基于聚类和多元地质统计学的电—震联合建模约束反演技术及应用

随着待勘探目标地质体越来越复杂且埋深增大,单一地球物理勘探方法的片面性和局限性日益突显,综合利用多种地球物理技术及相应数据已成为现今必然趋势。为此,提出基于多元地质统计学的交叉—变差函数建立速度与电阻率之间的岩石物理关系,并在此基础上利用机器学习中的引导模糊C均值聚类算法进行基于岩石物理关系的多重约束反演,实现电—震联合建模。大杨树盆地南部坳陷实际资料的应用结果表明,该电—震联合建模约束反演可逐步降低单一地球物理方法的多解性,提高对目标地质体的识别能力。非地震与地震方法所得结果相互印证,展示了该联合建模约束反演技术具有良好应用潜力。

多元地质统计学的基本理论与方法

研究多元地质统计学涉及以下方面的若干问题:(1)多元地质统计学的基本假设,包括:协同区域化变量、互变异函数、互协方差以及协同区域化变量的二阶平稳假设和内蕴假设;(2)协同区域化矩阵;(3)协同区域化的线性模型;(4)多元地质统计学的最佳估计方法,包括用协同克立格法对区域化变量的估计、空间分量的估计以及区域化因子的估计。

基于地质多元统计分析的煤层气含量建模方法——以沁水盆地南部某区块3号煤层为例

煤层的气含量是煤层气评价选区中的重要指标,同时也是进行煤层气储量计算的重要参数。通过剖析三维地质建模原理和煤层气含量的制约因素,并以山西沁水盆地南部煤层气开发示范区为例,使用地质多元统计分析方法,建立了煤层气含量的预测模型。通过与气含量的实验数据对比表明,该方法的预测精度较高,误差均在10%以内,其中多元线性回归法的误差为4.50%,效果最好,具有实际意义。实例分析表明,选取适当的气含量制约因素,利用多元统计分析方法建立煤层气含量预测模型,对煤层气三维地质建模乃至煤层气开发都具有指导作用。

煤矿地质测量在煤矿安全生产过程中的价值与应用路径分析

煤矿地质测量工作对保障煤矿安全生产具有关键作用,基于此,对煤矿地质测量在煤矿生产中的实际价值进行分析,探讨影响地质测量准确度的主要因素,在此基础上,提出能够用于煤矿生产的矿山数字化、三维地质模型、地质数值模拟、可视化监测等地质测量关键技术,总结出综合性地应用地质测量技术能够预防煤矿安全生产隐患,保证煤矿生产工作效能。

石油数学地质统计方法及推广应用

数学地质作为一门独立学科,已有40多年的历史。它的出现表明地质学将从传统的研究方式向定量化的研究方向发展。为了尽快让石油地质科研人员掌握地质多元统计分析方法,建议从两方面入手:第一,编制实用的工具软件;第二,结合地质多元统计数学原理,收集应用实例,再配合软件说明。只有这样才能使石油地质科研人员快速掌握地质多元统计分析这一重要的数学地质工具,并在科研生产中发挥出强大的作用。

多元真三维系统在导油气构造研究中的应用

由于深部资料的不足及其多解性，在研究导油气构造时，多元相关信息的正确应用至关重要。在计算机上运用多元真三维地质信息系统（ＭＴ３ＤＧＩＳ）是实现多元信息定量化综合分析，并得出正确结论的关键。在研究区内，运用该系统将遥感、航磁、伽玛能谱等多元相关数据进行统计分析、配准及地层三维实体可视化分析后发现：在３５００ｍ深以下，区内的两个北东向盆地受一北西向构造控制。该构造是一规模大、多期次活动的透水性构造，并判断其为导油气构造。此判断与地震测深的结果一致。该带上有一大气田，是其为导油气构造的又一佐证。该结论已被有关部门所采用。其应用效果充分说明ＭＴ３ＤＧＩＳ在地质深部信息研究中的重要意义。

云南省煤矿瓦斯地质图编制探讨

本文从瓦斯含量分布、瓦斯涌出预测方法和等值线绘制三个方面进行研究，针对云南省小煤矿的特殊地质条件，采用适合云南省实际情况的瓦斯地质图编制方法，以宣威市海岱镇力行煤矿为例，采用瓦斯地质多元分析综合类比法。

MATLAB在因子分析计算和等值线绘制中的应用

地质多元统计分析是通过对地质观测数据的分析、推断,研究多个地质变量之间的相互依赖关系和内在统计规律性,它涉及到很复杂的数学计算。本文通过MATLAB软件来实现地质多元统计分析中的因子分析计算和趋势面等值线的绘制,并初步探讨了利用MATLAB进行地质多元统计分析的计算和绘图方法。

Indicator and Multivariate Geostatistics for Spatial Prediction

There are various occasions where simple, ordinary, and universal kriging techniques may find themselves incapable of performing spatial prediction directly or efficiently. One type of application concerns quantification of cumulative distribution function (CDF) or probability of occurrences of categorical variables over space. The other is related to optimal use of co-variation inherent to multiple regionalized variables as well as spatial correlation in spatial prediction. This paper extends geostatistics from the realm of kriging with uni-variate and continuous regionalized variables to the territory of indicator and multivariate kriging, where it is of ultimate importance to perform non-parametric estimation of probability distributions and spatial prediction based on co-regionalization and multiple data sources, respectively.