细粒沉积岩岩石分类及命名方案探讨

基于国内外细粒沉积岩岩石类型及定名方案的回顾和总结,分析细粒沉积岩的岩矿特征,并对当前岩石分类及定名中存在的问题进行探讨。在此基础上,沿用三级命名法的原则,从粒级和矿物成分两个角度确定细粒沉积岩岩石分类及定名的新方案:①以粒级(即砂级、粉砂级、泥级)为3端元,将细粒沉积岩划分为泥岩和粉砂岩两大类及12种岩石类型;②以矿物成分(即碳酸盐矿物、长英质碎屑矿物、黏土矿物)为3端元,将细粒沉积岩划分为碳酸盐岩、细粒长英沉积岩、黏土岩及混合细粒沉积岩4大类及18种岩石类型。同时考虑到有机质在非常规油气生成和评价中的重要意义,将其作为第4端元参与定名,并以有机质含量0.5%和2.0%为界,划分出贫有机质、含有机质和富有机质3类。新方案贴近现今非常规油气勘探开发的需求,解决了细粒沉积岩定名中的概念混淆等问题,为细粒沉积学的研究提供了基础术语参考和借鉴。

巷道围岩稳定性的判据及岩石分类

本文通过套筒致裂法测试巷道围岩应力及力学性质，并以此进行围岩稳定性分析和分类；提出了巷道围岩稳定性判据以及巷道围岩分类的原则；介绍了本稳定性分析方法在若干煤矿巷道围岩及立井井壁应力测试地点的应用。

基于深度学习与数据增强技术的小样本岩石分类

在油气勘探中,利用深度学习技术对岩石进行识别与分类能极大提高工作效率。岩石采样并制作样本图像费时费力,因此岩石样本通常较少。有鉴于此,基于深度学习技术设计一个新的神经网络模型MyNet,该模型能对小样本进行学习并完成岩石样本的分类。使用数据增强技术通过Python编程将314张岩石样本扩充成28272张图像,为了充分利用现有数据,取其中的27384张作为训练集,剩余888张作为测试集。将数据分别导入MyNet、ResNet50、Vgg16进行训练和测试。实验结果表明,加载、不加载预训练参数的ResNet50、Vgg16的岩石分类结果因受有无迁移学习影响会有所不同;MyNet的总体分类准确率为75.6%,均优于有无迁移学习的ResNet50、Vgg16,且MyNet、ResNet50、Vgg16所需训练的参数量分别为919278、25503912、138357544,显然,MyNet模型的复杂度与训练代价明显低于其他对比模型,但性能最优,说明新模型应用于小样本的岩石分类可行有效且经济安全,更容易推广应用。

基于遗传算法的模糊神经网络模型在岩石分类中的应用

针对地质学对岩石分类准确性要求高的特点,采用神经遗传算法优化的模糊神经网络技术,能提高岩石分类识别的准确率和识别结果的稳定性。将MATLAB提供的岩石样本数据分为建模数据和测试数据,测试结果表明该方法优于模糊聚类分析和单一BP神经网络模型,具有借鉴价值。

应用灰色关联度的岩石分类

近年来，灰色理论在控制和预测方面取得了很大的发展，但在采矿行业中应用不多，在岩石力学领域的研究更少。本文利用灰色关联度对岩石进行分类，并结合实例进行分析，试图为灰色理论在岩石力学领域的研究中起一点倡导作用。

EP-A油田岩石分类及储层流动单元研究

储层流动单元划分对认识油藏的非均质性、注水开发效果和剩余油分布规律研究提供了有效手段。EP-A油田处于开发初期,存在两个问题有待解决:一是没有明确的孔渗关系,如果使用单一的孔渗关系计算渗透率,储层非均质性会被忽略,开发过程中历史拟合和开发指标预测也会受到影响;二是如何将岩石分类结果运用在三维地质模型中。本次研究运用岩心观察和实验数据进行岩石类型精细划分,共分为三类,每一类岩石类型给予相应的孔渗关系,并运用相应的孔渗关系计算渗透率,解决了储层非均质性无法准确表征渗透率的难题。在取心井上建立岩石类型与电性特征的关系,采用神经网络方法运用到非取心井中,进而运用到三维地质模型中,通过流动带指数(FZI指数)进行流动单元划分,从而有利于动态历史拟合,使下一步调整井的开发指标预测更加合理,降低了潜在开发风险。

岩体基本质量指标在电力工程基础定额岩石分类中的应用探讨

各类工程建设都会涉及土石方工程,确定土壤和岩石的分类对其工程造价影响较大。从岩石坚固性系数出发,剖析现行电力工程概(预)算定额岩石(普氏)分类的缺陷,并通过对岩石开挖难易程度影响因素的分析,提出以岩体基本质量指标BQ值为基础的分类方案。

巷道围岩稳定性的判据及岩石分类

通过巷道周围岩体的应力及国学性质的套筒致裂法测试，进行巷道围岩稳定性分析和分类。提出了巷道围岩稳定性判据以及巷道围岩分类的原则。介绍了稳定性分析方法在若干煤矿巷道围岩及立井井壁应力测试的应用。

关于重建岩石分类问题

一、岩石分类现状和评介 1.普氏岩石分类法把现场岩石,采集下来,制做成若干待压试件,在压力机上受压至破坏。破坏载荷为P,受压试件面积为A,则普氏系数f为P/100A。以f大小确定岩石强度。按f和巷道跨度大小来确定支架类型和巷道支护参数。此法简单直观,对致密岩石可使用,但对支护地点的实际情况考虑不周。如工作面岩石f=4,若距地表很浅的巷道内,矿压可能不大,巷道不会垮落;若巷道在距地表很深,可能矿压很大,巷道可能会垮落。它对非致密岩层不适用。

中东地区滩相储层岩石分类方法研究进展

中东地区普遍发育滩相孔隙型灰岩储层,孔隙类型多,孔喉结构复杂,常规的储层分类难以满足储层精细刻画的需求。笔者总结了近年来针对中东地区滩相孔隙型储层的岩石结构分类、孔隙分类、物性分类、核磁共振分类及测井资料分类五种分类方法,这些分类方法可用于类似孔隙型碳酸盐岩油气藏的开发。

QTS岩石分类法及其在布拉格应用的效果

本文介绍的ＱＴＳ法是由捷克斯洛代克科学研究所所提出的，在布拉格地铁初次应用即获得很好的效果。采用此法的主要原因是想了解裂隙带岩石稳定性及地下水的影响，曾试用过多种物理和数学模型，并曾找出ＱＴＳ法与不同直径，岩石条件，施工进度，开挖方式之间的关系。经过１５年的实践证明此法可靠。ＱＴＳ法已被捷克斯洛代克国家标准所采用。

对内蒙超基性岩石分类和鉴定的初步意见

一、内蒙超基性岩侵入体的简要地质特征超基性岩侵入体在本区极为发育。主要分布于内蒙地槽中;在内蒙地轴中,亦有零星分布。 (一)

基于层一致性平均教师模型的半监督岩石薄片图像分类

传统的岩石薄片图像分类依赖于大量人工标记的图像样本,这种方式受制于标记人员的经验和能力,且无法通过不断增加的未标记岩石薄片图像样本实现分类能力的可扩展式增强。该文提出的在平均教师(mean teacher, MT)模型的基础上,通过在无监督损失中添加层一致性正则化项的方式约束师生模型的层次结构,实现对未标记数据信息的有效利用。消融实验和层一致性平均教师(hierarchy consistency mean teacher, HCMT)模型对比实验结果表明,层一致性正则化方法利用了未标记数据的有效信息,提升了MT模型的分类效果,使得HCMT模型可以在半标记数据集中获得如全标记数据集相似的分类能力。该实验表明,半监督学习模型利用大量未标记岩石薄片图像数据可以提升模型分类的能力。

基于三维卷积残差网络的无人机高光谱岩性分类

岩性识别和分类是地质学、资源勘查等不可或缺的环节,高光谱遥感的兴起为岩性识别提供新的思路。利用机器学习挖掘岩石高光谱图像中的信息从而准确识别岩性,这具有重要的应用价值。目前用机器学习的方法实现岩石的高光谱影像分类研究中,缺少对空间和光谱信息的充分利用,因此本文使用了一种加入注意力机制的三维卷积残差网络结构,能够有效提取岩石高光谱图像的空间、光谱特征以及空谱联合特征。本实验利用无人机搭载高光谱传感器采集了10种不同类型的岩石样本影像,应用该算法对岩石高光谱图像进行分类。实验结果表明:该算法与传统机器学习算法SVM、RF和深度学习算法ResNet、3D CNN和SSRN相比具有更高的精度。

黄松峪地质公园岩石纹理特征提取技术分析

黄松峪地质公园处于燕山南麓与华北平原北端的相交地带,区内出露的白云岩、底砾岩、砂岩、页岩等在华北地区具有广泛的代表性和典型意义。判别岩石的有效特征对于精准识别岩石类型尤为重要。应用Matlab仿真平台针对岩石纹理特征提取中的一些关键技术进行研究,通过小波变换进行滤波去噪预处理,基于霍夫变换检测线条特征,将二维图像降维投影为垂直和水平方向的一维曲线信号,根据信号的均值、标准差、偏态、峰度等参数分析图像中的纹理结构特征。对比高斯平滑算法,小波变换的Mallat算法可有效实现滤波去噪预处理,大幅度提高图像的信噪比。相对于Prewitt边缘检测算子,霍夫变换检测中采用Canny边缘检测算子提取的二值化图像更有利于精准提取岩石的线状纹理信息,结合一维投影曲线信号特征对于线条型纹理具有较强的识别能力。采用相关分析法设置不同的权限参数串行联接构成协同数据可以实现多特征融合,提高对复杂岩石结构的表达能力。

公路岩土区划中岩石分类体系与类型分布

为了认识岩土的区域分布规律及其公路工程性质,进行中国公路岩土区划研究,岩石类型区划是其中的重要组成部分。在分析和比较已有的岩石类型划分方法的基础上,提出了服务于岩土区划的岩石分类体系,即将岩石主要按照单轴饱和抗压强度(Rc)划分成坚硬岩石、次坚硬岩石、软质岩石和极软岩石等4种类型。基于ArcGIS9.1编制了《中国公路岩石类型分布图》,据此分析了中国公路岩石类型的分布情况以及区域工程性质。结果表明,坚硬岩石和次坚硬岩石在我国分布很广,强度较高,是较好的筑路材料;软质岩石和极软岩石分布很少,力学性质较差,易诱发公路地质灾害。中国公路岩石类型区划为中国公路岩土区划、灾害区划乃至公路自然区划等提供了重要参数和基础图件。

点载荷作用下岩石塑性特征及分类

为了研究不同种类岩石在点载荷作用下塑性特征,通过室内实验测定了花岗岩、细砂岩、黄砂岩、玄武岩、粉砂岩、红砖在点载荷作用下位移-载荷曲线,得到了6种类岩石力学特性和塑性特征。粉砂岩、红砖和玄武岩的强度接近;黄砂岩、花岗岩和细砂岩强度呈现线性增大,且与刚度变化趋势相一致。随着强度的增加,变形呈现先急剧增长后缓慢下落的特点。根据曲线规律对岩石进行分类和分级,黄砂岩、粉砂岩、玄武岩和红砖均属于脆塑性岩石;玄武岩为塑性岩石,细砂岩为脆性岩石。通过塑性系数对岩石进行分类,细砂岩为脆性岩石,级别为1级,塑性系数为1;玄武岩为塑性岩石,级别为6级,塑性系数为6~∞;花岗岩塑性<黄砂岩塑性<粉砂岩塑性<红砖塑性。岩石越致密越均质,弹脆性越好;孔隙越多越离散,塑性变形越明显。

陆相咸化湖盆细粒沉积岩分类及其石油地质意义

细粒沉积岩作为地壳表层最多的岩石类型,蕴藏着丰富的油气资源,是近些年油气工业领域研究的一个热点。由于细粒沉积岩主要由粒径小于0.0625 mm的颗粒或晶体构成,成分多样复杂,导致其岩石类型术语运用混乱,该问题在陆相湖盆细粒沉积岩研究中尤为突出。为了建立科研人员之间清晰、高效的沟通渠道,提出一套三级命名分类方案,由大到小分别为沉积构造、结构与成分、盐组分。首先,按沉积构造分为层状细粒沉积岩和块状细粒沉积岩;然后,根据沉积结构和成分,划分出7种主要岩石类型;最后,根据盐组分再划分陆相湖盆不同演化阶段的岩石类型。该方案基于描述性的属性作为分类的标准,分级逐级描述,具有反映物源、水动力条件、咸化湖盆演化等成因意义。陆相湖盆细粒沉积岩的岩石学分类,不仅有助于理解细粒沉积岩层系中生烃母质类型和丰度的层位归属及演变,而且有助于预测地质“甜点”空间分布等,对细粒沉积岩的油气资源评价、科学优选目标、提升勘探开发整体效益等具有重要的理论和实践意义。