阿拉善右旗杭乌拉地区下二叠统埋汗哈达组烃源岩特征

通过对阿拉善右旗杭乌拉地区下二叠统埋汗哈迭组岩性特征、暗色泥页岩油气地球化学特征研究,总结了烃源岩纵向分布、有机质丰度、干酪根类型和热演化特征.下二叠统埋汗哈达组烃源岩分布层段集中,暗色泥页岩累计厚度160.1 m,占碎屑岩厚度的33.3%.有样品控制的暗色泥页岩厚度94.1 m,ω(TOC)平均为0.75%,大于0.3%的样品占93.5%.其中:ω(TOC)大于1.0%的好烃源岩厚度22.2 m,占样品控制厚度的23.6%;ω(TOC)为0.5%～1.0%的中等烃源岩厚度45.5 m,占48.3%;ω(TOC)为0.3%～0.5%的差烃源岩厚度16.5 m,占17.5%.甾烷相对含量具有明显的C27优势,族组分饱和烃含量显著高于芳烃含量,干酪根类型为Ⅱ型.Rc平均为0.77%,表明干酪根演化进入成熟阶段,最高热解温度(Tmax)分布范围为350～550℃,属成熟-高成熟阶段.综合评价认为,下二叠统埋汗哈达组具有较好的生烃条件,以生气为主.     

致密油藏烃源岩有机碳含量预测方法研究

岩芯和岩屑样品的地化热解分析数据表明,吉木萨尔凹陷二叠系芦草沟组湖相烃源岩类型以Ⅰ型与Ⅱ型为主,总体有机质丰度较高。为了准确认识该区烃源岩特征并对其进行评价,利用岩芯地化分析资料标定测井信息,井震结合建立了适合研究区的烃源岩总有机碳横、纵向预测方法。纵向上研究采用声波电阻率模型、密度孔隙度模型及多元统计回归等多种方法计算烃源岩的有机碳含量,经对比选取适合的有机碳含量测井解释模型,在此基础上,基于多属性地质统计反演技术实现了烃源岩总有机碳含量的横向精确预测,从而较好的解决了其横向预测的难题;从研究区的预测效果来看,运用这套方法,取芯段的地化分析资料证明,该方法在研究区应用效果较好,为该区的井位部署提供可靠依据。     

松辽盆地齐家致密油区青山口组有效烃源岩评价

以松辽盆地齐家地区青山口组致密油为例,讨论了致密油有效烃源岩评价标准。利用12口取心井的岩心资料和70多口取样井的地化数据,将齐家地区青山口组烃源岩分为Ⅰ类和Ⅱ类。在此基础上,综合前人的研究成果,根据质量守恒原理,建立残留烃和有机碳含量的关系、有机碳含量和厚度的关系,并确定有机碳含量下限、有效排烃厚度。通过生烃潜量、镜质体反射率和深度关系确定排烃门限和对应的成熟度,划分齐家地区有效烃源岩中Ⅰ类源岩有机碳含量在1.8%以上,厚度为0.9~2.8 m,镜质体反射率大于0.8%,Ⅱ类源岩有机碳含量在1.2%以上,厚度为0.7~1.5 m,镜质体反射率大于0.8%。研究结果显示:齐家致密油区有效烃源岩主要分布齐家—古龙凹陷的中部和南部。     

烃源岩岩心内外部地球化学特征对比及污染因素分析

对同一烃源岩或沉积物样品进行有机地球化学分析时,同一样品经多次实验,族组分组成及分子组成特征通常会有明显差异。导致差异的原因有:岩样本身的非均质性;岩心和沉积物样品受外源污染;样品保存时,轻质不稳定组分溢散。典型地球化学指标表明:烃源岩外部存在外源污染,在对烃源岩岩心样品进行地球化学分析时,应尽量钻取岩心内部,避免污染造成的误差。     

主成分分析和最小二乘支持向量机模型在铁水硫和硅含量预测中的应用

良好的铁水质量是铸铁性能可靠性和稳定性的保证,而铁水中硫(S)含量和硅(Si)含量是衡量铁水质量的主要指标,因此在出铁前精准获取铁水S含量和Si含量具有非常重要的意义。实验提出一种结合主成分分析(PCA)和最小二乘支持向量机(LS-SVM)模型的铁水S含量和Si含量的预测方法。将某钢厂大型高炉的在线采集数据作为研究对象,首先对影响铁水中S含量和Si含量变化因素的数据做主成分分析,求取主成分作为模型的输入变量,其次建立最小二乘支持向量机预测模型对铁水S含量和Si含量进行预测。在S含量预测过程中,正则化参数gam和核函数参数sig分别取20、700时,预测误差最小,其均方根误差为0.001 2,仿真时间为0.423 105s;Si含量预测过程中正则化参数gam和核函数参数sig分别取40、500时预测误差最小,均方根误差为0.023 8,仿真时间为0.079 522s。最后将实验结果与传统最小二乘支持向量机(LS-SVM)和结合PCA的BP神经网络预测模型(PCA+BP神经网络)的结果对比,后两组对比实验关于S含量预测的均方根误差分别为0.001 5和0.001 4,仿真时间分别为1.32...     

基于主成分分析和PSO-ELM算法的排土场稳定性预测模型

针对排土场边坡稳定性分析,提出了一种利用主成分分析法降低数据冗余性、粒子群算法优化极限学习机权值阈值的PCA-PSO-ELM排土场边坡稳定性预测模型。确定了土壤黏聚力、内摩擦角、排土场斜角、地基承载力、地震烈度、降雨和降雪条件、排土工艺以及乱采乱挖状况8个排土场稳定性预测指标,针对100组相应排土场数据,采用训练时间、RMSE值和决定系数R²来评价和对比PCA-PSO-ELM模型与BP神经网络模型、ELM模型和PSO-ELM模型预测结果的有效性。研究结果表明：利用经PCA降维处理过的排土场稳定性样本数据作为输入变量去训练和测试PSO-ELM网络模型,预测值与真实值非常接近,其预测精度和效率不仅高于ELM算法,而且远远优于传统BP神经网络算法。经过PCA法优化的PSO-ELM模型与未经PCA处理过的PSO-ELM模型相比,前者在效率相差甚微的基础上大幅缩短了计算时间,证明了该方法具有一定的实用价值。     

基于主成分分析协同深度神经网络的带钢板凸度预测

为快速精确地预测板凸度,建立了一种基于主成分分析(principal component analysis, PCA)协同深度神经网络(deep neural network, DNN)的板凸度预测模型PCA-DNN。首先,对从某热轧厂采集的10 134卷带钢生产数据进行数据预处理。其次,用PCA法对数据样本进行分析,通过计算特征值、主成分贡献度和累计贡献度进行特征选择。最后,训练最佳的PCA-DNN预测模型,并与传统的两个模型人工神经网络(artificial neural network, ANN)和DNN进行比较。结果表明,PCA-DNN模型预测准确率为97.02%,训练时间为120 s,预测时间为291 ms,具有最优的综合性能,能够快速精确地预测热轧带钢板凸度。     

北塘凹陷古近系烃源岩特征及热演化史模拟

根据大量的烃源岩地球化学数据,分析了北塘凹陷古近系烃源岩的地球化学特征,从有机碳含量(TOC)、氯仿沥青"A"、总烃含量、S1+S2、有机质类型和成熟度(R0)等方面对古近系烃源岩进行了系统分析,结果表明北塘凹陷东三段、沙一段和沙三段是本区的烃源岩层段,其中沙三段烃源岩生烃指标最好,是本区的主力烃源岩层段.烃源岩的模拟结果表明:(1)北塘凹陷的烃源岩门限深度为2 390m,门限温度为94.2℃,进入生烃门限的时间约为25～28Ma ;(2)北塘凹陷沙三段的现今地层温度为140～160℃,R0达0.9%～1.4%,正处于生油高峰期;沙一、二段的现今地层温度为100～140℃,R0达到了0.75%～1.0%左右,已进入中等成熟阶段;东营组的现今地层温度为80～100℃,R0为0.45%～0.75%,处于低-中等成熟阶段.     

基于机器学习的边坡安全稳定性评价及防护措施

为了更加快捷、高效地判定边坡稳定与否,基于机器学习,融合主成分分析法（PCA）、参数调整、影响因素权重分析等,建立了一种边坡安全稳定性评价体系。研究发现,运用PCA可以在保留80%数据原信息的前提下将输入变量维度从六维降至三维,但此时模型效果有所下降;随机森林及梯度提升(XGBoost) 两种学习算法均可搭建有效的边坡安全稳定性评估模型,通过对其预测效果的对比分析,确定XGBoost为最佳评价模型。与此同时,采取卡方检验、F检验以及互信息法3种相关性检验手段,并通过计算评价因子的重要程度且加以可视化展示,明确了容重、坡高、内摩擦角以及内聚力4个内在因素的重要性,最终将评估结果与实际结合提出了边坡安全防护措施。      

某冲积区土壤重金属的分析及评价

为了研究冲积区土壤重金属的累积特征,通过对研究区土壤样品分析,采用地质累积指数法、单项污染指数法和综合污染指数法进行了计算及评价。其计算结果表明,该研究区有20%的土壤重金属累积特征明显,铅有不同程度的累积。其评价结果表明,主要污染元素为汞,其次为铅。     

基于高温高压岩电实验的含水饱和度计算模型

岩心岩电参数的准确获取是研究岩石物性、测井参数计算和进行测井评价的基础,岩电实验的压力和温度的不同会导致实验结果产生差异,继而对测井评价的结果造成影响。从常温常压岩电实验和高温高压岩电实验入手,探究了不同温压条件下的含水饱和度计算模型,然后进行应用效果分析,对于提高岩电实验参数的应用效果和对油气储层的正确评价具有重要意义。     

极限学习机在中厚板轧制力预报中的应用

轧制力是影响中厚板厚度精度和板型的关键因素。兴澄特钢中厚板轧机二级模型采用传统Sims公式计算轧制力,精度较低。为提高轧制力预报精度,首先基于大量历史生产数据,通过主成分分析法对影响轧制力的因素进行处理和分析,选出权重较大的影响因子;其次选取现场代表钢种进行热模拟压缩实验,在此基础上提出基于极限学习机(ELM)的综合神经网络轧制力预报模型,即先通过化学成分计算出基准变形抗力,再将其作为轧制力神经网络输入变量进行轧制力预报。建模采用10折10次交叉验证确定最佳网络隐层节点数,并用现场实际生产过程数据对网络进行训练与测试。综合神经网络模型投入现场生产,轧制力预报相对误差±10%以内占比提高15.61%,钢板头部厚度命中率提高1.9%。     

柴达木盆地德令哈拗陷中侏罗统烃源岩有机地球化学特征

柴达木盆地德令哈拗陷中侏罗统广泛发育,是该区主要的烃源岩层系.野外地质调查及有机地球化学分析表明,中侏罗统烃源岩主要以油页岩、泥岩、碳质泥岩和煤为主.油页岩有机碳的质量分数平均为7.95%,有机质类型属Ⅰ-Ⅱ型,为好生油岩;泥岩的有机质丰度交化大,但80%以上的样品有机碳的质量分数大于1%,65%样品的有机碳的质量分数达1.5%以上,有机质类型为Ⅱ-Ⅲ1型,综合评价为差-中等烃源岩;碳质泥岩有机碳的质量分数平均为10.89%,有机质类型为Ⅲ1-Ⅲ2型,综合评价为差烃源岩;煤岩最差,属非-差烃源岩.露头剖面烃源岩有机质大多处在未熟-低熟阶段,少量处于成熟阶段,推断拗陷内烃源岩有机质成熟度相对较高,正处于生、排烃高蜂期.烃类化合物组成及分布表明,中侏罗统属淡水沉积环境,拗陷内发育较深湖-深湖相优质烃源岩.     

极限学习机在中厚板轧制力预报中的应用

摘要：轧制力是影响中厚板厚度精度和板型的关键因素。兴澄特钢中厚板轧机二级模型采用传统Sims公式计算轧制力，精度较低。为提高轧制力预报精度，首先基于大量历史生产数据，通过主成分分析法对影响轧制力的因素进行处理和分析，选出权重较大的影响因子；其次选取现场代表钢种进行热模拟压缩实验，在此基础上提出基于极限学习机(ELM)的综合神经网络轧制力预报模型，即先通过化学成分计算出基准变形抗力，再将其作为轧制力神经网络输入变量进行轧制力预报。建模采用10折10次交叉验证确定最佳网络隐层节点数，并用现场实际生产过程数据对网络进行训练与测试。综合神经网络模型投入现场生产，轧制力预报相对误差±10%以内占比提高15.61%，钢板头部厚度命中率提高1.9%。     

基于PCA-BP神经网络模型的充填体强度预测

充填体强度预测对矿山充填设计具有重要意义。选取胶砂比、水泥、石灰、石膏及矿渣含量作为充填体强度影响因素,借助主成分分析（PCA）消除自变量间相关性,降低数据维数,再结合BP神经网络具有较好预测性的特点,建立了PCA-BP模型以预测充填体强度。对18组充填体试验数据进行主成分分析,5个影响因子降维为3个主成分,将其作为BP神经网络的输入因子,进而探讨了隐含层神经元个数对充填体强度训练和预测精度的影响,并比较了PCA-BP神经网络、标准BP神经网络和二次线性回归效果。结果表明：PCA-BP模型最佳预测结构为3-7-1;PCA-BP神经网络结果优于BP神经网络和二次线性回归;PCA-BP神经网络训练和预测的最大相对误差仅为3.65%,实现了充填体强度的准确预测。PCA-BP模型为充填体强度预测提供了一种高精度的分析方法。     

近临界特性的地层水及其对烃源岩生排烃过程的影响

研究利用特制的地层孔隙热压模拟实验装置,开展了模拟地层孔隙空间高压液态水热体系烃源岩生排烃模拟实验.模拟实验施加的流体压力为38±2 MPa,温度为290～390℃.模拟实验结果显示了有关高压液态水及其与之相联系的流体压力和孔隙空间等因素对烃源岩生排烃影响作用的一些重要现象,实验发现高压液态水介质条件有利于液态油的生成和保存,不利于液态油向气态烃的转化,而且干酪根的生烃潜力和排油效率有一定的提高.这些新的实验现象可能主要与近临界特性的高压液态地层水的作用有关,进一步推断近临界特性的高压液态水参与干酪根向油气的转化反应,增加了水对油气的溶解能力.在地下实际烃源岩生排烃的温压(100～200℃,30～120 MPa)条件下,岩行孔隙中的地层水是一种相对低温高压压缩液态水,这种地层水可能具有近临界特性,对烃源岩生排烃过程有重要影响.但目前对这种现象的机理和石油地质意义还知之较少.因此,加强高压地层水近临界条件下烃源岩生排烃热压模拟实验研究,对进一步深入理解地层条件下的近临界水介质、流体压力、孔隙空间因素对生排烃过程的影响,深化烃源岩生排烃机理的探讨,建立地质尺度上的烃源岩生排烃动力学模型,都具有重要的理论和实际意义.     

基于神经网络的水厂原水水质的综合评价

基于BP神经网络的改进算法,提出了以Matlab 7.0为平台的算法程序的人工神经网络水质评价模型。参照《地表水环境质量标准》(GB3838-2002),确定神经网络学习和训练的样本并确定了模型的相应参数。以连云港市海州水厂原水取水口水质数据为样本,进行水质综合评价分析。与单因子评价法和模糊综合评价法进行了比较,结果表明神经网络模型所获得的结果更加客观、合理。     

ICP-OES测定镍合金中锰含量测量不确定度评定

在给出金属精矿中锰元素含量的测试结果时,须同时给出测试结果的不确定度值,但目前不确定度的评价标准尚未纳入规范,导致测量结果往往不完整。为此,以镍合金中锰含量的测试为基础,结合ICP-OES法测试原理,制备测试样品,建立了测试数据的数学模型,对影响不确定度的多种因素进行了定量分析评价,最终给出了相对标准不确定度和扩展不确定度的计算结果。通过定量分析镍合金中锰含量测量结果的不确定度,可为今后仪器分析样品提供思路。     

平岗—辽源盆地烃源岩特征及生烃史

如今辽源盆地初期勘探阶段紧要面对的问题有三:其一为复杂残留断陷盆地烃源岩层位、品质不清;其二为烃源岩的平面展布及生烃潜力尚未明确;其三为烃源岩生烃史尚不明确。研究表明:平岗—辽源盆地存在3套烃源岩,通过进一步分析烃源岩丰度、成熟度、有机质确定了各套烃源岩的品质、平面展布及生烃潜力,烃源岩整体较好且长安组一段最优,长安组三段次之,久大组最末;辽源坳陷烃源岩优于平岗坳陷;热史揭示3套烃源岩成熟度稍有差异,长安组三段和长安组一段均达到低熟—成熟演化阶段,久大组已为高成熟—过成熟演化阶段,长安组三段和长安组一段在泉头组沉积时期进入生烃门限,久大组在长安组沉积时期进入生烃门限。对研究区内新钻探两口地质井进行岩性观测和系统取样,并结合辽1井与15口煤田井钻井数据、地震资料的分析,明确烃源岩品质及对烃源岩深入评价,为平岗—辽源盆地下一步油气勘探打下坚实的地质基础。     

基于烧结大数据预测小于10 mm烧结矿含量模型

为了给高炉提供合格的烧结矿,提出基于烧结生产线各个环节的大量数据,将XGBoost算法、因子相关分析与深度学习算法相结合的大数据技术对烧结矿小于10 mm粒级含量进行预测。首先,对烧结厂数据库的数据进行搜集、整合和预处理;其次,进行因子分析,筛选出适合建模的14个相关变量并进行变量之间的相关性分析;最后,建立深度神经网络算法模型。通过测试并与传统算法模型进行性能比较,结果表明,模型预测效果很好,达到了精确预测烧结矿小于10 mm粒级含量的目的,对烧结实际生产具有很好的指导意义。