)C E J M QN K K J L J N Q L I C Q& N Q R>)N R E A N)N S J C G J S J E I M KE A NJ Q E N")C E N&C S"M)J E A33M&N S Z D!#U VR I Q E A N E J L3J Q M)J E I M a N)R C3T S J Q"E N L A Q J i>NR M S a N RE A N T)M G S N3M KR C3T S N&C E CJ3G C S C Q L NJ QE A N)C Q&M3 K M)N R E C S"M)J E A33M&N S Z U A NM T E J3J]C E J M Q T)M L N R RG C R N&M Q J Q E N")C E N&C S"M)J E A33M&N S T)M a J&N R C E A N M)N E J L C S G C R J R K M)S J E A M S M"I L S C R R J K J L C E J M QM K R C Q&R E M Q N$E I T N>)C Q J>3&N T M R$ J E R!C Q&T)M a J&N R E N L A Q J L C S R>T T M)E K M)R E)C E N"J LG)N C\E A)M>"A J Q>)C Q J>3N_T S M)C E J M Q Z I.8@0157*H^:M M R E)D!#U V)N Q R N3G S NS N C)Q J Q")R C Q&R E M Q N$E I T N>)C Q J>3&N T M R J E) S J E A M S M"I J&N Q E J K J L C E J M Q!!北方沉积盆地砂岩型铀矿作为我国储量最多的铀矿类型!区内仍有大面积的铀异常亟待查证!铀矿资源勘探潜力巨大'5(%在铀矿勘查中!地球物理测井数据作为连接地球物理性质变化和地下地质环境的桥梁!是了解地下岩层结构和储层特征的有效且不可替代的方法%因此!测井数据解释在铀矿勘查中具有重要意义''$,(%对测井数据的分析和挖掘已成为提高勘查效率的重点之一'6$*(%随着测井勘探技术的发展!在地下地质结构环境多变且复杂的情况下!对测井数据的解释和地层分析也提出了更高的要求'/$55(%利用测井数据的分析结果对地下空间目标进行准确的识别与划分是测井资料解释的重要环节!包括地层结构划分$沉积相$岩性识别$以及储层识别等'5'$5,(%其中岩性识别在理解地质体结构$成矿信息预测等研究中发挥着重要作用'56$51()储层识别是复杂储层勘探开发的基础!储层的正确表征是降低勘探开发风险的重要手段!可为更好地设计和制定方案提供依据%666'原子能科学技术!!第1*卷岩性识别是测井数据分析的核心!目前广泛使用的岩性识别方法主要有*传统岩性识别方法!包括交会图法'58$5/($概率统计方法'5.$'-($聚类分析方法''5$',()机器学习类岩性识别方法!包括支持向量机D d!''6$'8($神经网络''*$'/($集成学习类方法''.(%传统的岩性识别$储层识别方法存在精度$识别效率和泛化能力低等问题',-(%针对异常值$不平衡性和高复杂性的测井数据!传统的测井解释方法有很大的局限性%随着储层地质条件的复杂性以及测井数据的多样性和数量不断增加!主观的专业知识和经验无法更好地解释%在面对复杂且更具挑战性问题时!机器学习类方法为实现自动化$性能提升提供了新的解决方案!在大量数据中学习复杂的模式和关系方面显示出巨大的优势!使得岩性识别$储层识别有了新的突破',5$,,(%集成学习是通过融合两个或多个模型的显著属性在预测中达成共识的方法!使得最终的学习框架较单个构成模型更全面!减少了误差和其他因素影响%相对于普通机器学习算法!集成学习算法在数据处理方面有更多优势!面对复杂度较高的问题!可以增强分类性能的信息融合!以获取更可靠的决策%基于:M M R E J Q"的H^:M M R E模型借助由回归树组成的强学习器!引入了正则项与并行计算技术!在提高效率的同时!确保了模型的可靠性',6()基于:C""J Q"优化的D!#U V随机森林算法借助人工合成少数过采样技术!解决了数据样本的不平衡问题',1(%因此!本文采用集成学习算法中的H^:M M R E和D!#U V随机森林模型开展砂岩型铀矿地层岩性识别研究!对松辽盆地的砂岩型铀矿建立岩性自动识别模型!以模型岩性识别的准确率为评价标准!并与0%%模型和^:P U模型进行对比分析!考察改进集成模型的可行性!以提升我国北方砂岩型铀矿储层识别的效率与精度!为实现我国铀矿资源勘查战略性突破提供技术支撑%!!理论与方法!"!!W>T0072算法在;)J N&3C Q',8(提出的:M M R E J Q"算法基础上!W A N Q等',*(通过改进目标函数与优化导数信息!并针对性地处理缺失值和模型过拟合!提出了一种优于^:P U的模型!即H^:M M R E模型%相较于^:P U!H^:M M R E精度更高$灵活性更强!并行计算与列抽样的引入提高了H^:M M R E的计算效率%H^:M M R E的目标函数如下*'"##"0/+"W9+!9/##0U."I U#"5#其中*'"##为整体目标函数!即最小化的目标) #为模型的参数!其最佳值需要通过优化目标函数来确定)+"W9+!9/#为预测值W9+与真实值9/之间的损失函数!W9+为模型预测值!9/为样本/的真实值!/为样本的索引)."I U#7+(< 5'&1G1'!I U为树的结构!该结构将输入样本映射到一个确定的叶子节点上!+和&为惩罚系数!(为决策树的叶子节点数!1G1'为决策树叶子节点上的输出分数的平方%式"5#右边第一项是损失函数!第二项是对模型复杂度的惩罚项"正则项#%经过5次迭代得到目标函数*'"5#"01/"5+"9/!W9"5$5#+#I5")/###."I5##="'# !!对式"'#进行二阶泰勒展开*'"5#+01/"'5+"9/!W9"5$5#+##8/I5")/##5';/I'5")/(##."I5##=",#其中*8/7,W9"545#+"9/!W9"545#+#表示+"W9"545#+#对W9"545#+的一阶导数);/7,'W9"545#+"9/!W9"545#5#表示+"W9"545#+#对W9"545#+的二阶导数)=为常数项%最终简化函数的目标形式如下*'"5#"01/"'58/I5")/##5';/I'5")/(##."I5#"6# !"#!基于P$)*C的随机森林算法随机森林算法属于集成算法中的:C""J Q"方法!作为一种集成学习方法!它在随机选择的数据样本上构建了许多决策树%然后从每棵树上获得预测!并通过多数投票!选择获得多数票的决定%其中构建随机森林算法模型的步骤如下*5#从给定数据或训练集中随机挑选N个数据点作为随机样本)'#构建与N个数据点相关联的决策树),#选择要构建的树的数量!166'第5'期!!段忠义等*基于集成学习的松辽盆地砂岩型铀矿地层岩性自动识别研究定义为@!然后重复前两步)6#对于一个新数据点!让已经构建的@棵树来预测新数据点所属的类别!并将新数据点分配给赢得多数票的类别%对于处理高维数据的分类问题!随机森林表现出不错的效果!通过:C""J Q"算法弥补了单个决策树对训练集噪声的敏感问题!降低了训练多棵决策树存在的关联问题!有效解决了模型过拟合问题%针对数据集中出现的分类不平衡问题!采用D!#U V合成少数过采样技术!在保持样本各自形态的基础上进行插值!使各类数据平衡!以此提高少数类的分类精度',/$,.(!在D!#U V合成邻近样本示意图中!横纵坐标通常代表数据点的某些特征%假设一个二维数据集的每个数据点都有两个特征组成*特征5和特征'%这种情况下!示意图的横坐标通常代表特征5!纵坐标则代表特征'%具体过程如图5所示%图5!D!#U V合成邻近样本"据W A C b S C等',.(#;J"Z5!D!#U VL M3T M R J E N C&g C L N Q E R C3T S N"3M&J K J N&K)M3W A C b S C N E C S',.(##!建模与应用本文以我国北方松辽盆地典型砂岩型铀矿区为研究对象!砂岩型铀矿地球物理测井资料为基础数据!提取研究区目的井次'/8-个数据点作为训练数据集!5'*-个数据点作为验证数据集%#"!!样本构建根据岩石粒级的粗细程度与综合测井曲线对岩性进行划分!依次为黏土$泥岩$粉砂岩$细砂岩$中砂岩$粗砂岩和砂砾岩%以多维数据为样本进行训练!划分岩性作为样本的可靠分类标签!结合砂岩型铀矿中不同岩性在不同地球物理测井数据中的响应规律!进行测井属性的优选!挑选在砂岩型铀矿岩性研究中常见的测井曲线作为输入变量*井径"W9F#$岩石密度"P V%#$声波时差"P U#$放射性"+#$自然伽马"^O#$三侧向电阻率"F F P,#$视电阻率"O U#$自然电位"D=#共/条曲线'6-(!每种岩性的不同测井曲线幅值差异如表5所列%由表5可知!岩石的致密程度与各物性参数存在一定的相关性!如密度和视电阻率随岩石粒级的增加呈增长趋势!声波时差则相反)自然伽马数值相对较高!但在中砂岩中存在局部高自然伽马值!表明研究区含矿主岩为砂岩%对于同岩性的岩石!其数值变化范围较大%泥岩一般放射性伽马值相对较高!砂岩放射性伽马值相对较低%但从粉砂岩$细砂岩以及中砂岩的自然伽马值来看!出现了部分高自然伽马值!指示一定的铀矿异常或矿化特征%为了进一步分析岩性类别在测井变量组合之间的区分度!通过交会图分析测井响应参数对岩性储层的敏感性!结果如图'所示%由图'可看出!在二维测井交会图中!岩性样本点的分布越离散!对岩性的区分度越好%黏土较其他,种岩性分区明显!其密度相对较高!聚集程度较高!而粉砂岩$中砂岩$细砂岩与粗砂岩重叠在一起!不易分类%总体来看!二维测井曲线交会图不能很好地划分砂岩型铀矿岩性!故需要采用分类功能更全面的集成学习法来进行精确岩性划分%#"#!数据处理5#曲线校深与曲线滤波测井过程中!受地下地质环境客观因素以及操作方法等影响!测井响应值在深度上存在866'原子能科学技术!!第1*卷表!!不同岩性类别测井数据*+,-.!!V 0E E 36E 5+2+0<53<<.1.62-32/0-0E 84-+77.7岩性统计量++"Q W +\"&A #W 9F +33^O +9=+P V %+""+L 3,#F F P ,+",&3#O U +",&3#D =+3d P U +"$R +3#样本总数黏土平均值5?8.58/?,/,.?,5'?-/'68?616,?8.4,/?185-66?'881'最大值,?'85*6?-**1?--'?5/5*-8?/5,-5?8'45/?**55',?15最小值-?/6518?--5*?--5?../*?5551?1145-/?'/*81?51标准差-?,/8?.//?51-?-,55.?8''5?5,55?6.61?.6粉砂岩平均值'?6656.?6*8,?/-'?-,/,?5,56?/1456?*.55,.?,1'11最大值,?/*5*,?88'-/?--'?',5.*?58,6?./4*?6*558/?/.最小值5?-55'5?6/,'?--5?/1,*?*-8?/'4,5?.65-*-?81标准差-?6/5.?8''5?*/-?5-6'?***?118?'8'1?-8细砂岩平均值'?*65,6?1/1.?1.'?--5-.?.,5.?1/45.?-,55''?61816最大值8?/-5*,?1/,1*?--'?'',--?,11,?'54*?-,55*-?15最小值5?--55.?'-'.?1-5?**,6?*/8?,5465?6.5-,'?88标准差-?*'5/?85''?5'-?5'6.?**/?*.*?-*'/?'/中砂岩平均值'?/.5,1?5-8-?,.'?-,55.?86'5?'.4'-?6,5558?*.6'/最大值58?5'5*6?-.*-.?1-'?'-,-5?6/1,?654.?5-558'?5*最小值5?5-558?8.,1?--5?/,68?'8/?,,46,?/85-',?'/标准差5?1.58?.5,8?*.-?-.86?,.55?,*.?5.,8?*.粗砂岩平均值'?5-5*'?*666?.5'?5-566?*''1?*'4'6?*55-..?855*最大值'?8/5*,?151-?1-'?5,588?5-'.?1-4'-?815551?.-最小值5?155*5?'8,6?1-'?-/5-8?555/?.-4'8?8'5-.5?/8标准差-?,,-?/*6?,'-?-'51?-''?815?*58?/*泥岩平均值'?/.56,?/-*'?-*'?-'8-?./5-?.,455?-,5516?6,5*.5最大值*?1/5*6?5/6*.?1-'?'.,/5?*,8*?1.48?8-55*'?,-最小值5?,,558?*-,1?--5?*1,'?-,1?/'46,?*'5-',?16标准差-?*55*?,,''?/--?556-?-/*?-/1?,-'5?'5砂砾岩平均值'?1-58'?5*86?'5'?55'-/?**,*?-,4,'?./5-88?1/'.-最大值6?865*,?*1566?1-'?''6',?5**6?.-45-?'/551*?*1最小值5?,*55.?'8'.?1-5?/861?,6/?5*418?58.*,?.*标准差-?815,?8.'-?,*-?-8..?1*5*?1.5,?5*1'?8*图'!二维测井参数交会图;J "Z '!W )M R R T S M E M K E b M $&J 3N Q R J M Q C S S M ""J Q "TC )C 3N E N )R *66'第5'期!!段忠义等*基于集成学习的松辽盆地砂岩型铀矿地层岩性自动识别研究不一致性!不能有效完成后续处理解释工作%本文采用W+;F M"'?5测井软件中的数据预处理模块对工区原始测井数据进行校深和滤波!使同一口井中所有测井数据之间的深度关系保持一致!以满足后续测井资料处理与训练要求!具体过程如图,所示%滤波采用5-点移动平均滤波以过滤序列中的高频扰动!保留有用低频趋势%C,,,密度校深曲线)G,,,视电阻率校深曲线图,!曲线校深图;J"Z,!W M))N L E N&&N T E AL A C)E!!'#标准化在利用集成算法进行岩性识别时!不同类型的测井曲线具有不同的量纲和数量级!其差异性会对模型的识别精度产生影响'65(%本文采用D L J\J E$S N C)Q中的D E C Q&C)&D L C S N)模块对数据的特征维度进行去均值和方差归一化!使数据符合正态分布!转化函数如下*)(")$-)"1#其中*-为所有样本的均值))为所有样本数据的标准差%#"A!模型应用与对比5#模型参数设置对于由H^:M M R E模型建立的岩性识别模型!可以根据其高度的灵活性优势!自定义优化目标和评价标准!在参数调优过程中!除通用参数和学习目标函数外!对模型预测结果影响较大的参数是学习率"S N C)Q J Q"0)C E N#和树的最大深度"3C_0&N T E A#%在初始化模型参数时!尽量让模型的复杂度较高!然后通过网格搜索^)J&D N C)L A W d超参数空间调优来降低模型复杂度%学习率和最大迭代次数这两个参数的调优是联系在一起的!学习率越大!达到相同性能的模型所需要的最大迭代次数越小)学习率越小!达到相同性能的模型所需要的最大迭代次数越大%H^:M M R E 每个参数的更新都需要进行多次迭代!因此!学习率和最大迭代次数是首先需要考虑的参数!且学习率和最大迭代参数的重点不是提高模型的分类准确率!而是提高模型的泛化能力%因此!当模型的分类准确率很高时!最后一步应减图6!学习率和树最大深度的变化;J"Z6!F N C)Q J Q"0)C E N C Q&3C_0&N T E A E N Q&N Q L I L A C)E 小学习率的是调节树的最大深度!以提高模型的泛化能力!逐步降低模型复杂度%调参过程如图6所示!其中!纵坐标为数损失函数"F M"F M R R#!用于衡量模型对真实标签的概率预测与实际标签之间的差异!较小的学习率通常需要在模型中添加更多的树!可以通过调整参数组合来探索这种决策关系)横坐标表示树的最大深度!从1!6-不等)学习率从-?5!-?1不等!/66'原子能科学技术!!第1*卷3C_0&N T E A有/个变量!S N C)Q J Q"0)C E N有1个变量%每个组合使用5-倍交叉验证进行评估!因此共需要训练和评估6--个H^:M M R E模型%调参目标是针对给定的学习率!使性能随树的数量的增加而提高!然后稳定下来%由于算法或评估过程的随机性或数值精度的差异!结果可能会有所不同!需要多次运行并比较平均结果!多次迭代后将输出每个评估的最佳组合以及对数损失函数%最终可以得到最佳结果的学习率为-?'!树的最大深度为5-%在构建提升树之后!检索每个属性的重要性分数%通常!重要性分数反映的是每个特征在构建模型内的增强决策树中的有用性或价值%使用决策树做出关键决策的属性越多!其相对重要性就越高!为数据集中的每个属性明确计算此重要性!允许对属性进行排名和相互比较%单个决策树的重要性是通过每个属性分割点改进性能度量的量计算的!由节点负责的观察数加权%性能度量可以是用于选择分割点的纯度"^J Q J指数#也可以是另一个更具体的误差函数%对于集成模型中的多棵决策树!可以计算每个决策树的特征重要性!并对所有决策树的特征重要性取平均值!以此更全面地评估特征的重要性%使用的内置H^:M M R E特征重要性图!因算法或评估程序的随机性或数值精度的差异而有所不同!因此多次运行该示例!并比较平均结果!如图1所示!其中横坐标;R L M)N表示每个特征的重要性得分!衡量的是特征在模型中的相对重要程度)纵坐标;N C E>)N R表示测井特征参数%从图1可知!重要性相对较高的特征参数为W9F和P V%%图1!H^:M M R E特征重要性筛选;J"Z1!H^:M M R E K N C E>)N J3T M)E C Q L N R L)N N Q J Q"'#模型预测结果及与真实结果的对比经过模型参数调整和交叉验证后!两种模型样本测试集中的岩性分类结果如图8所示!其中横坐标为岩性*5!粗砂岩)'!粉砂岩),!泥岩)6!砂砾岩)1!细砂岩)8!黏土)*!中砂岩%用混淆矩阵分析模型的分类结果!按照真实类别与模型预测类别两个标准进行统计!最终以矩阵形式呈现%其中矩阵的行表示真实值!矩阵的列表示预测值%上述混淆矩阵的每个单元格"/!S#表示模型将真实类别为/的样本预测为类别S的数量!观测值在对角线位置!数值越多越好)反之!在其他位置出现的观测值则越少越好%对于*种岩性!两种集成模型都表现出较好的识别效果!其中泥岩和细砂岩的分类结果与其他岩性的差异明显!H^:M M R E模型略优于D!#U V随机图8!混淆矩阵预测数据;J"Z8!W M Q K>R J M Q3C E)J_T)N&J L E J M Q&C E C.66'第5'期!!段忠义等*基于集成学习的松辽盆地砂岩型铀矿地层岩性自动识别研究森林模型%受试者工作特征"O #W #曲线是模型的另一种评价指标!O #W 曲线下与坐标轴围成的面积"9`W #用于衡量分类模型的准确性%O #W 曲线反映的是不同阈值下真正例率和假正例率之间的权衡关系%在O #W 曲线中!完美测试的9`W 值为5!表示模型在所有阈值下都能完美区分正例和反例%对角线表示随机猜测的模型性能!即真正例率等于假正例率%利用所计算的9`W 值!可以衡量分类器在不同阈值下的整体性能!面积越大!表示模型的分类准确性越高%O #W 曲线越接近左上角!说明模型在预测样本为正样本的同时还尽可能地减少了错误分类%采用H ^:M M R E 模型和D !#U V随机森林模型所得O #W 曲线如图*所示%由图*可知!两个模型的O #W 曲线都靠近左上角的点!且9`W 值均大于-?*!说明两种模型都具有较高的诊断价值!最佳边界点是曲线最靠近左上角的点!其中H ^:M M R E 模型最佳边界点的敏感度为-?/!特异度为-?'1%D !#U V 随机森林模型最佳边界点的敏感度为-?8!特异度为-?'8%可见H ^:M M R E 模型较D !#U V随机森林模型诊断价值更高!整体预测结果更优%图*!O #W 曲线;J "Z *!O #WL >)a N !!为了检验本文所建立的集成模型的准确性!将H ^:M M R E 模型与D !#U V 随机森林模型的识别结果与0%%模型和^:P U 模型的识别结果进行对比%利用W +;F M "'?5测井软件绘制部分井段钻井取心的岩性剖面与模型预测剖面!如图/所示%从图/可知!H ^:M M R E 模型和D !#U V 随机森林模型能更准确地对地层不同岩性做出响应!与钻井取心的岩性剖面的对比可知!H ^:M M R E 模型和D !#U V 随机森林模型对于砂岩型铀矿岩性的识别较其他模型更准确%针对岩性连续变化的井段!H ^:M M R E 模型的岩性识别效果与钻井取心岩性剖面基本一致!D !#U V 随机森林模型的岩性识别效果与钻井取心岩性剖面绝大部分对应较好!但对于少部分数据集较少的井段会出现岩性不对应的情况!这是因为随机森林算法对于小数据或低维数据"特征较少的数据#!不能达到很好的分类效果%而0%%模型和^:P U 模型在面对高维数据和不平衡数据时所表现出的局限性!导致部分岩性不能准确对应!识别效果与H ^:M M R E 模型和D !#U V 随机森林模型相比较差%各模型的运行时间和准确性如表'所列%由表'可知*H ^:M M R E 模型的识别效果最好!准确率高达.1?'*@!其次是D !#U V 随机森林模型!准确率为.1?-'@)^:P U 模型和0%%模型的分类效果较弱!准确率分别为.,?/5@和.,?*'@%H ^:M M R E 模型之所以准确率最高!在于H ^:M M R E 模型采用并行计算技术使得多个弱分类器组合进行学习!模型学习的结果优于以决策树作为基学习器的^:P U 模型!同时还借鉴了随机森林的列抽样!降低过拟合%从运行时间来看!基于模型本身的原理简单!模型训练较快来考虑!0%%模型和^:P U 模型所用时间较短%整体上!H ^:M M R E 模型和D !#U V 随机森林模型优于0%%模型和^:P U 模型!这是因为集成学习通过不同方法改变原始训练样本的分布构建分类器!最终集合弱分类器成强分类器!并且在每轮迭代中使用内置交叉验证!方-16'原子能科学技术!!第1*卷图/!单井段岩性识别效果;J"Z/!D J Q"S Nb N S S J Q E N)a C S S J E A M S M"I J&N Q E J K J L C E J M Q)N R>S E便获得最优迭代次数!减少了计算量!提高了模型准确率%其中:M M R E J Q"方法每次迭代时训练集的选择与前面各轮的学习结果有关!而且每次通过更新各样本权重的方式来改变数据分布):C""J Q"方法每次迭代前!采用有放回的随机抽样来获取训练数据!这使得每次迭代不依赖之前建立的模型!生成的各弱模型之间没有关联!可以彻底实现训练数据之间的并行训练%表#!各模型的准确率和运行时间*+,-.#!H4491+48+65196636E23=.0<.+4/=05.-模型准确率+@运行时间+R H^:M M R E.1?'*,?1 D!#U V随机森林.1?-',?-^:P U.,?/5'?80%%.,?*''?*A!结论5#通过测井资料和交会图分析!确定了与模型相关的/条曲线作为输入变量!并运用模型评价指标对两种集成学习模型进行评估!验证了模型的可行性)利用网格搜索^)J&D N C)L A W d从超参数空间寻找最优的参数组合!运用5-倍交叉验证结合参数组合!通过迭代确定了初步最优化模型%'#H^:M M R E模型对损失函数添加正则项以及二阶泰勒展开!弥补了传统:M M R E J Q"算法的缺陷!提升了优化效果!通过对缺失值切分方法的优化!使得每个特征的缺失值学习到一个最优的切分方向!特征的正确排序与分割结合多线程并行极大提高了运算准确率%,#:M M R E J Q"和:C""J Q"两种集成学习在预测分类中都表现出不错的性能!H^:M M R E模型对砂岩型铀矿地层岩性识别的准确率最高!达到了.1?'*@!D!#U V随机森林模型次之! 0%%模型的识别效果最差%参考文献'5(!李子颖!秦明宽!蔡煜琦!等Z鄂尔多斯盆地砂岩型铀矿成矿作用和前景分析'[(Z铀矿地质!'-'-!,8"5#*5$5,ZF+(J I J Q"!f+%!J Q"\>C Q!W9+e>i J!N EC S Z9Q C S I R J RM QE A N3J Q N)C S J]C E J M Q C Q&T)M R T N L EM KR C Q&R E M Q NE I T N>)C Q J>3&N T M R J EJ Q M)&M R G C R J Q'[(Z`)C Q J>3^N M S M"I!'-'-!,8"5#*5$5,"J Q516'第5'期!!段忠义等*基于集成学习的松辽盆地砂岩型铀矿地层岩性自动识别研究W A J Q N R N#Z''(!操应长!姜在兴!夏斌!等Z利用测井资料识别层序地层界面的几种方法'[(Z石油大学学报"自然科学版#!'--,!'*"'#*',$'8ZW9#e J Q"L A C Q"![+9%^(C J_J Q"!H+9:J Q!N EC S ZD N a N)C S3NE A M&RM K J&N Q E J K I J Q"R N i>N Q L N R E)C$E J")C T A J L J Q E N)K C L NG I S M""J Q"&C E C'[(Z[M>)Q C S M KE A N`Q J a N)R J E I M K=N E)M S N>3"%C E>)C S D L J N Q L NV&J E J M Q#!'--,!'*"'#*',$'8"J QW A J Q N R N#Z',(!O`P!9%9[!F9%0D U#%O2Z D E)C E J")C T A$ J L L M))N S C E J M QM Kb N S S S M"R G I L M3T>E N)E N L A Q J i>N R'[(Z99=^:>S S N E J Q!5.*,!1*"5,#*1**$1//Z '6(![#D c+P!=9U+P9O90!!+D c O99!N E C S Z =)N&J L E J M QM K R M Q J L S M"C Q&L M))N S C E J M Q M K S J E A M S M"IG I L M3T C)J Q""N M T A I R J L C S b N S SS M"&C E C>R J Q"3C L A J Q N S N C)Q J Q"T)J Q L J T S N R'[(Z^N M[M>)Q C S!'-'5!/*"8#*5$''Z'1(!杨兴!李娜!赵旭Z砂岩型铀矿勘查中密度测井曲线的校正研究及应用'[(Z新疆地质!'-'5!,.",#*6.*$1-5Ze9%^H J Q"!F+%C!(c9#H>ZD E>&I C Q&C T T S J L C E J M QM K&N Q R J E I S M"L M))N L E J M Q J QR C Q&R E M Q NE I T N>)C Q J>3N_T S M)C E J M Q'[(Z^N M S M"I M K H J Q$g J C Q"!'-'5!,.",#*6.*$1-5"J QW A J Q N R N#Z'8(!杨怀杰!乔宝强!冯延强Z小口径砂岩型铀矿测井资料处理解释系统设计'[(Z铀矿地质!'-5.!,1",#*5*-$5*6Ze9%^c>C J g J N!f+9#:C M i J C Q"!;V%^e C Q$i J C Q"ZP N R J"Q M KS M""J Q"&C E C T)M L N R R J Q"C Q&J Q E N)T)N E C E J M Q R I R E N3K M)R3C S S&J C3N E N)R C Q&$R E M Q N E I T N>)C Q J>3&N T M R J E'[(Z`)C Q J>3^N M S M$"I!'-5.!,1",#*5*-$5*6"J QW A J Q N R N#Z'*(!邓小卫!赵军辉!李继安!等Z可地浸砂岩型铀矿测井资料自动化处理解释系统的开发研究'[(Z铀矿地质!'--*!',"8#*,8,$,*-ZP V%^H J C M b N J!(c9#[>Q A>J!F+[J/C Q!N E C S ZO N R N C)L AM QE A NC>E M3C E J L T)M L N R R J Q"C Q&J Q E N)$T)N E C E J M Q R I R E N3M K S M""J Q"&C E CM K E A N S N C L A C G S NR C Q&R E M Q N E I T N>)C Q J>33J Q N'[(Z`)C Q J>3^N M S$M"I!'--*!',"8#*,8,$,*-"J QW A J Q N R N#Z'/(!c#D D9+%U!!29U9P9[!9(+(+9!N E C S ZF J E A M S M"IT)N&J L E J M Q>R J Q"b N S S S M"R*9")C Q>S C)L M3T>E J Q"C T T)M C L A'[(Z+Q E N)Q C E J M Q C S[M>)Q C S M K +Q Q M a C E J a NW M3T>E J Q"!+Q K M)3C E J M QC Q&W M Q E)M S!'-'5!5*"5#*''1$'66Z'.(!徐建国!吴显礼!王卫国Z自组织竞争人工神经网络在砂岩型铀矿测井数据解释中的应用'[(Z世界核地质科学!'--/!'1"'#*556$55/ZH`[J C Q">M!2`H J C Q S J!29%^2N J">M Z9T T S J$L C E J M Q M K R N S K$M)"C Q J]J Q"L M3T N E J E J a N C)E J K J L J C S Q N>$)C S Q N E b M)\J Q S M""J Q"&C E C J Q E N)T)N E C E J M Q M KR C Q&R E M Q N E I T N>)C Q J>33J Q N'[(Z2M)S&%>L S N C)^N M S M"I!'--/!'1"'#*556$55/"J QW A J Q N R N#Z'5-(张成勇!聂逢君!刘庆成!等Z二连盆地巴彦乌拉地区砂岩型铀矿目的层电测井曲线响应分析'[(Z铀矿地质!'-5-!'8"'#*5-5$5-*!55.Z(c9%^W A N Q"I M Q"!%+V;N Q"g>Q!F+`f J Q"$L A N Q"!N EC S Z9Q C S I R J RM QN S N L E)J L S M""J Q"L>)a NM K E C)"N E S C I N)M K R C Q&R E M Q N E I T N>)C Q J>3&N T M R J E J Q:C I C Q b>S C C)N C!V)S J C Q G C R J Q'[(Z`)C Q J>3^N M S M"I!'-5-!'8"'#*5-5$5-*!55."J Q W A J$Q N R N#Z'55(陈钢花!余杰!张孝珍Z基于小波时频分析的测井层序地层划分方法'[(Z新疆石油地质!'--*!'/",#*,11$,1/ZW c V%^C Q"A>C!e`[J N!(c9%^H J C M]A N Q ZF M""J Q"R N i>N Q L NR E)C E J")C T A J L&J a J R J M Q3N E A M&G C R N&M Q b C a N S N E E J3N$K)N i>N Q L I C Q C S I R J R'[(ZH J Q g J C Q"=N E)M S N>3^N M S M"I!'--*!'/",#*,11$,1/"J QW A J Q N R N#Z'5'(潘保芝!李舟波!付有升!等Z测井资料在松辽盆地火成岩岩性识别和储层评价中的应用'[(Z石油物探!'--.!6/"5#*6/$1'!18Z=9%:C M]A J!F+(A M>G M!;`e M>R A N Q"!N EC S Z9T T S J L C E J M QM K S M""J Q"&C E C J Q S J E A M S M"I J&N Q E J K J L C$E J M QC Q&)N R N)a M J)N a C S>C E J M QM K J"Q N M>R)M L\J QD M Q"S J C M:C R J Q'[(Z^N M T A I R J L C S=)M R T N LE J Q"K M)=N E)M S N>3!'--.!6/"5#*6/$1'!18"J Q W A J$Q N R N#Z'5,(吴灿灿!李壮福Z基于:=神经网络的测井相分析及沉积相识别'[(Z煤田地质与勘探!'-5'!6-"5#*8/$*5Z2`W C Q L C Q!F+(A>C Q"K>Z F M""J Q"K C L J N R C Q C S I$R J RC Q&R N&J3N Q E C)I K C L J N R)N L M"Q J E J M Q G C R N&M Q:=Q N>)C S Q N E b M)\'[(Z W M C S^N M S M"I C Q&V_T S M$)C E J M Q!'-5'!6-"5#*8/$*5"J QW A J Q N R N#Z'56(U+!`O!!O9D D`F e!9!+O^9F+e V d eZ !C L A J Q N S N C)Q J Q"C S"M)J E A3R K M)L S C R R J K J L C E J M Q"N$M S M"I&C E C K)M3b N S S S M""J Q"'W('56E A+Q E N)Q C$E J M Q C SW M Q K N)N Q L NM Q V S N L E)M Q J L R W M3T>E N)C Q&W M3T>E C E J M Q"+W V W W##Z0C R\N S N Q*'R ZQ Z(!'-5/Z'51(杨怀杰!何中波!吴仙明Z基于测井曲线的小波分析识别地层岩性界面,,,以三江盆地钻孔为'16'原子能科学技术!!第1*卷。
松辽盆地北部徐家围子断陷航磁异常特征及油气地质意义
・非地震・松辽盆地北部徐家围子断陷航磁异常特征及油气地质意义杨 辉3 张 研 刘 晓 文百红 许大丰(中国石油勘探开发科学研究院)摘 要杨辉,张研,刘晓,文百红,许大丰.松辽盆地北部徐家围子断陷航磁异常特征及油气地质意义.石油地球物理勘探,2006,41(1):97～99 松辽盆地北部徐家围子断陷航磁异常呈现两个明显的条带状,一个带为北北西向,另一个带为北东向。
综合分析该区的岩石磁化率、钻井岩心磁化率及地质、钻井资料,认为引起本区磁异常的主要因素是断陷期的火山岩。
条带状磁异常是断陷期火山岩分布特征的反映,而且条带状航磁异常与断陷期地层有非常好的叠置关系,展现了拉张型断陷的重要地球物理特征。
目前已在徐家围子断陷内反映火山岩的条带状磁异常的两翼钻有多口探井,均获高产气流,表明该区具有良好的深层天然气勘探前景。
建议今后的钻探目标应沿着条带状航磁异常的两翼布置,有望获得更显著的效果。
关键词 松辽盆地 徐家围子 火山岩 天然气 航磁异常1 引言近年来,人们对火山活动与沉积盆地的形成和演化十分关注[1～6],尤其是对松辽盆地北部徐家围子断陷的火山岩与油气的关系更为关注[7]。
徐家围子断陷是松辽盆地深层勘探程度最高的一个含气断陷,有利勘探面积为5350km2,断陷地层为晚侏罗世的火石岭组、早白垩世沙河子组及营城组,地层厚3000～6000m,其顶、底面最大埋深分别为3000m和8000m。
断陷深层发育火二段、营一段、营三段三套火山岩储层以及火一段、沙河子组、营二段三套烃源岩,登二段泥岩为本区的区域盖层,从而构成本区火山岩储层与烃源岩及盖层在纵向上良好的匹配关系。
目前区内已有多口探井在火山岩获高产气流,表明该断陷具有良好的深层天然气勘探前景。
作为一种非常规储层,火山岩具有明显的航磁异常特征。
文中试图对本区航磁异常特征进行分析,并指出其油气地质意义,以期指导松辽盆地深层天然气勘探。
2 岩石磁化率分析表1、表2分别为松辽盆地北部岩石磁化率及徐家围子断陷钻井岩心磁化率统计表。
中国石油大学(华东)2015年硕士研究生拟录取考生成绩公示
68 59 54 60 60 57 51 64 60 54 61 54 60 55 53 59 59 58 59 53 63 54 58 70 57 52 69 57 66 62
42 51 70 46 44 38 45 46 61 55 57 55 63 48 48 46 49 54 42 41 61 49 46 57 45 58 60 60 77 66
64 50 72 70 67 59 62 55 618 63 57 65 55 64 67 67 59 61 65 57
61 58 57 57 58 49 54 57 66 48 51 55 48 58 45 61 64 56 71 68 63 59 47 51 63 53 68 55 54 50
地球科学与技术学院 地球科学与技术学院 地球科学与技术学院 地球科学与技术学院 地球科学与技术学院 地球科学与技术学院 地球科学与技术学院 地球科学与技术学院 地球科学与技术学院 地球科学与技术学院 地球科学与技术学院 地球科学与技术学院 地球科学与技术学院 地球科学与技术学院 地球科学与技术学院 地球科学与技术学院 地球科学与技术学院 地球科学与技术学院 地球科学与技术学院 地球科学与技术学院 地球科学与技术学院 地球科学与技术学院 地球科学与技术学院 地球科学与技术学院 地球科学与技术学院 地球科学与技术学院 地球科学与技术学院 地球科学与技术学院 地球科学与技术学院 地球科学与技术学院
地球科学与技术学院 地球科学与技术学院 地球科学与技术学院 地球科学与技术学院 地球科学与技术学院 地球科学与技术学院 地球科学与技术学院 地球科学与技术学院 地球科学与技术学院 地球科学与技术学院 地球科学与技术学院 地球科学与技术学院 地球科学与技术学院 地球科学与技术学院 地球科学与技术学院 地球科学与技术学院 地球科学与技术学院 地球科学与技术学院 地球科学与技术学院 地球科学与技术学院 地球科学与技术学院 地球科学与技术学院 地球科学与技术学院 地球科学与技术学院 地球科学与技术学院 地球科学与技术学院 地球科学与技术学院 地球科学与技术学院 地球科学与技术学院 地球科学与技术学院
陕西煤炭行业获得的陕西省科学技术奖目录(2004-2013)
5.
陕北生态脆弱矿区煤水地质特征及科学开采研究
西安科技大学;长安大学;陕西省煤炭地质测量技术中心;陕西省煤田地质局
王双明，黄庆享，范立民，王文科，余学义，王国柱，杨泽元，冯勤科，申涛，苗霖田，马雄德
2010陕西省科学技术一等奖
6.
极薄煤层上保护层瓦斯抽采及安全高效开采技术研究
2006陕西省科学技术二等奖
16.
阳极钢爪全自动在链校直系统研制及推广
兴
2006陕西省科学技术二等奖
17.
高瓦斯油气共生易自燃厚煤层放顶煤开采瓦斯治理技术集成与示范
陕西煤业化工集团公司铜川矿务局，河南理工大学，煤炭科学研究总院重庆研究院，西安科技大学
陕西陕煤韩城矿业有限公司、中国矿业大学
徐冉忠、林柏泉、师永贵、翟成、屈永安、杨威、李建民、郝志勇、孙辉合、赵武强、姜永明
2011陕西省科学技术一等奖
7.
陕西省系列瓦斯地质图、矿井瓦斯赋存规律及应用
陕西省地质调查院、西安科技大学、陕西陕煤韩城矿业有限公司、陕西陕煤铜川矿业有限公司陈家山煤矿、彬县煤炭有限责任公司
西安科技大学
李树刚、林海飞、张天军、潘红宇、成连华、肖鹏
2012陕西省科学技术二等奖
36.
陕北矿区建设国际一流现代化矿井综合技术研究
陕煤集团神木红柳林矿业公司、西安科技大学、陕西煤业化工集团安全技术研究中心
闵龙、张金锁、刘高文、张恩强、王世斌、秦岭、石增武、党明、龚尚福
2012陕西省科学技术二等奖
陕西省科学技术三等奖（31项）
西安科技大学、西安森兰科贸有限责任公司
陈晓坤、邓军、马砺、程方明、张嬿妮、肖旸、王伟峰
2012陕西省科学技术三等奖