基于标志层层位差识别地裂缝的方法分析

基于标志层层位差识别地裂缝的方法分析

论文摘要

西安地裂缝是世界上最著名的地质灾害之一,分布广泛、活动剧烈、致灾严重。在依据钻探数据查明地裂缝时,黄土梁-洼过渡区的标志层整体有一定的倾斜背景,影响标志层错断的判别。为了排除地层倾斜造成的影响与干扰,判别地裂缝标志层错断时更客观、合理,提高判别的准确度,减少误差,本文总结分析了地铁15号线地裂缝勘察资料中的含古土壤层的勘察场地剖面情况,整理出标志层层底高差?h以及对应的孔间距l的统计结果,分析了标志层层底高程与孔间层面倾斜的定量化特征,总结地裂缝标志层错断的判别方法。将两种方法应用到工程实例中,有较好的实用性与准确性。并且,基于大量的地裂缝勘察数据资料结合机器学习算法,建立机器学习分类器模型进行标志层错断的预测判别,为地裂缝的判别提供了大量的数据信息基础与数学基础。论文主要研究成果如下:(1)提出了标志层层底高程差函数,其在标志层错断处的特征为:地裂缝每一侧节点数不小于3时,标志层错断位于左、右高程差函数值变化量的最大值之间。(2)不同地貌单元古土壤层的倾斜背景值:平缓地层倾斜背景值为0.099,黄土梁—洼过渡区地层倾斜背景值为0.301。计算、分析了标志层孔间倾斜之差,得到了单个剖面中古土壤错断的孔间层面倾斜之差界限经验曲线。(3)将基于标志层层底高程差函数特征与孔间层面倾斜之差界限经验曲线判别标志层错断的两种方法应用于西安某场地勘察成果分析中,判别结果与实际情况一致。(4)选取孔间距、高程差函数值、孔间层面倾斜值、孔间层面倾斜值之差这4个因素作为标志层错断判别的指标,针对不同地貌类型古土壤层特征,运用逻辑回归方法与Kernel-SVM方法建立了四种机器学习分类器模型。(5)两个逻辑回归算法的准确率与AUC值均分别高于对应的Kernel-SVM分类器模型,总体上来说逻辑回归分类器模型的准确率高于Kernel-SVM分类器模型。(6)纵向对比两个逻辑回归算法分类器模型和两个Kernel-SVM分类器模型,结果表明平缓地层的两种分类器模型的准确率与AUC值均高于黄土梁洼过渡区倾斜地层分类器模型,平缓地层的标志层错断更容易判别。(7)将经过训练的两类机器学习分类器模型应用到工程实例中,结果表明逻辑回归分类器的预测结果更准确,性能更好。

论文目录

  • 摘要
  • abstract
  • 第一章 绪论
  •   1.1 课题研究背景和意义
  •   1.2 国内外研究现状
  •     1.2.1 隐伏地裂缝的判别
  •     1.2.2 钻孔数据与地质模型
  •     1.2.3 机器学习分类器在识别与预测方面的应用
  •   1.3 研究方法、内容及技术路线图
  •     1.3.1 研究方法、内容
  •     1.3.2 研究技术路线
  • 第二章 西安地裂缝概况
  •   2.1 地质环境背景
  •     2.1.1 地质构造
  •     2.1.2 地形地貌
  •     2.1.3 地层岩性
  •     2.1.4 水文地质条件
  •   2.2 地裂缝的平面分布特征
  •     2.2.1 地裂缝分布的定向性
  •     2.2.2 地裂缝的成带性
  •     2.2.3 地裂缝的平面组合形态
  •     2.2.4 地裂缝活动的分段特征
  •   2.3 地裂缝浅部剖面特征
  •     2.3.1 地裂缝的浅部剖面组合特征
  •     2.3.2 不同地貌单元的地裂缝剖面结构特征
  •   2.4 本章小结
  • 第三章 地裂缝标志层层底特征分析
  •   3.1 标志层层底高程差函数
  •     3.1.1 定义与计算方法
  •     3.1.2 高程差函数基本性质
  •     3.1.3 标志层层底高程差异常分析
  •   3.2 地裂缝标志层孔间层面倾斜分析
  •     3.2.1 不同地貌标志层倾斜背景值
  •     3.2.2 标志层错断分析
  •   3.3 工程实例应用
  •     3.3.1 工程概况
  •     3.3.2 剖面数据
  •     3.3.3 标志层错断判别
  •   3.4 本章小结
  • 第四章 基于机器学习的标志层错断判别模型
  •   4.1 机器学习原理
  •     4.1.1 基本概念
  •     4.1.2 分类方法
  •   4.2 机器学习模型数学表达
  •     4.2.1 逻辑回归分类模型
  •     4.2.2 Kernel-SVM分类模型
  •   4.3 模型建立及性能分析
  •     4.3.1 数据预处理
  •     4.3.2 平缓地层分类器模型评价
  •     4.3.3 黄土梁洼过渡区地层分类器模型评价
  •     4.3.4 工程实例应用
  •   4.4 本章小结
  • 结论
  • 参考文献
  • 附录
  •   附录1 高程差函数自动计算程序(MATLAB)
  •   附录2 机器学习分类器模型程序(Python)
  • 攻读学位期间取得的研究成果
  • 致谢
  • 文章来源

    类型: 硕士论文

    作者: 刘汉露

    导师: 李新生

    关键词: 地裂缝,标志层,孔间层面倾斜,判别模型,机器学习模型

    来源: 长安大学

    年度: 2019

    分类: 基础科学,工程科技Ⅱ辑

    专业: 地质学,地质学,工业通用技术及设备

    单位: 长安大学

    分类号: P642.2

    总页数: 72

    文件大小: 4725K

    下载量: 34

    相关论文文献

    • [1].标志层矿石回收爆破技术研究[J]. 采矿技术 2018(05)
    • [2].地层标志层对钻探生产的指导作用探讨——以山东滕县煤田田陈煤矿为例[J]. 山东煤炭科技 2017(12)
    • [3].福建省纸坑矿区栖霞组A_1标志层的确定及其意义[J]. 能源与环境 2016(02)
    • [4].小回沟井田煤层对比中标志层特征研究[J]. 煤炭科学技术 2016(12)
    • [5].鄂尔多斯盆地延长组标志层特征及其成因[J]. 内蒙古石油化工 2018(05)
    • [6].标志层的研究进展及其意义[J]. 石化技术 2016(05)
    • [7].山西长子煤田测井曲线对比分析[J]. 科技资讯 2012(27)
    • [8].贵州安家寨煤矿龙潭组煤层特征及对比[J]. 煤炭科学技术 2011(10)
    • [9].榆林气田标志层法和沉积旋回法水平井导向技术[J]. 石油钻探技术 2018(06)
    • [10].池坪芦坑煤矿煤、岩层对比与标志层的重新认识[J]. 企业技术开发 2014(17)
    • [11].川南某区宣威组煤层标志层特征研究[J]. 河南科技 2015(04)
    • [12].邯邢含煤区测井工作中特殊物性标志层小结[J]. 科学家 2017(15)
    • [13].淮南煤田地层铝质泥岩标志层分析[J]. 花炮科技与市场 2018(03)
    • [14].钻探控制标志层在岩巷掘进中的应用[J]. 中州煤炭 2010(11)
    • [15].地层特征及储层精细对比[J]. 中国石油和化工标准与质量 2014(01)
    • [16].测井曲线在准东煤田大井矿区一井田煤层对比中的应用[J]. 中国煤炭地质 2008(12)
    • [17].织金源盛煤矿14号与16号煤层地质特征及对比分析[J]. 资源信息与工程 2017(06)
    • [18].欧利坨子地区沙三上段地层划分与对比[J]. 大庆石油学院学报 2011(01)
    • [19].地质报告编制中煤层对比方法浅谈[J]. 企业技术开发 2011(24)
    • [20].测井曲线一致性处理对地震反演的影响[J]. 科技经济导刊 2017(22)
    • [21].鄂尔多斯盆地延安组标志层特征及形成机理[J]. 西北大学学报(自然科学版) 2012(05)
    • [22].内蒙古变质岩及火山岩区找矿分析[J]. 轻工科技 2018(06)
    • [23].贵州省赫章县含煤地层测井曲线特征及变化规律[J]. 中国煤炭地质 2015(08)
    • [24].任楼井田的测井曲线分析及对比[J]. 科技创新与应用 2014(14)
    • [25].威远背斜构造岩盐井勘探过程中测井资料的综合应用[J]. 中国井矿盐 2019(02)
    • [26].龙606块沙三上亚段精细地层对比方法研究[J]. 石化技术 2018(09)
    • [27].利用测井曲线进行小层精细划分与对比——以苏48区块为例[J]. 国外测井技术 2017(05)
    • [28].鄂尔多斯盆地定边地区延9、延10、长1标志层特征及其成因[J]. 延安大学学报(自然科学版) 2012(04)
    • [29].陕北地区延长组标志层特征及形成机制[J]. 地层学杂志 2010(02)
    • [30].泥岩标志层在海陆过渡沉积环境地层对比中的应用——以珠江口盆地陆丰凹陷A油田古近系为例[J]. 海相油气地质 2017(02)

    标签:;  ;  ;  ;  ;  

    基于标志层层位差识别地裂缝的方法分析
    下载Doc文档

    猜你喜欢