基于Adam-神经网络的致密砂岩脆性评价方法:以南堡凹陷高北边坡为例

致密砂岩储层脆性评价对于“甜点”区预测和压裂改造都有重要作用。针对目前脆性评价力学机理不足、脆性矿物组分分析准确性不高的问题，提出了一种考虑岩石力学性质、脆性矿物组分和岩石成熟度的Adam-神经网络脆性综合评价方法。根据南堡凹陷高北边坡27块岩样的三轴力学实验结果，分析了岩石应力-应变曲线和破坏形态得出Rickman脆性指数，根据全岩矿物X-衍射实验分析得到反映成熟度的黏土矿物和反映脆性组分的非黏土矿物的含量，然后以反映力学性质的Rickman脆性指数为目标函数，以黏土矿物和非黏土矿物含量为训练参数，通过改进的Adam算法建立神经网络脆性评价模型，最后用测井曲线验证模型的准确性。研究表明，该地区脆性矿物以石英、长石为主，中等脆性程度，岩石区域各向异性较强，测井动态力学参数计算的脆性指数与模型相吻合。该Adam-神经网络算法结合力学、地质和矿物学因素, 可以快速得到更加准确的区域脆性指数，对指导选井选层，压裂施工都有很好的指导意义。      

《东北地区1：150万大地构造相图》的编制

东北地区1：150万大地构造相图是2018年出版的一份区域性大地构造图.该图依据不断积累和丰富的基础地质资料，将大地构造理论研究与综合应用汇总和集成，是东北地区科技创新成果和技术方法进步转化应用的重要体现.此次编图以板块构造理论和大陆动力学思维为指导，以多岛洋、弧-盆系发展演化观点为切入点，运用大地构造相分析方法，研究东北地区地壳形成、演化历史，以及大地构造环境及其与成矿作用的时空关系.较系统地阐述了东北地区的岩石构造组合、建造构造与构造演化阶段的宏观背景.     

北太平洋副热带模态水盐度的年代际变化

副热带模态水(Subtropical Mode Water;STMW)在气候变化中起着重要作用。本文利用全球高分辨率数值模拟结果,研究了北太平洋STMW核心层盐度(Core Layer Salinity;CLS)的年代际变化及其物理机制。结果表明,CLS存在显著的年代际变化,其空间分布则与背景流场分布特征有关。侵蚀区CLS滞后生成区CLS约1~2年,这主要是海流平流输运引起的。生成区内,STMW的季节循环一般可分为生成期(12-4月)、隔离期(5-6月)和侵蚀期(7-11月),生成期混合层盐度(Mixed Layer Salinity;MLS)决定着隔离期和侵蚀期的CLS,而MLS年代际变化则主要由同太平洋年代际涛动存在负相关性的海表面淡水通量的变化引起。     

基于PSR-WSVM模型的边坡位移预测

为建立高精度的边坡位移预测模型，采用相空间重构（PSR）将边坡位移时间序列数据转换为多维数据，同时构造小波核函数改进的支持向量机模型，建立PSR-WSVM模型并应用于边坡位移预测。将PSR-WSVM模型预测结果与传统支持向量机（SVM）模型、小波支持向量机（WSVM）模型和基于相空间重构的支持向量机（PSR-SVM）模型预测结果进行对比，通过平均绝对误差（MAE）、平均绝对误差百分比（MAPE）和均方根误差（RMSE）3个精度评价指标验证PSR-WSVM模型的可行性。工程实例结果表明，PSR-WSVM模型预测结果的3个精度评价指标都优于另外3种模型，边坡位移预测的精度明显提升。     

华北克拉通南缘石炭系本溪组铁-铝黏土矿物质来源: 以河南三门峡大安铝黏土矿床为例*

华北克拉通在中奥陶世至晚石炭世期间一直出露地表,经历了长期的风化作用,形成大规模的铁-铝黏土矿,其成矿物源一直是研究的热点,尤其是本溪组底部铁矿和铁质黏土矿与上部铝黏土矿是否为同一来源尚未查清。本研究选取克拉通南缘大安铝黏土矿床作为研究对象,展开微区矿物及元素地球化学组成分析,进一步探讨铁-铝黏土矿物质来源。大安矿床内含矿岩系自下而上包括铁质黏土岩、铝土矿、铝质黏土矿;局部喀斯特高地缺失铝土矿,铝质黏土矿直接覆盖于铁质黏土岩之上。铁质黏土岩在洼地以菱铁矿、黄铁矿和伊利石为主,在隆起区以赤铁矿、伊利石和高岭石为主。铝土矿以硬水铝石、伊利石和锐钛矿为主;铝质黏土矿主要矿物为伊利石。矿物微区分析在黏土矿底部发现大量的碳化硅和少量自然硅、硅铁矿、铬铁矿;区域对比揭示北秦岭造山带内商丹缝合带和二郎坪群中的蛇绿岩为铝黏土矿形成提供了成矿物质。本溪组底部铁质黏土与上部铝黏土矿稳定元素比率(例如Zr/TiO₂、Hf/TiO₂、Nb/TiO₂、Ta/TiO₂)存在明显差异,揭示二者为不同来源: 底部铁质黏土岩和铁矿层为底板碳酸盐岩原地风化的产物;而上部铝黏土矿是异地搬运物,北秦岭造山带在晚石炭世的整体抬升为华北铝黏土矿形成提供了重要的成矿物质。     

新疆和田地区耕地面源污染生态风险评价

随着化肥、农膜等在农业生产中的过量投入，耕地面源污染的程度随之加重。文章选取塔里木河流域上游和田地区为研究区域，依据P-S-R框架理论，构建和田地区耕地面源污染生态风险评价指标体系，加入土壤理化数据，使用生态风险评价模型对和田地区1980 年及2016 年耕地面源污染状况进行生态风险评价，运用耕地生态风险模型、生态风险转移矩阵、Arcgis分析和田地区耕地面源污染时空分异状况。研究结论如下：和田地区1980 年耕地生态风险等级均为II级或III级，呈“中间高，两侧低”分布；2016 年耕地生态风险等级上升至IV级或V级，呈“倒W型”分布，各县耕地面源污染程度较1980 年均有较大幅度的上升，其中墨玉县和于田县在2016 年耕地生态风险等级达到最高的V级，而民丰县因自身生态环境的强脆弱性，同样需要提高关注。根据面源污染“从源头治理”的原则，应切实推进和田地区耕地生态环境保护与治理，提高政府重视程度，增强技术指导，开展试点工作，改善和田地区耕地面源污染现状。     

高精度层序格架下的陆相断陷湖盆沉积体系演化:以南堡凹陷老爷庙地区东营组三段为例

南堡凹陷为典型的陆相断陷湖盆,凹陷北部老爷庙地区是油气勘探的重要目标区.充分利用南堡凹陷岩心、测井、三维地震等资料,运用层序地层学及沉积学理论,对南堡凹陷老爷庙地区东营组三段沉积特征及其主控因素进行了研究.结果表明,南堡凹陷老爷庙地区东三段为一完整的三级层序,主要发育扇三角洲、湖泊和浊积扇３种沉积体系类型.从低位体系域(LST)到高位体系域(HST),扇体展布范围呈现“大－小－大”的演化特点,扇三角洲沉积中心总体上由东向西迁移;区内构造活动对沉积体系的分布和演化的控制作用显著,同沉积断裂的活动性差异控制了扇体发育的规模和位置,构造坡折带控制着沉积相带纵向分异特征,构造古地貌单元的空间配置控制着沉积微相的规模和形态;在此基础上,在研究区内识别出梳状断裂式、转换带式、滚动背斜式和多级断阶式４种砂体空间分布样式,对该区沉积模式的建立和有利储集相带的预测都具有重要指导意义.      

不同空间尺度的山洪灾害风险评价模型对比研究

以山洪灾害风险评价的多准则决策模型、最大熵模型、信息量模型三种常见模型为研究对象，选取河西走廊和张掖市为地理区划（大中）、市域（小）空间尺度研究区，构建山洪灾害风险评价指标体系，分别完成基于三种模型的两种空间尺度的山洪灾害风险评价制图，基于甘肃省地质灾害调查与区划报告数据从模型验证、空间自相关、精度对比和尺度效应等角度对比分析三个模型应用于不同空间尺度的适应性，并给出优选模型。结果表明：最大熵模型是河西走廊（地理区划）空间尺度上山洪灾害风险评价的优选模型；多准则决策模型不适用于张掖市（市域）空间尺度评价，且三个模型运行结果均没有河西走廊（地理区划）空间尺度上表现良好；三个模型的尺度效应明显，在地理区划空间尺度上应用较良好，缩小至市域空间尺度上模拟结果误差增大；不同空间尺度上，最大熵模型均优于多准则决策模型和信息量模型，适用于地理区划（大中）、市域（小）空间尺度的山洪灾害风险评价。     

贵州省镇宁县大营煤矿硫分特征及沉积环境研究

介绍了大营煤矿区地质、含煤地层岩相组合、煤层及煤质特征概况,对可采煤层硫元素质量分级、可采煤层形态硫、硫分在垂向及水平面上的变化规律等方面进行煤中硫元素的分析,并结合矿区黄铁矿赋存状态对该区煤矿的沉积环境进行讨论,指出区内可采煤层在成煤时处于与海水有关的三角洲、泻湖等泥炭沼泽环境。     

基于GIS与地理探测器的岩溶槽谷石漠化空间分布及驱动因素分析

岩溶区土地石漠化已成为中国西部继沙漠化和水土流失后的第三大生态问题,近年来岩溶槽谷区石漠化表现出增加趋势。通过获取槽谷区石漠化、岩性、坡度、海拔、降雨量、土地利用、人口密度和第一产业生产总值等数据,利用GIS空间分析功能和地理探测器模型,探讨了岩溶槽谷区石漠化空间分布特征及驱动因子。主要结论为：① 岩溶槽谷区总石漠化面积为21323.7 km ²,占研究区土地面积的8.3%,其中轻度、中度和重度石漠化面积分别是11894.8 km ²、8615.8 km ²和813.1 km ²,分别占石漠化面积的55.8%、40.4%和3.8%;② 从石漠化的空间分布来看,槽谷区石漠化主要发生在连续性灰岩中,轻度、中度和重度石漠化面积分别为占槽谷区相应石漠化类型面积的22.1%、22.4%和1.9%;槽谷区石漠化主要发生在15°~25°的坡度范围,轻度、中度和重度石漠化面积分别为占槽谷区相应石漠化类型面积的27.1%、18.2%和2.3%;从海拔来看,主要分布于400~800 m范围内,轻度、中度和重度石漠化面积分别为占槽谷区相应石漠化类型面积的24.9%、18.4%和0.2%;从土地利用类型来看,主要发生于山地旱地中;从人口密度来看,集中分布于100~200人/km ²中;从第一产业生产总值来看,集中分布于25亿~50亿元中;③ 地理探测器的因子探测器揭示了岩性（q = 0.58）、土地利用（q = 0.48）和坡度（q = 0.42）3个因子是槽谷区石漠化形成的主要驱动因子,交互式探测器进一步揭示了岩性与土地利用类型（q = 0.85）、坡度与土地利用类型的组合（q = 0.75）共同驱动槽谷区石漠化的形成。