粘弹各向异性介质中瑞雷波传播特性研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    41174113
  • 项目类别:
    面上项目
  • 资助金额:
    60.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    D0408.油气地球物理学
  • 结题年份:
    2015
  • 批准年份:
    2011
  • 项目状态:
    已结题
  • 起止时间:
    2012-01-01 至2015-12-31

项目摘要

本项目以粘弹各向异性介质本构模型为基础,通过柯西剩余定理获得粘弹各向异性介质中瑞雷波频散特性、衰减特性和激发特性。利用复坡印亭定理,通过能量补偿的方法求解瑞雷波能量平衡方程,进而通过能量速度和品质因子获得粘弹各向异性介质中瑞雷波能量分布特性及预测方法。通过非均匀交错网格高阶有限差分和完全匹配层技术,分析粘弹各向异性介质中瑞雷波波场传播动力学特性,进而深入揭示多模式瑞雷波叠加耦合机理、频散分裂机理和模式跳跃形成机理。在对比分析获得粘弹各向异性介质与弹性介质瑞雷波传播特性差异的基础上,通过粘弹各向异性介质中多模式瑞雷波最优野外采集参数、高分辨率频散与衰减曲线提取及模式识别反演方法研究,将研究成果应用于工程实践,提高瑞雷波探测复杂地质结构和岩土力学参数反演解释精度及可靠性,拓宽现有瑞雷波勘探理论范畴,推动瑞雷波勘探的发展。拟在国内外重要期刊上发表论文8-10篇(SCI、EI、ISTP收录5篇)。

结项摘要

由于传统瑞雷波研究主要集中在弹性各向同性介质模型,然而实际地质结构更接近于粘弹各向异性介质。因此导致现有瑞雷波推断粘弹各向同性介质结构和岩土力学参数时仍然精度不高,有时甚至会导致错误的地质解释,其应用领域也受到了很大限制。.鉴于此,本项目以线性粘弹单相固体介质为基础,同时考虑了介质的VTI各向异性,针对水平地表和地下水平层状介质,设计了均匀半空间模型、二层模型和多层模型,开展了一维和二维粘弹各向异性(VA)介质中瑞雷波传播特性研究。通过本研究,获得了如下重要成果:.通过本研究,在上述模型条件下获得了如下重要研究成果:(1)通过阻尼因子和Tomsen参数建立了典型VA介质模型,利用柯西留数定理揭示了VA介质中瑞雷波频散特性和衰减特性,发现了其与弹性介质的具体差异。(2)利用复坡印亭定理,通过能量补偿的方法求解了瑞雷波能量平衡方程,进而通过能量速度和品质因子获得了典型VA介质中瑞雷波能量分布特性及预测方法。(3)通过FCT技术并结合先进的自由表面边界条件和吸收边界条件,实现了VA介质中瑞雷波地震波场高精度正演模拟技术,进而通过与弹性介质对比阐释了VA介质中瑞雷波波场动力学特性。(4)通过多模式瑞雷波频散曲线叠加计算揭示了VA介质中瑞雷波多模式在不同频段的叠加耦合机理、频散分裂机理和模式跳跃形成机理。(5)通过瑞雷波高精度地震波场正演模拟技术,获得了最优采集参数组合,提高了瑞雷波野外资料采集信噪比。利用高分辨率线性拉冬变换实现了VA介质中多模式瑞雷波频散曲线高精度和高分辨率提取。开发了多种非线性全局优化算法对理论和实测瑞雷波频散曲线进行了反演,并对其解的稳定性和多解性进行了评价。由此构建了粘弹各向异性介质中新的瑞雷波传播理论,拓宽了现有瑞雷波勘探理论范畴,推动了瑞雷波勘探技术发展。

项目成果

期刊论文数量(9)
专著数量(0)
科研奖励数量(1)
会议论文数量(2)
专利数量(0)
Differential evolution algorithm for nonlinear inversion of high-frequency Rayleigh wave dispersion curves
高频瑞利波频散曲线非线性反演的差分进化算法
  • DOI:
    10.1016/j.jappgeo.2014.07.014
  • 发表时间:
    2014-10
  • 期刊:
    Journal of Applied Geophysics
  • 影响因子:
    2
  • 作者:
    Huang Jianquan;Shi Xinchun;Jin Si;Bai Yiming
  • 通讯作者:
    Bai Yiming
Grey Wolf Optimizer for parameter estimation in surface waves
用于表面波参数估计的灰狼优化器
  • DOI:
    10.1016/j.soildyn.2015.04.004
  • 发表时间:
    2015-08-01
  • 期刊:
    SOIL DYNAMICS AND EARTHQUAKE ENGINEERING
  • 影响因子:
    4
  • 作者:
    Song, Xianhai;Tang, Li;Cai, Wei
  • 通讯作者:
    Cai, Wei
Application of particle swarm optimization to interpret Rayleigh wave dispersion curves
应用粒子群优化解释瑞利波频散曲线
  • DOI:
    10.1016/j.jappgeo.2012.05.011
  • 发表时间:
    2012-09
  • 期刊:
    Journal of Applied Geophysics
  • 影响因子:
    2
  • 作者:
    Tang Li;Lv Xiaochun;Fang Hongping;Gu Hanming
  • 通讯作者:
    Gu Hanming
Application of artificial bee colony algorithm on surface wave data
人工蜂群算法在面波数据上的应用
  • DOI:
    10.1016/j.cageo.2015.07.010
  • 发表时间:
    2015-10
  • 期刊:
    Computers & Geosciences
  • 影响因子:
    --
  • 作者:
    Zhao, Sutao;Zhang, Xueqiang;Li, Lei;Huang, Jianquan
  • 通讯作者:
    Huang, Jianquan
参数自适应差分演化算法在面波频散曲线反演中的应用
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    岩土工程学报
  • 影响因子:
    --
  • 作者:
    刘江平;毛茂;王京;宋先海
  • 通讯作者:
    宋先海

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

利用粒子群优化算法快速稳定反演瑞雷波频散曲线
  • DOI:
    --
  • 发表时间:
    2018
  • 期刊:
    石油地球物理勘探
  • 影响因子:
    --
  • 作者:
    蔡伟;宋先海;袁士川;胡莹
  • 通讯作者:
    胡莹
瑞雷波有限差分数值模拟中不同自由表面边界条件对比
  • DOI:
    --
  • 发表时间:
    2017
  • 期刊:
    石油地球物理勘探
  • 影响因子:
    --
  • 作者:
    袁士川;宋先海;蔡伟;胡莹;鲁鹏
  • 通讯作者:
    鲁鹏
基于蚁狮优化算法的瑞雷波多模式联合反演
  • DOI:
    10.19509/j.cnki.dzkq.2022.0100
  • 发表时间:
    2022
  • 期刊:
    地质科技通报
  • 影响因子:
    --
  • 作者:
    王一鸣;宋先海;张学强
  • 通讯作者:
    张学强
应用人工神经网络算法的地震面波非线性反演
  • DOI:
    --
  • 发表时间:
    2021
  • 期刊:
    石油地球物理勘探
  • 影响因子:
    --
  • 作者:
    王一鸣;宋先海;张学强
  • 通讯作者:
    张学强
新的瑞雷波多模式频散曲线反演目标函数
  • DOI:
    --
  • 发表时间:
    2017
  • 期刊:
    地球科学-中国地质大学学报
  • 影响因子:
    --
  • 作者:
    蔡伟;宋先海;袁士川;胡莹
  • 通讯作者:
    胡莹

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

宋先海的其他基金

起伏地表二维粘弹复杂介质瑞雷波全波形反演研究
  • 批准号:
    41874150
  • 批准年份:
    2018
  • 资助金额:
    65.0 万元
  • 项目类别:
    面上项目
起伏地表粘弹复杂介质三维多分量瑞雷波传播特性研究
  • 批准号:
    41574114
  • 批准年份:
    2015
  • 资助金额:
    70.0 万元
  • 项目类别:
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码