贵州南部弯测线区域地震解释中的一些问题

深部地质构造决定着地震记录的面貌。区域地震测线方向与构造方向关系极为密切。弯测线区域地震反射波提供大致的构造输廓,因测线方向不垂直构造线;弯测线CDP是面元内若干道集的叠加;CDP分布在输出线的两侧,呈折线状,构成一近百米宽的CDP带等。黔南桑郎地区泥盆系(D)与寒武系(∈)为角度不整合,属华南加里东褶皱基底类型。地表构造与反射波之间的不协调(非不整合)现象可能引起之原因、区域和面积地震勘探测线的选定不可忽视已知构造特征。地震勘探是研究深部的地质构造的一种有效手段。做好地质构造解释必须掌握区域地质、钻井资料,还需掌握或了解地震勘探过程中采集、处理和反射波追踪对比的专业知识。这对深入研究地下地质构造是不可缺少的。     

计算机辅助地震解释系统模拟试验研究

石油勘探中,三维地震数据的显示已成为研究复杂地层构造区域的公认的勘探工具。这种技术即是八十年代兴起的计算机辅助地震数据解释系统(CASI)。它能将庞大的地震数据在屏幕上进行各种显示,使解释人员可从烦杂而费时的手工劳动中解脱,使解释精度和工效提高,同时能进一步揭示地下一些复杂的地质构造情况,使勘探打井的命中率提高。     

浅谈白银城区地震地质构造环境

根据白银市区域地质构造、地震构造环境,研究区地质构造活动性及地震活动性分析,对白银城区地震地质环境进行了初步研究,为建设工程、城区整体规划提供了一些理论依据。     

山西省坪上水库工程水库诱发地震的分析

分析了山西省坪上水库工程区域的地质构造、工程地质条件及地震活动特点,认为在区域地震影响下,坪上水库有可能发生水库诱发地震,但地震烈度小于VI度。     

淮南地区地震和煤与瓦斯突出相关性研究

研究了区内地质构造的特点，利用地质动力区划理论解释了淮南地区地震和煤与瓦斯突出现象的成因：分析了大量地震和煤与瓦斯突出数据，以及区内地震和煤与瓦斯突出的分布特征，结果表明二者具有同步性和重叠性；地震所反应的应力场变化符合区内、煤与瓦斯突出的动力源特征以及二者在时空分布上存在相关性，为预测矿井动力现象发生的危险区域提供了宏观上的指导。     

甘肃华亭地震和平凉地震的特征分析

本项研究以2009-2012甘肃地震台网的观测数据为依据,研究了华亭地震和平凉地震的空间分布特征,初步估计了发震断层,并通过地震波形特征和频谱分析,展示了两个区域地震记录特征。研究结果对于这一地区区域地质构造、地震活动及发震机理研究具有参考意义。     

利用三维地震勘探技术解释煤矿陷落柱

陷落柱为严重危害煤矿生产的重大地质灾害,应用三维地震资料发现并解释陷落柱的存在,为矿方提供了精确的地质资料。三维地震数据体可以提供剖面、平面,立体的地下地质构造图像,大大地提高了解释地质异常的精度。陷落柱解释中充分运用三维地震勘探技术中的水平切片、层拉平切片等进行综合解释取得了比较理想的效果,解决了矿方在实际生产中遇到的问题。     

数字图像分析在地震定位数据中的应用

针对地震分布点状图不能有效地显示复杂震源区地震构造的几何形态问题,利用网格化插值和二维小波变换方法处理了地震定位数据,得到震源空间分布图像和发震时间图像.对图像进行分析可以更直观地反映地震构造走向、倾向和发震时间的平面分布特征.将方法应用于实际资料的处理,并且对研究区的图像进行了地震构造解释.结果表明,研究区发震构造时间和空间特征为明显的北西方向,另外还存在断续的北东向特征,与该区域地质构造和其他资料分析结果较为一致.     

濮阳台聊兰断裂带地震反射波分析

聊兰断裂带小震较多,周围台站记录该地区地震震相特殊.濮阳市地震台搜集了该区域有这一特征的地震,依据本区地质构造特征和地震波运动学特征,运用对比法、作图法和时距方程法,分析了该区域特殊震相特征,认为两个不明震相为地下界面反射波.     

基于改进XGBoost的地震多属性地质构造识别方法

地震属性可以用来解释与预测地质构造，因此地震属性被广泛地运用在煤矿地质构造的识别。但一般情况下，勘探区中无构造区域与有构造区域分布不均衡，无构造区域远远多于有构造区域。机器学习中，传统的分类器更习惯于偏向多数类，这使得如何有效地识别出构造体成为一个难题。为了解决这一问题，提出了一种针对不平衡数据集的改进极限梯度提升（extreme gradient boosting，XGBoost）构造识别方法。该方法的原理是，首先，以基于三维地震勘探成果数据体提取的十二种地震属性为数据集特征，以实际揭露后的地质构造为数据集标签构建多属性数据集，然后以特征对标签的相关性为标准，过滤掉冗余的特征；其次，将边界样本分类算法（boundary sample classification，BSC）与合成少数类过采样技术（synthetic minority over-sampling technique，SMOTE）相结合形成BSC-SMOTE算法。用BSC-SMOTE算法对原始数据集进行平衡，再利用平衡后的数据集训练XGBoost分类器，并用贝叶斯优化（Bayesian optimization，BO）对该分类器进行超参数寻优，最后用此分类器预测构造。以山西新元煤矿责任有限公司东翼矿区为研究区域，实验结果显示，改进XGBoost算法模型的预测精确度为0.95，比未改进的XGBoost算法提高了0.16，比K-近邻（K-nearest neighbor，KNN）、随机森林和支持向量机（support vector machine，SVM）等传统算法提高了0.15以上。改进XGBoost模型的预测结果经可视化后与实际揭露构造对比基本吻合，说明该模型能够有效地识别出地质构造体。