伽马-伽马测井在鄂尔多斯盆地西南缘白垩系识别岩性的研究

近年来鄂尔多斯盆地西南缘白垩系砂岩型铀矿找矿取得突破,由于研究区白垩系特殊的沉积环境,环河组的泥岩和粉砂岩中广泛发育石膏类不导电矿物,导致常规测井曲线难以准确解释岩性。为了准确区分非渗透（泥岩、粉砂岩）和渗透砂岩,经过测量研究区岩石物性参数,发现泥岩、粉砂岩类岩石密度大于砂岩密度,伽马—伽马测井广泛应用在砂岩型铀矿地球物理测井工作中,用来计算地层密度,长、短源距测井参数为其中间测量参数,为了更好地发挥其作用,阐明了伽马-伽马测井原理,结合自然伽马与长、短源距拟合关系,优选了抗干扰强的短源距测井曲线,提出了自然伽马曲线消除长、短源距消除放射性矿层影响的校正方法。经钻孔岩性和测井曲线验证,伽马-伽马测井的短源距曲线可以较好地解释研究区白垩系岩性,对鄂尔多斯盆地西南缘白垩系砂岩型铀矿地球物理测井工作具有一定参考意义。     

新疆乌伦古河地区卫星SAR影像岩性识别研究

利用Radarsat-2与ALOS-2两种卫星SAR数据在新疆乌伦古河地区开展岩性识别研究。通过对Radarsat-2多极化数据和ALOS-2双极化数据进行处理,获取了多类型的SAR影像,对研究区的岩性进行识别。研究表明,综合运用Radarsat-2和ALOS-2影像可实现对研究区的岩性识别,其中,Radarsat-2多极化影像适合对砂岩、凝灰岩等进行识别,而ALOS-2双极化SAR影像提取碳酸盐岩信息效果较好。     

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

详细介绍了自组织竞争人工神经网络模型结构、原理和钻孔岩性自动识别过程,给出了神经网络模型在钻孔岩性自动识别过程中的有效性实例。自组织竞争人工神经网络具有自组织能力、自适应能力和较高的容错能力;与BP算法相比较,计算量小,收敛速度快,且不需要已知的先验信息而自动确定分类类别。钻孔岩性识别结果与岩心地质编录的对比试验表明,在砂岩型铀矿测井数据的解释中,应用自组织竞争人工方法可较好地完成钻孔岩性自动分类。     

基于随机森林的屏蔽泵故障诊断方法研究

针对核动力屏蔽泵运行过程中出现的典型故障类型,研究了基于随机森林的诊断方法原理与实现过程,通过故障模拟试验获得了屏蔽泵故障状态振动信号数据。在此基础上进行了特征量提取与分析研究,然后采用随机森林算法对部分特征量样例数据进行学习建立了屏蔽泵故障诊断模型,最后利用剩余部分样例数据对诊断模型进行了验证,结果表明基于随机森林的屏蔽泵故障诊断方法性能良好。     

基于随机森林的屏蔽泵故障诊断方法研究

针对核动力屏蔽泵运行过程中出现的典型故障类型,本文研究了基于随机森林的诊断方法原理与实现过程,通过故障模拟试验获得了屏蔽泵故障状态振动信号数据。在此基础上进行了特征量提取与分析研究,然后采用随机森林算法对部分特征量样例数据进行分析建立了屏蔽泵故障诊断模型,最后利用剩余部分样例数据对诊断模型进行了验证,结果表明基于随机森林的屏蔽泵故障诊断方法性能良好。     

深度卷积网络在航空高光谱岩性识别中的应用——以塔木素铀矿床北部地区为例

岩矿信息识别是高光谱遥感在地质勘探领域的主要应用方向。传统高光谱遥感方法尽管在矿物识别中取得了良好效果,但对于岩性识别存在瓶颈。深度学习是当前人工智能领域的研究热点,卷积神经网络是适用于图像识别的重要网络架构。以巴音戈壁盆地西部塔木素铀矿床北部区域为试验区,以SASI航空高光谱影像为数据源,将深度卷积神经网络引入航空高光谱遥感岩性识别,测试和评估其应用效果。基于预处理后的SASI航空高光谱影像,以试验区地质图及野外调查为参考,制作了8类样本,包括：印支期花岗岩、华力西晚期花岗岩、华力西晚期花岗闪长岩、华力西中期石英闪长岩、石炭系碎屑岩、中下侏罗统火山凝灰岩、第四系沉积物和绢云母化蚀变岩。构建了基于光谱特征的一维卷积神经网络、基于图-谱联合特征的一维+二维卷积神经网络和三维卷积神经网络3种模型结构,分别进行模型训练、测试和试验区岩性分类应用。模型测试结果表明：一维卷积神经网络、一维+二维卷积神经网络和三维卷积神经网络的总体精度分别为82.13%、86.46%和90.90%。通过评价分析三种卷积神经网络模型的岩性分类识别结果,三维卷积神经网络的识别结果与真实参考最为接近,对试验区各类岩性的...