排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
潮水盆地不同地区重要探井岩心和岩屑样品的系统地球化学分析揭示,潮水盆地侏罗系新河组发育规模性湖相优质泥质烃源岩,青土井组部分层段也出现湖相优质泥质烃源岩,其有机质丰度高、有机质类型好,主要为Ⅱ1 — Ⅰ型,腐泥组含量高,为半深湖—深湖相沉积;青土井组和芨芨沟组还发育有机质类型较差的中等煤系烃源岩。新河组泥质烃源岩是盆地最主要的烃源岩,青土井组烃源岩是次要烃源岩。烃源岩热演化程度呈“北低南高,上低下高” 差异性分布特点,且烃源岩的成熟度与现今埋深基本呈正相关关系;盆地北部新河组处于未成熟—低成熟阶段,盆地南部则处于低成熟—成熟阶段;盆地北部青土井组处于低成熟阶段,盆地南部则处于成熟阶段;盆地南部金昌坳陷生油条件优于盆地北部红柳园坳陷和阿右旗坳陷。盆地南部金昌坳陷附近的构造高部位和坳陷内低隆构造部位及岩性圈闭发育部位是下一步油气勘探值得关注的主要方向,盆地北部红柳园坳陷和阿右旗坳陷的侏罗系烃源岩现今埋深较大的区域内的低隆部位和烃源岩内部则是寻找致密油藏的有利地区。 相似文献
2.
镜质组平均最大反射率是表征煤化程度的重要指标,在确定煤级、鉴别混煤和指导炼焦配煤中起关键作用。传统反射率测定方法费时耗力,且测量结果的主观性较强,致使实验室间鉴定结果的可比性差。针对该问题,提出一种基于随机森林(RF)和树突网络(DDNet)的煤镜质组反射率估计方法,主要包括煤岩显微图像分割、镜质组识别和镜质组平均最大反射率预测3个部分。利用手肘法和K-Means算法对显微图像聚类,以实现不同显微组分区域的分割;采用人工少数类过采样法(SMOTE)对少数类样本过采样,以改善煤岩中镜质组与非镜质组区域样本的不均衡问题;利用基于DDNet的回归算法实现镜质组平均最大反射率的估计,构建回归模型时从镜质组区域中选择多个41×41像素的方形窗口并提取其灰度特征,以提高算法的鲁棒性,其决定系数达到0.990。实验结果表明:采用手肘法自动确定K-Means算法的参数K,具有良好的自适应能力,能够自动区分不同类别数的显微组分;SMOTE方法可有效避免模型因过度学习样本先验信息而导致对多数类识别好、少数类识别差的问题,提高分类准确度,其中基于RF的识别模型准确率达到97.0%;建立了7种回归估计模型,其... 相似文献
3.
4.
1