深度卷积神经网络目标检测算法在煤矿断层检测上的应用

断层解释技术在煤矿安全开采领域起着至关重要的作用。随着神经网络技术的发展,许多基于神经网络算法的智能化地震资料解释处理方案被提出。首先通过对比不同的深度卷积神经网络目标检测算法,选择适合于识别断层的Faster R-CNN目标检测算法;其次建立具有多种地质特征的地震正演模型,分别对AlexNet、残差网络ResNet50和ResNet101三种特征提取网络进行测试,优选得出ResNet101特征提取网络在断层检测方面具有更加优异的表现;最后基于优选的ResNet101特征提取网络和Faster R-CNN目标检测算法构建断层检测模型,对实际地震数据进行断层检测。结果表明:基于深度卷积神经网络的目标检测算法在断层检测上具有很好的泛化能力,提高了断层的解释效率,在实际应用上具有巨大潜力。

岩石样品中超声波传播数值模拟及分析

为了深入研究超声波速度测试中超声波在岩石样品中的传播规律,对岩石超声波速度实验采用交错网格有限差分算法进行了数值模拟.选取了适合于超声波震源的差分精度、稳定性条件和吸收边界.通过模拟波形与实验记录波形的对比分析,结果表明:激发器和接收器直接位于岩心与探头接触面时,接收到的波形中干扰波较少,合成记录波形特征明显,易于分析;使用雷克子波作为超声波数值模拟的震源子波,计算得到实际首波初至时间为21.55μs,而波形图中首波初至时间为23.90μs,这是由于子波自身的长度使得波初至时间比实际波初至的时间晚;相对于岩心与探头接触面的反射波,岩心柱体与空气接触面的反射波对有效波形信号的影响更大.