地震属性及其在煤层厚度预测中的应用.pdf

第3 3 卷第5 期 2 0 0 4 年9 月 中国矿业大学学报 f o u r n a lo fC h i n aU n i v e i ’s i t yo fM i n i n g ＆T e c h n o l o g y V 0 1 ．．3 3N o ．5 S e p ．2 0 0 4 文章编号1 0 0 0 ．1 9 6 4 2 0 0 4 0 5 0 5 5 7 0 6 、 地震属性及其在煤层厚度预测中的应用 郭彦省，孟召平，杨瑞昭，张丽红，刘亚川，孙学渊，赵国平 中国矿业大学资源与安全工程学院，北京1 0 0 0 8 3 摘要介绍了应用地震属性．技术预测煤层厚度变化的方法．分析了钻孔处地震属性与煤厚的相 关性．，对地震属性进行了优选．将得到的地震属性利用多元多项式回归以及B P 人工神经网络 方法，求出各属性与煤厚之间的回归方程及人工神经网络回归模型．将该模型应用到非井点的 地震属性上，莞现了对淮南谢桥矿区1 3 1 煤层厚度的预测，取得了较好的应用效果，证明了用地 震属性技术预测煤厚是可行的． 关键词地震属性；煤层厚度；多元统计分析；B P 神经网络 中图分类号P6 3 1 ．4文献标识码A S e i s m i cA t t r i b u t i o n sA n a l y s i sA n di t ’SA p p l i c a t i o n i nP r e d i c t i n gT h i c k n e s so fC o a l G U OY a n s h e n g ，M E N GZ h a o p i n g ，Y A N GR u i z h a o ，Z H A N GL i h o n g ， L I UY a - c h u a n ，S U NX u e y u a n ，Z h a oG u o p i n g S c h o o lo fR e s o u r c e sa n dS a f e t yE n g i n e e r i n g ，C U M ’r ，B e i ．j i n g1 0 0 0 8 3 ，C h i n a A b s t r a c t A p p l i c a t i o no fs e i s m i ca t t r ’i b u t et e c h n o l o g yi np r e d i c t i n gc o a l b e dt h i c k n e s si si n t r o d u c e C o t I e l a t i o nb e t w e e nc o a ls e a mt h i c k n e s sa n ds e i s m i ca t t r i b u t ei Sa n a l y z e d ．T h eB Pa I t i f i c i a ln e u r - a l n e t w o r kr e g t e s s i o nm o d e lf o r s e i s m i ca t t r i b u t ea n dc o a ls e a mt h i c k n e s si Se s t a b l i s h e d ，w h i c hh a s b e e na p p l i e di np z ’e d i c t i n gt h et h i c k n e s so fc o a ls e a m13 1i nX i e q i a oc o a lm i n i n ga r ’e a ．T h er e s u l t s h o w st h a tt h es e i s m i ca t t r i b u t et e c h n i q u ei Sf e a s i b l ef o rp r e d i c t i n gc o a ls e a mt h i c k n e s s ． K e yw o r d s s e i s m i ca t t r ’i b u t e ；t h i c k n e s so fc o a ls e a m ；m u l t i v a r 。i a t es t a t i s t i c a la n a l y s i s ；B Pn e u r ’a l n e t w o r k 在煤田地震勘探中，随着综采技术的发展，除 了要查明采区内构造外，还要提供煤层厚度的变化 情况．由于大部分煤层属于典型的薄层，垂向分辨 率达不到解决煤厚的要求．如何利用地震信息，结 合钻孔资料获取煤层厚度信息，是当前国内外许多 学者正在研究的课题．地震属性是对地震资料的几 何学、运动学、动力学及统计学特征的一种测量．地 震属性技术是通过应用研究、算法开发及综合软件 系统来提取、储存、可视化、分析、验证及评价地震 属性的技术[ 1 ] ．地震属性技术应用于地震解释处 理、地震构造绘图、地震地层解释、地震岩性学和模 拟、油藏描述和模拟等各个方面[ 1 ] ．地震属性学正 在成为油藏地球物理学的关键部分，并且在勘探地 震学与开发地震学之间建立了一种特殊联系[ 1 ] ．应 用地震属性预测薄层厚度包含两个方面一个是薄 层地震属性的提取；一个是薄层厚度与这些属性的 关系研究[ 2 巧] ．研究的方法大致有两类～类是单参 数法或多参数法，即利用调谐厚度内，振幅与薄层 厚度近似呈线性关系[ 6 3 ；一类是利用反演方法来预 测煤层厚度．单参数法由于使用单～参数，并且振 幅的影响因素很多，无法克服地震信息的多解性， 效果并不理想．多参数法尽管用了多属性预测，只 收稿日期2 0 0 3 1 1 2 1 基金项目教育部全国优秀博士学位论文专项基金项目 2 0 0 2 4 7 ；国家自然科学基金项目 4 0 1 7 2 0 5 9 作者简介郭彦省 1 9 6 9 一 ，女，河北省辛集市人，物探工程师，硕士，从事地震资料解释方面的研究．I 万方数据 5 5 8中国矿业大学学报第3 3 卷 是用理论和模型研究成果抽取地震属性，侧重储层 预测识别方法的研究，用一种或几种计算方法预测 储层信息，没有结合研究区实际进行属性优选，对 所建立的预测模型也没有进行误差分析，由于各种 地震属性信息间的组合方式以及各种属性反映厚 度的灵敏度具有很大的不确定性，在不同地区、不 同层位地震属性组合存在较大差别，使预测的可信 度降低．反演法只利用了钻孔数据，巷道上的厚度 信息没法利用．本文在前人理论、模型研究、成果及 相关分析基础上，结合研究区的实际进行属性优 选，用多元统计方法、B P 神经网络建立预测模型， 并对模型进行了误差分析． 1地震属性预测煤厚流程 煤层作为地震勘探中通常定义的“薄层” H ≤ A ／4 ，其反射波是煤层顶底板界面反射，层间多次 波及转换波等共同作用的叠加复合波，随煤层厚度 的变化合成反射波存在调谐点．在黏弹性体内，煤 层复合波的振幅频率特性为[ 5 3 删炉告譬凳舞鬻加， 式中∥煤层的上、下反射系数；d 为煤层厚度；卢一 2 a d 口为煤层的吸收衰减因子 ．其所对应的煤层 厚度调谐曲线[ 5 ] 如图1 所示 图1 煤层厚度调谐曲线[ 5 ] F i g ．1 T u n i n gC U [ v eo fc o a ls e a mt h i c k n e s s 在存在薄层的情况下，当波垂直入射到薄层表 面时，反射系数不仅与界面两边的波阻抗有关，还 与入射波的频率有关．因而薄层可以看成⋯个滤波 器，入射波在薄层表面发生反射时，好象通过⋯个 滤波器，经受了某种频率滤波作用[ 6 ] ．薄层反射叠 加的效果是对低频及高频的成分有压制作用，接收 到的反射波的中频成分得到相对加强[ 6 ] ． 应用地震属性预测煤厚步骤如图2 所示 图2 地震属性预测煤层厚度流程图 F i g ．2 F l o w c h a i t { O Zt h es e i s m i ca t t r i b u t et e c h n o l o g y t Op i e d i c tt h i c k n e s so fc o a ls e a m 2 地震属性的优选 2 ．1 地震属性的提取 根据理论与模型研究成果，提取振幅类属性 1 5 种，地震振幅或能量属性反映了波阻抗差、地层 厚度、岩石成分、地层压力、孔隙度及含流体成分的 变化．既可用来识别振幅异常或层序特征，也可用 来追踪地层学特征如三角洲河道或砂岩．另外，还 可用于识别岩性变化、不整合、气体以及流体的聚 集等[ 州．复地震道统计类5 种，复地震道实际是地 震信号的H i l b e r - t 变换．它能帮助分析气体、流体的 特征、岩性、河道与三角洲砂岩、礁体、不整合面、地 层序列、裂隙、调谐效应等[ 7 ] ．频 能 谱统计类6 种，它是对地震信号的频率谱和能量谱，可揭示地 层或油气效应的裂隙发育带、含气吸收区、调谐效 应、岩性或吸收引起的子波变化[ 川． 2 ．2 地震属性优选 2 ．2 ．1基于相关的地震属性初选 对井旁地震属性及煤层厚度值进行归一化处 理，依据式 2 ，计算井旁归一后地震属性与煤厚的 相关系数阶，选择与煤厚相关系数阶较大的属性， 形成做模型用的地震属性集． ∑ 霸一i y 一歹 ，。 _ 1 ；二 ． 2 7 。21 产 L 么， √∑ 霸一i 2 √∑ y 。一歹 2 V；Y i 2 ．2 ．2 基于互相关的属性分析 为了提高可信度，对与煤厚相关系数较大的地 震属性进行互相关分析，将相关值较大的地震属性 进行合并，以保证用于预测的地震属性具有相对独 立性．如果相关系数很大的属性进行回归，会影响 预测算法的稳定性．互相关的计算公式与式 2 相 万方数据 第5 期郭彦省等地震属性及其在煤层厚度预测中的应用 同． 2 ．2 ．3 求煤厚与各地震属性之间线性回归方程的 相关系数 利用最小平方二乘法求煤层厚度与各地震属 性线性回归方程之间的误差 Y 口z b ， 3 式中y 为预测煤层厚度；z 为地震属性值；以，b 为 回归系数． 利用式 4 计算煤厚与地震属性相关系数为 R 2 1 一 ∑ y 一Y ， 2 c ∑y ；，一 掣’ 4 式中y 为已知钻孔的煤厚，根据式 3 计算． 综合上述3 种方法选择最有意义的地震属性 预测煤厚． 3 煤层厚度的地震属性晌应 3 ．1多元回归分析 根据井旁地震记录的煤层厚度与优选的地震 属性值，做归一化处理，用上面归一化后的属性集， 计算井旁地震属性与煤厚的多元高次多项式回归 模型，假设有P 个属性，建立煤厚与声个属性的研 次多项式回归方程，即 Y 口o o a l l , X l a 1 2 , x } ⋯ 皖1 研z m l 以2 1 2 2 a 2 2 ．X i ⋯ a 2 m z 爹 ⋯ 5 a p l 2 2 户 a p 2 2 ； ⋯ 口户舯z 户m ， 式中Y 为煤厚够 i 1 ，2 ，⋯，声 为各个振幅属性 的值；亿， i 一0 ，1 ，⋯，P ；户1 ，2 ，⋯，m 为回归系数． 根据钻孔数据及井旁地震道的属性值，获得一 批试验数据用最小二乘法使得实际试验数值与实 际的煤厚值之间的残差平方和为最小，求出各个系 数％的值[ 8 | ． 3 ．2B P 人工神经网络预测煤厚 1 样本数据的归一化 由于选用S i g m o i d 函数作为网络中神经元的 激发函数，因此，为了有效地利用S 型函数的特性， 以保证网络神经元的非线性作用，对于数值型的学 习样本以及输出数据进行归一化处理[ 9 | ． 2 利用反向传播学习建立煤厚预测的神经 网络模型[ 8 ] 设有学习样本为 z l ”现p ，以圳t p p - 1 ，2 ， ⋯，P ；P 为样本数 ．随机给出W 硼j ，皖，V i 后，根 据式 6 ～ 8 计算网络第P 个样本的输出y ，． n I i y W 。z ， 只 z 一1 ，2 ，⋯，m ， 6 式中咒为输入层的神经元数；m 为隐层的神经元 数；叫，J 为隐层神经元与输入层神经元j 的连接权； 舅为第i 个隐层神经元的阀值． 第i 个隐层神经元的输出为 q 一志e i 7 口十 ‘ 式中j ，为第i 个隐层神经元的输人． 第P 个样本的输出为 Y p ∑U i q 8 式中让为输出层神经元与第i 个隐层神经元的 连接权． 定义由隐层神经元与输入层神经元的连接权 戳i ，隐层神经元的阀值舅和输出层神经元与隐层 神经元的连接权巩组成的向量为网络的连接权向 量W ． 对于P 样本，定义网络的输出误差为 。d p t p 一．Y p ， 9 并定义误差函数为 ％一寺 如一Y p 2 ． 1 0 沿着误差函数8 。随彬变化的负梯度方向对 w 进行修正．设彬的修正值为△砌，取 A w 一7 荛， 1 1 式中∥为学习率，取o ～1 间的数． 求得A w 后，采用迭代式 彤 A w 一彤， 1 2 对原彬进行修正计算，得到新的连接权向量W E 8 | ． 列于所有学习样本，均按样本排列顺序进行上 述的计算过程，然后固定Ⅳ的值．对P 个样本分 别进行正向计算，求出学习样本的能量函数值 E y 口p ． 1 3 曷 通过反复迭代，对网络连接权Ⅳ进行修正，使 E 满足某一精度要求． 3 ．3 模型误差分析 误差模型如下 e 4 - ] 再y - 一y i 2 ， 1 4 e 了一。L1 4 ， ⋯一登筹， ㈦， 式中E 为标准估计误差，其值愈小说明所建模型 愈好；R 为决定系数，其值愈大说明所建模型愈好． 使E ，尺达到一定精度要求． 万方数据 5 6 0中国矿业大学学报第3 3 卷 4 应用实例 本次以淮南矿业集团谢桥1 区1 3 - 1 煤层作为 研究对象．谢桥煤矿位于淮北平原西南部，行政区 划属安徽省颖上县管辖．其中心南距颖上县城2 0 k m ，东南至凤台县城3 4k m ．地理坐标东经 1 10 1 97 3 6 ”～1 1 6 。2 87 8 ”，北纬3 2 。4 57 5 3 ”～ 3 2 。4 8 ’1 0 ”．矿界西起F 5 断层，东至F 2 0 9 断层；北 起1 煤层隐伏露头线和张集勘探区三线，南止于 1 7 1 煤层一1 0 0 0m 水平等高线及谢桥向斜轴的地 面投影线．东西走向长约1 1 ．5k m ，南北倾斜宽4 ．3 k m ，面积约5 0k m 2 ． 谢桥煤矿位于淮南复向斜中的次一级褶皱之 谢桥向斜的北翼，地层走向近东西、倾向向南的单 斜构造，地层倾角1 0 。～1 5 。．谢桥煤矿是被3 5 0 ～ 4 0 0m 厚新生界所覆盖的隐伏煤田．主要可采煤层 确1 3 1 ，8 煤等数层，集中分布于山西组及下石盒 子组，煤厚3 ～6m ，且井田范围内厚度稳定．本区 的地震地质条件良好，1 3 1 煤反射波能量较强，信 噪比较高，波形突出、横向司连续追踪． 4 ．1 地震属性的提取 利用L a n d m a r k 公司P o s t s t a c k 的P A L 属性提 取模块，确定沿目的层2 0m s 时窗作为提取属性分 析的时窗．在此时窗内，提取2 8 种地震属性．本研 究区1 3 1 煤层的钻孔共有9 个 2 个孔为风化 孔 ，用6 个钻孔数据和2 6 个’巷道点数据作为样 本，以1 7 0 3 孔进行验证． 用提取的属性与煤厚做相关阶分析、线性相关 分析以及基于相关的属性归类，优选地震属性． 4 ．2 地震属性的优选 首先，对井旁地震属性数据及井数据进行归一 化处理，计算煤厚与地震属性的相关系数阶．从中 选与煤厚相关大予0 ．3 的8 种地震属性，即平均瞬 时频率、平均峰值振幅、振幅的峰态、最大绝又寸振 幅、最大峰值振幅、最大谷值振幅、瞬时频率斜率、 振幅变化．再求各地震属性间的相关系数阶，剔除 相关系数较大的属性，以保证各属性的相对独立 性、算法的稳定性．下表为8 种地震属性问及与煤 厚的相关系数． 表1煤厚与地震属性及属性问的相关系数 T a b l e1C o r r e l a t i o nc o e f f i c i e n to fs e i s m i ca t t r i b u t i o n 最后，优选出4 种地震属性即平均峰值振幅、 振幅的峰态、最大绝对振幅、瞬时频率斜率，用它们 做回归分析． 4 ．3 回归模型的建立 1 对属性数据及井、巷道数据做归一化处理， 计算4 元1 次多项式回归模型 h 一8 ．0 7 9 1 ．9 1 0 2 3 ．z 1 0 ．8 1 8 8 6 5 ．z 2 0 ．7 7 2 3 4 4 2 3 2 ．9 3 4 6 1 ．z 4 1 6 式中h 为预测煤厚；z 。为平均峰值振幅；z 。为振 幅的峰态．z 。为最大绝对振幅；铂为瞬时频率斜 率．根据式 1 6 计算其标准估计误差为0 ．4 7 16 2 8 ； 式 1 7 计算其决定系数为0 ．2 4 35 4 8 ． 2 计算出的4 元2 次多项式的回归模型为 h 一一4 0 ．1 8 2 7 ．z 】 2 9 ．9 8 1 2 x } 3 ．0 6 8 3 9 2 2 ～ 6 ．5 3 0 1 6 x l 6 7 ，2 5 7 6 ．z 3 4 0 ．9 4 6 6 z i 一 5 1 ．4 1 7 7 2 4 5 6 ．9 7 6 3 z l 一1 ．7 4 8 4 7 1 7 根据式 1 6 ， 1 7 分别计算它的标准估计误差 为0 ．4 2 72 5 5 ；决定系数为0 ．3 7 91 9 2 ． 3 以井旁地震属性为学习样本，3 层人工神 经网络，8 个钻孔的数据及2 6 个巷道点数据，4 种 地震属性作为网络学习的输入样本，网络的中间层 为2 个节点，输出层为1 个节点．建立预测煤厚的 神经网络模型．经过迭代，得到的值． 应用B P 人工神经网络根据式 1 4 得到的误 差为0 ．0 6 77 2 6 ． 4 ．4 煤厚预测 将所建回归方程应用与于整个工区的地震属 性数据，去除不合理点，结果发现应用2 次多项式 万方数据 第5 期 郭彦省等地震属性及其在煤层厚度预测中的应用 回归模型泛化能力最差，说明尽管2 次多项式回归 模型井旁数据吻合较好，但不可用于整个工区预测 煤厚． 图3 为利用式 1 6 的线性回归模型计算的谢 3 0 4 0 0 4 1 6 0 0 4 1 8 0 0 4 2 0 0 04 2 2 0 04 2 4 0 0 4 2 6 0 0 4 2 8 0 04 3 0 0 0 图31 阶多项式回归预测谢桥1 3 1 煤厚度图 F i g ．3 L i n e a rr e g r e s s i o nm o d e lt op r e d i c t t h i c k n e s so f1 3 1c o a ls e a m ，X i e Q i a o 桥1 3 1 煤预测厚度图． 应用B P 神经网络预测的煤厚图如图4 所示 用B P 人工神经网络与多项式回归模型结果 误差分析见表3 4 1 6 0 0 4 1 8 0 0 4 2 0 0 0 4 2 2 0 04 2 4 0 0 4 2 6 0 04 2 8 0 0 4 3 0 0 0 图4 用B P 人工神经网络模型预测的煤厚图 F i g ．4 B P N Nm o d e lt op r e d i c tt h i c k n e s s o f1 3 - 1c o a ls e a m 表3 谢桥西1 采区1 3 1 煤厚度部分数据预测误差统计表 T a b l e3E r r o rs t a t i s t i c so ft h i c k n e s sp r e d i c t i o no fc o a l13 - 1i nw e s tN o ．1m i n i n gs e c t i o n ，X i e q i a o 注带* 者为验证孔，以h 开头者为巷道资料，部分数据 5 结论与建议 1 从表3 可以看出，一次多项式 线性 回归 误差最大，二次多项式回归次之，B P 人工神经网络 井旁地震记录回归效果最好．当用上述回归模型叉寸 整个工区进行煤厚预测时，二次多项式回归可用数 据最少，一次多项式回归次之，人工神经网络回归 数据基本都可用，且误差也最小，这说明用神经网 络算法预测煤层厚度最稳定，故本区采用人工神经 网络预测厚度最为合适． 2 地震属性从振幅、频率、统计等不同侧面的 地震波的运动学、动力学特征，充分利用这些信息 有利于进行精细地震解释，提高解释的精度．但应 用地震属性的前提是对地震记录进行高保真、高信 噪比和高分辨率处理，以保证提取信息的可靠性． 3 在进行解释时，要结合采区实际进行多属 性分析，以优选适合本区的地震属性，以提高解释 的精度和算法的稳定性． 4 不同属性对煤厚的影响程度不同，煤厚与 各属性间的关系不一定是线性关系，因此利用解决 非线性关系的有利武器一神经网络预测煤厚是可 行的．在煤田岩性地震勘探中，相信地震属性技术 将会发挥越来越重要的作用． 参考文献 [ 1 ] C h e nQ ，S i d n e yS ，W e s t e r nA l t a l sI n t e r n a t i o n a l ，I n c ． A d v a n c e si ns e i s m i ca t t r i b u t et e c h n o l o g y [ A ] ．．T h e s i s c o l l e c { i o ni nt h e6 7 t ha n n u a lc o n f e I e n c eo fe x p [ o i a t i o n p h y s i c a lg e o l o g ye x p e l ’t s [ C ] ．．A m e r i c a S o c i e t yo f E x p l o r a t i o nG e o p h y s i c i s t s ，1 9 9 7 ，7 3 0 - 7 3 3 ． [ 2 ] 劳真萍，王晓华，王云专．．薄层地震属性参数和厚度 预N E T ] ．石油物探，1 9 9 7 ，3 6 3 2 8 3 8 ． H u a n gZP ，W a n gXH ，W a n gYZ ，F o l i u ms e i s m i c a t t r i b u t i o np a r a m e t e r Sa n dt h i c k n e s sp r e d i c t i o n [ T ] ． Q i lP h y s i c s ，1 9 9 7 ，3 6 3 2 8 3 8 。 ∞ ∞ ∞ ∞ ∞ ∞ ∞ ∞ 娥 湖 螂 弼 拟 抛 瑚 粼 ∞ ∞ ∞ ∞ ∞ ∞ ∞ ∞ 喜| 湖 嬲 蜥 拼 蹴 瑚 粼 万方数据 5 6 2中国矿业大学学报第3 3 卷 [ 3 ] C h e nQ ，S i d n e yS ．S e i s m i ca t t I i b u t et e c h n o l o g yf O I r e s e l v o i zf o I e c a s t i n ga n dm o n i t o i i n g [ J ] 。T h eL e a d i n g E d g e ，1 9 9 7 ，1 6 5 4 4 5 4 5 0 [ 4 3 乐友喜，利用模型技术研究地震属性的地质意义[ T ] ， 物探与化探，2 0 0 1 ，2 5 3 1 9 1 1 9 7 ． ’L eY X 。G e o l o g i c a ls i g n i f i c a n c eo fs e i s m i ca t t i i b u t i o n i e s e a i c hw i t hm o d e lt e c h n o l o g y [ J ] ，G e o p h y s i c a la n d G e o c h e m i c a lE x p l o r a t i o n ，2 0 0 1 ，2 5 3 1 9 1 1 9 7 ．． [ 5 ] 程增庆，廖萌，王志荣，等．煤层地震反射波形成机 理及特征的研究l - A ] ．．中国煤田地质总局岩性勘探 课题组，煤田地球物理岩性勘探技术文集F e n ．北京 煤炭工业出版社，1 9 9 6 ． [ 6 ] 陆基孟．地震勘探原理[ M ] ．．北京石油大学出版 社，1 9 9 3 。 [ 7 ]杨瑞召．地震属性技术及其在能源勘探开发中的应 用[ D ] ．北京中国矿业大学资源与安全工程学院， 2 0 0 0 ． [ 8 ] 煤炭科学研究院地质勘探研究所，西安矿业学院数学 教研室．数学地质’基础与方法I - M ] ．北京煤炭工业 出版社，1 9 8 1 ． [ 9 ] 赵林明，胡浩云，魏德华，等，多层前向人工神经网络 [ M ] ．郑州黄河水利出版社，1 9 9 9 ，1 8 2 6 ． [ 1 0 ] 崔若飞，李晋平，庞留彦，等．地震属性技术在煤田地 震勘探中的应用研究[ | 『] ．中国矿业大学学报，2 0 0 2 ， 3 1 5 2 6 7 2 7 0 ． C u iRF ，L iTP ，P a n gLY ，e ta 1 ．A p p l i c a t i o no f s e i s m i ca t t i ‘i b u t i o nt e c h n i q u e si nc o a ls e i s m i cm e t h o d [ ．T ] 。．1 0 r e n a lo fC h i n aU n i v e i s i t y M i n i n g T e c h n o l o g y ，2 0 0 2 ，3 1 5 2 6 7 2 7 0 ． E 1 1 ] 王英坡．．煤层裂隙分布规律及其对瓦斯赋存的控制 [ D 1 ．北京中国矿业大学资源与安全工程学院， 2 0 0 3 ． 责任编辑李成俊 中国矿业大学学报2 0 0 4 年第1 期被E i 收录论文 论文题目第一作者 任丘油田电潜泵结垢的微观形态与形成机理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯o ⋯⋯⋯⋯⋯⋯”冯启言 综放画采空区遗煤自然发火过程动态数值模拟⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯何启林 二维数字图像分形维数的计算方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯彭瑞东 基于E R P 的数据仓库动态增量维护技术⋯⋯⋯⋯⋯⋯一⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯张虹 煤层厚度与振幅、频率地震属性的正演模拟⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯”董守华 评定钢丝的微动摩擦磨损参数研究⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯“张德坤 L a n d s a t 7 卫星多光谱图像与金色图像的数据融合⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯胡召玲 地震对隧道围岩稳定性影响的数值模拟分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯许增会 煤矿电网谐波分析模型的建立与滤波器设计⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯任子晖 地铁列车通过绝缘结消弧方法的研究⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯李威 摘自E n g i n e e r 。i n gV i l l a g e2 万方数据