教学课程资源库 更多>>

关键词： 滑槽阻尼式   边界条件   防落梁能力   分级设防  

摘要： 建立分级设防、多阶段定量计算的方法,通过设定弹性阶段、塑性阶段设防边界条件,采用常规且简单的分析手段,以解析计算的方式研究分析了滑槽阻尼式防落梁装置在不同阶段所提供的防落梁能力,给出各阶段所能提供的防落梁力的计算公式,为该装置的实桥应用奠定了理论基础。计算方式简便,便于工程师进行快速准确的计算和评估,降低了设计难度和成本,提高了设计效率,确保设计结果的准确性和可靠性。滑槽阻尼式防落梁装置结构简单、力的传递途径明确、便于安装维护且价格低廉,极大地提高了防落梁装置的成本效益和应用场景。

关键词： 地震数据去噪   随机噪声   Hard-swish激活函数   DnCNN  

摘要： 地震数据作为油气勘探与开发的重要支撑,在实际应用中往往受到各种噪声的干扰,影响了数据的质量和解释的准确性。本研究旨在改进现有噪声抑制网络(Denoising Convolutional Neural Network,DnCNN),提升其在地震数据随机噪声去除中的能力。在去噪的实验中,我们深入研究了DnCNN的设计和性能影响。通过对比常用的激活函数,包括传统的ReLU和Hardswish,系统性地评估了它们在地震数据去噪中的表现。实验结果表明,Hard-swish构建的HSDnCNN网络在去除地震数据随机噪声方面优于原始DnCNN,并且相较于其他的去噪方法,更有效地抑制了随机噪声。随后,我们将HS-DnCNN应用于实际地震数据的去噪实验,验证了其在实际场景中同样具有良好的适用性。HS-DnCNN在保留并突出有效信号的同时,展现出较好的去噪效果。

关键词： 芦山地震   Newmark位移   方向性   地震动参数  

摘要： 为研究2013年芦山Mw6.8地震Newmark位移的方向性特征,使用震源区近场22个台站的强震动记录,利用Boore的改进方法对地震动进行投影,分析Newmark位移随方向性变化、最大值与最小值比值(Dn max/Dn min)和卓越方向(θmax)等特征。得出以下结论:(1)Newmark位移随方向的变化存在明显的波峰和波谷,其最大值方向与最小值方向夹角在多数情况下处于近似垂直的关系。(2)Dn max/Dn min随着临界加速度(a c)的增大而增大;a c较大时,Dn max/Dn min随断层距的增大逐渐增大;此外,场地类型对Dn max/Dn min也有一定影响。(3)θmax在断层两侧和同震位移方向存在较强的相关性,在断层两端与同震位移方向相关性较弱;θmax与断层走向垂直方向(FN)的相关性不强;此外,θmax不随a c发生显著变化。(4)基于Arias烈度和考虑地震震级的Newmark位移经验模型对考虑方向性的Newmark位移的预测效果最好。

关键词： 浅层\超浅层   叠置砂体   AVO响应   气藏识别   属性分析  

摘要： 南海浅层气藏作为我国油气勘探的重要研究领域,其储层具有广泛发育、地质成因复杂、储层类型多样的特点。受松散储层低地震速度、强非均质性以及测井难以准确获取储层参数等因素影响,常规地震储层分析方法难以实现有效识别和预测。在叠前时间偏移地震资料基础上,对比不同类型储层地震响应特征,通过地震正演定量分析不同期次砂体叠置对地震反射振幅的影响,采用多地震属性融合的办法对有利储层进行识别和预测。结果表明:含水砂体为第四类AVO(Amplitude Variation with Offset)异常特征,含气砂体为第三类AVO异常特征,叠置砂体的厚度、横向变化及复杂组合形式会影响地震振幅特征,砂体识别需要考虑振幅调谐作用,南海浅层\超浅层含气区利用多属性分析技术进行识别,结果显示与L1井相比,L2井及L3井气藏特征更为明显,本地震综合分析方法对储层的识别和预测结果与实际钻井数据吻合较好,为目标区浅层气藏勘探提供了参考。

关键词： 地震层位解释   UNet++   CBAM注意力模块   MultiResBlock多尺度残差模块   联合损失函数  

摘要： 现有基于深度学习的层位识别方法通常在地震振幅信号特征方面进行处理,而地层之间上、下位置的空间关系、不同尺度特征未得到充分关注,导致普通深度学习网络在识别多个地震层位时容易产生层位识别结果连续性不强和错层等问题。为了充分利用层位之间的空间位置关系及多尺度特征,使用MultiResBlock多尺度残差模块、CBAM注意力与UNet++,提出了基于多尺度注意力UNet++的层位识别方法 (MR_CBAM_UNet++)。该方法利用MultiResBlock提取更多层位尺度特征,采用CBAM注意力模块以减少非目标层的振幅信号干扰,利用Focal Loss与Dice Loss组成的联合损失函数对网络进行训练。最后,加入唯一性约束对模型识别结果优化得到层位识别结果。在实际地震数据上的评价结果显示,MR_CBAM_UNet++模型相比于传统模型,对非层位信息的抑制能力和复杂地势下层位的识别能力均有很大提升。在测试集上,层位识别结果的准确率达到了86.19%,有效缓解了层位解释连续性不强和错层等问题,唯一性约束也使层位识别结果更贴近实际。

关键词： 差分干涉测量短基线集时序分析技术   长短时记忆网络   深度学习   范家坪滑坡   三峡库区  

摘要： 传统滑坡地表形变监测手段存在着监测范围小、复杂地形信息获取难度高、经济成本投入量大等缺点,且大型复杂滑坡变形时间序列的非线性、不确定性变化特征也一直是滑坡形变监测及预测研究中亟待解决的难题。以三峡库区范家坪滑坡为研究对象,利用差分干涉测量短基线集时序分析技术(small baseline subset InSAR,SBAS-InSAR),结合地表GPS监测数据进行滑坡形变监测,基于SBAS-InSAR时间序列数据及长短时记忆网络(long short term memory,LSTM)开展滑坡形变预测研究。结果表明:研究时段内,范家坪滑坡SBAS-InSAR形变监测结果与地表GPS监测数据所反映出的形变区域及形变量级基本保持一致,与现场调查情况相吻合;范家坪滑坡的位移变形与坡体的高程分布及库水位条件密切相关,当库水位高于160 m时,滑坡前缘阻滑段主要受“浮托减重”效应影响,当库水位低于160 m时,渗流压力占主导作用,水位下降阶段的位移变形总体明显大于水位上升阶段,库水位下降速率对范家坪滑坡的位移变形产生重要影响,且木鱼包滑坡区相较于谭家河滑坡区对库水位下降速率的变形响应更为强烈;将LSTM神经网络模型与传统神经网络模型的预测结果进行效果对比、置信区间估计及相关性检验,结果显示,LSTM神经网络模型的预测结果始终保持较高的预测精度,验证了InSAR与神经网络结合的滑坡监测与预测方法能够为三峡库区地质灾害防治提供重要的数据参考和信息支撑。

关键词： 重力式沉箱码头   地震与波浪联合作用   有限元模拟   动力响应   相位差  

摘要： 针对当前重力式沉箱码头研究仅考虑地震或波浪单独作用而与实际情况不相符的问题,基于开源数值计算平台OpenSees,构建了重力式沉箱码头有限元模型,进行了地震与波浪联合作用下的动力响应分析,并讨论了地震与相位差对沉箱位移的影响。结果表明:仅地震作用沉箱出现了明显的水平和竖向位移,而地震与波浪联合作用会显著影响沉箱位移的大小,具体情况与地震和波浪之间相位差有关,在最不利和最有利相位差条件下,沉箱最大水平位移相较于仅地震作用分别增大37.1%和减小26.9%。因此,在沉箱码头的动力响应分析及抗震设计时,需考虑地震与波浪联合作用下的不利情况。

关键词： 地震事件   XGBoost模型   遗传算法   小样本   特征提取  

摘要： 由于爆破数据数量有限,利用分类法识别天然地震与爆破会遇到诸多困难。鉴于此,本文建立了高维特征小样本数据集,基于XGBoost模型利用遗传算法(GA)实现对主要影响XGBoost模型分类准确率的迭代次数、最大树深和学习率等三个重要超参数的自主寻优,构建出了GA-XGBoost模型,并将该模型应用于功率谱特征样本集,结果显示:爆破与天然地震的分类准确率高达94.094%;相比于传统的GS-XGBoost模型(准确率91.787%),GA-XGBoost模型在显著提升分类准确率的同时,其运行时间也由409.26 s缩短至55.48 s,效率提高了超86%。由此可见,本文建立的GA-XGBoost模型兼顾准确率、稳定性与效率,在小样本分类任务中具有良好的应用前景。

关键词： 塔里木盆地   超深断控岩溶缝洞储层   深度学习   残差网络   样本库优化  

摘要： 塔里木盆地超深层断缝带岩溶缝洞体储层主要集中于断裂带附近,垂向深度大、水平宽度小,对储层识别精度要求高。常规缝洞体识别主要针对其振幅响应特征采取各种技术手段,只能提供储层走向和储集体大致范围。本文提出一种基于二维Res-UNet残差网络和标签数据优化相结合的断缝带缝洞储集体精细解释方法,通过提高二维训练样本更新频率和优化效率,修改Res-UNet残差网络结构,达到提高储层预测精度的目的。本次研究中,将卫星图像、无人机扫描、现场踏勘和地质雷达等信息与地震资料初步解释成果相结合,明确了断裂、裂缝和锥形溶洞为主的地质模型。通过深度域三维地震数据体子波分析、成像测井、声波测井等提取地层和储层速度,选择20、25和35 Hz共3个主频雷克子波,制作了不同储层宽度正演模型,拟合出基于频率和地层速度的储层宽度与其地震响应之间的关系经验公式,通过钻穿储层的水平井轨迹、直井远探测数据和测井数据等,提取实际资料中的储层宽度与地震响应关系完成验证。基于这一公式,结合研究区目的层振幅属性,提取目的层的储集体宽度范围。同时,根据三维地震剖面分析,得出研究区储集体组合特征,通过分析、设计、验证和重新设计等试验流程,针对研究区正演模型设计最优的子波、偏移孔径和采样间隔等参数。建立起可实时更新的二维训练样本库,并利用合成缝洞数据和实际缝洞数据相结合的方法对缝洞标签进行迭代优化。基于这一样本库,开展二维Res-UNet残差网络训练与预测,解决深层网络的退化问题,最终实现了缝洞体结构的精细预测。

关键词： 超高密度地震背景噪声法   盾构   围岩   隧道拱顶  

摘要： 广州市城市轨道交通快速发展,线路穿越场地环境复杂多变,部分区域以钻探为主的勘察手段难于实施,需寻求一种无损地面的勘察手段。对广州碎屑岩区某盾构区间采用超高密度地震背景噪声法进行探测应用研究,结果表明:第四系覆盖层横波速度介于150 m/s~350 m/s,全风化与强风化层横波速度分布介于350 m/s~450 m/s,中等风化层与微风化层分布介于450 m/s~1000 m/s,且其土层划分与钻探资料基本一致。根据超高密度地震背景噪声法划分地层,结合岩土特征进行岩土工程分析评价,为设计提供可靠的勘察成果。通过盾构掘进渣样对比及地面监测数据分析,侧面验证了地层分布规律的准确性及岩土工程分析合理性。