简介:在现代地层学和沉积学理论的指导下,地层多重划分对比研究的岩石地层单位的重新厘定是当代最具科学化、系统化和现代化,也最容易被地层工作者乐于接受的。笔者多年来积累了区内实测地层剖面以及测试分析的大量丰富的实际资料。(1)在此基础上,参照《安徽省岩石地层》,对淮北地层小区进行了岩石地层单位的具体划分,指出了各组段的岩性特征、典型分界标志及其各地层单位间的接触关系;(2)利用大量测试分析资料,系统地研究了淮北地层小区早古生代岩石地层的物质组成,各组段三种矿物成份(方解石、白云石、石英)、八项化学成份(CaO、MgO、SiO2、Al2O3、k2O、Na2O、TFe、P2O5)和九种微量元素(Cu、Mo、Co、Ni、Sr、Ba、Ti、Mn、B)的平均含量。为区域定量地层学提供了丰富的基础性资料,也为内生金属矿床赋矿层位研究提供了有益的帮助;(3)按照全国储量委员会有关沉积矿床的工业要求,指出了淮北地层小区内早古生代岩石地层各组段中的沉积矿产的工业用途,为今后在皖北地区寻找非金属层型矿产指明了方向。上述成果对野外地质填图、金属矿床地质勘查、定量地层学研究以及非金属层型矿床普查工作中都有着十分重要的作用。
简介:新的钻井工艺或钻井液体系的使用在保证钻井施工顺利进行的同时,也给录井岩屑的岩性识别带来了极大的挑战,其中以膏盐岩地层尤为突出。以塔里木油田大北X井为例,提出了主成分分析(PCA)与径向基函数(RBF)神经网络相结合的膏盐岩地层岩性识别方法,利用主成分分析法去除指标变量间的相关性,将原始指标变量重新线性组合为4项综合变量作为RBF神经网络的输入向量;最后建立适于识别膏盐岩地层岩性的RBF神经网络模型。实际识别结果表明,该PCA-RBF神经网络模型对于膏盐岩地层岩性的识别具有较高的准确性,完全可以满足实际应用的要求,具有进一步推广的价值。