基于多尺度地震曲率的煤田中小断层的识别,可以将聚变归因于聚变
Lifeng Li1,2, Yaping Huang3, Xuemei Qi3
1School of Mines, China University of Mining and Technology, Xuzhou, 221116, China.
识别煤矿中的小断层对于智能发展至关重要. 一种新的多尺度地震曲率属性融合方法提高了检测这些小地质结构的准确性.
科学领域:
- 地质物理学 地质物理学
- 结构地质学 结构地质学
- 数据科学数据科学数据科学
背景情况:
- 准确识别小故障 (大约2小时) 3米下降) 对煤矿的地质透明度和智能发展至关重要.
- 传统的3D地震解释方法在检测这些小断层时的准确性很低.
- 解决这个差距对于提高资源勘探和矿山安全至关重要.
研究的目的:
- 开发和验证一种新的方法,用于准确识别煤矿场中的小断层.
- 提高地震数据结构解释的精度.
- 在智能采矿中提高地质状况透明度的有效性.
主要方法:
- 使用S变换器进行时间频率分析,以获得多频地震数据量.
- 从不同频率的地震数据中提取最大正曲率属性.
- 应用主要组件分析 (PCA) 和RGB融合到多尺度曲率属性.
主要成果:
- 多级地震曲率属性融合方法在小断层识别方面表现出了显著的优势.
- 提出的方法成功地提高了地震数据中小故障检测的准确性.
- 对地质结构的视觉解释得到了增强,从而实现了更可靠的结构解释.
结论:
- 多尺度地震曲率属性融合是一种有效的技术,用于识别煤矿场中的小断层.
- 这种方法比结构性解释的传统技术有了显著的改进.
- 这些发现有助于在智能采矿操作中更准确地进行地质评估.
更多相关视频
10:27A Uniaxial Compression Experiment with CO2-Bearing Coal Using a Visualized and Constant-Volume Gas-Solid Coupling Test System
Published on: June 12, 2019
06:55Kinematic History of a Salient-recess Junction Explored through a Combined Approach of Field Data and Analog Sandbox Modeling
Published on: August 5, 2016
相关概念视频
Calibration Curves: Linear Least Squares
For data that follow a straight line, the standard method for fitting is the linear...
Calibration Curves: Correlation Coefficient
Curvilinear Motion: Rectangular Components
As the car advances, its position evolves over time. Quantifying the car's velocity involves computing the...
Divergence and Curl of Magnetic Field
Divergence and Curl of Electric Field
Elastic Strain Energy for Shearing Stresses
