利用黔西北地区地球物理测井资料识别不同等级煤储层的煤质特征&主成分分析研究 

The identification of coal texture in different rank coal reservoirs by using geophysical logging data in northwest Guizhou, China: Investigation by principal component analysis——Fuel,2018

  煤质性质是决定瓦斯吸附能力和输送性能的重要因素之一。钻孔岩心识别或煤层观测是一种直接有效的煤质识别方法，但这两种方法都是昂贵的，对未探明的煤层来说是不可能的。该方法在几个煤田应用了截断值测井资料，忽略了不同煤种的影响，边界模糊。本文对黔西北地区18口煤层气井174个煤岩心资料与其地球物理测井响应进行了对比分析。采用卡尺测井(CAL)、密度(DEN)、自然伽马(GR)和深部侧向电阻率(LLD)四条测井曲线对煤的结构进行了分析。随着煤的逐渐破坏，CAL和LLD值逐渐增大，而DEN和GR则呈下降趋势。利用主成分分析(PCA)对识别指标进行重构，识别出不同煤种的煤质，提高了煤质识别的质量，减少了多解性。将测井评价方法应用于黔西多煤层的煤质识别，验证了测井资料的预测方法。结果表明，主成分分析是一种可行的分析方法，提高了分析精度，测井识别结果与不同等级煤的岩心识别结果吻合较好。

南非煤田缓慢加热惰质组和富镜质组煤的特征

The characterisation of slow-heated inertinite- and vitrinite-rich coals from the South African coalfields——fuel,2015

摘要：热解煤焦结构的发展已经得到了广泛的研究，但传统上主要集中在北半球的石炭系煤上。本研究测定了南非部分煤田惰性组煤和富镜质煤(体积分别为81%和91%)产生的热解炭的性质。在450℃、700℃和1000℃下生成炭，用化学、物理、岩石学、固体13 cNMR和X射线衍射分析技术研究了煤和炭的性质。目的是为进一步的研究提供结果，包括分子模型和原子反应动力学。随着热解温度的升高，总显微组分扫描(RANK)与芳香性之间存在良好的相关性，X射线衍射(XRD)和核磁共振(NMR)技术对芳香性的测定也有很好的相关性。在700~1000℃时，富铁质组和富镜质组分的化学结构在接近值、最终值、总显微组分扫描值和芳香度值上都非常相似。在富镜质体煤中发生了更大的转变，这意味着煤的热活化程度更高.用D-R法、Brunauer-Emmet-Teller(BET)法和Langmuir法以及CO2吸附法测定了碳在这些温度下的物理结构在比表面积上的差异。煤的显微组分在700~1000℃时不明显，但煤的显微组分组成不同，在热转化过程中产生了很大的不同煤焦形态。富锡质煤形成了更致密的煤焦和更厚壁的煤网(体积占60%-65%)。富镜质体煤具有较高的各向同性“焦炭”比例(体积占91-95%)，有利于煤的表面积和微孔的高分布。因此，在化学水平上，高温炭是相似的。高温下的物理结构存在差异。其物理结构、焦形态和晶粒直径(La)在高温下有显著区别，富惰质炭的La为37.6，而富镜质炭的La为30.7。特别是La的性质，在研究惰性组和富镜质炭的分子结构性质，包括它们与二氧化碳的反应行为方面发挥了重要作用。

结论：利用各种分析技术，系统地表征了惰质组和镜质组富炭的化学和物理结构性质.利用XRD和NMR技术，RSC与芳香性的测量结果有很好的相关性。在700~1000℃时，富铁质组和富镜质组的化学结构在接近性、最终RSC和芳香性方面都非常相似。富镜质煤在高温下发生较大的转变，最终与富惰质煤相匹配。从BET、D-R和Langmuir比表面积和700~1000 C微孔隙率的角度观察到了这些温度下炭的物理结构的差异。在700~1000 C时，显微组分的差别减小了，但母体煤的显微组分组成的差异导致了热转化过程中炭形态的不同。在700~1000℃时，富镜质炭中产自纯煤镜质体的各向同性焦的比例(91~95%)高于富惰质炭(5~8%)，因此在化学水平上，高温焦相似。高温下的物理结构存在差异。在1000℃时，富惰质颗粒的平均晶粒直径(37.6)大于富镜质体颗粒(30.7)，这一特性对研究惰性组和镜质组富炭的分子结构性质，包括它们与二氧化碳的反应行为有很大的贡献。

神经退行性疾病步态动力学时间序列的纹理分类与可视化

Texture Classification and Visualization of Time Series of Gait Dynamics in Patients with Neuro-Degenerative Diseases

步态动力学分析有助于预测和提高神经退行性疾病患者的生活质量、发病率和死亡率。在一维信号分析的基础上，对正常人和患者进行生理时间序列特征提取和步态分类。本文提出的步态分析方法与传统的步态分析方法不同，它将时间序列转化为图像，从纹理分析方法中提取纹理特征。本文应用模糊递推图算法将步态时间序列转化为纹理图像，使之可视化，从而获得对疾病模式的洞察。然后从模糊复发图中提取几个纹理特征，使用灰度共生矩阵进行模式分析和机器分类，以区分健康对照者和帕金森病、亨廷顿病和肌萎缩侧索硬化症患者。实验结果表明了该方法的有效性。

可操纵小波(SWM)：学习运动框架的纹理分类

Steerable Wavelet Machines (SWM): Learning Moving Frames for Texture Classification

我们以旋转不变的方式提出了编码特定于类的图像方向的局部组织(LOID)的纹理算子。LOID是视觉理解的关键，也是局部二进制模式(LBP)和尺度不变特征变换(SIFT)等常用方法成功的根源。由于LBPS和SIFT生成手工绘制的图像表示，我们建议以旋转不变的方式学习LOID的特定数据表示。图像算子基于可控制的圆调和小波(CHW)，为描述自然纹理提供了丰富而紧凑的初始表示。编码LOID所需的联合位置和方向是通过使用运动框架(MF)纹理表示来保持的，这种纹理表示是由局部引导的图像梯度构成的，这些梯度对刚性运动是不变的。在第二步中，我们使用支持向量机学习一个用于初始chw表示的多类成形矩阵，生成数据驱动的mfs，称为导向小波机器(SWM)。SWM正演函数由线性运算(即卷积和加权组合)和非线性转向极大值运算组成。实验证明了所提出的算子在自然纹理分类中的有效性。我们的方案在Outex和Curet数据库的几个测试套件上优于最近的方法。索引项-纹理分类、特征学习、移动帧、支持向量机、可操纵性、旋转不变性、光照不变性、小波分析。

巴肯页岩孔隙结构特征的气体吸附等温线多重分形分析

Multifractal analysis of gas adsorption isotherms for pore structure characterization of the Bakken Shale——Fuel,2018

了解孔隙的非均质性可以使我们对任何多孔介质中的流动和输运过程有更深入的了解。本文采用多重分形分析方法，分析了天然气吸附等温线(CO2和N2)在源岩(上巴肯-下巴肯)和储集岩(中巴肯)中的孔隙结构特征。为此，对CO2吸附等温线中的微孔和N2吸附等温线中的大孔分别进行了分析。结果表明，CO2和N2吸附等温线的广义维数随Q的增加而减小，表现出多重分形行为，其次是f(α)曲线，表现出很强的不对称性。中巴肯样品中微孔的平均H值最小，平均α10−-α10最大，而中大孔的α10−-α10平均值最高。这表明，中巴肯和上巴肯分别具有最大的微孔和中-大孔异质性。岩石组成对孔隙结构的影响表明，有机质能提高微孔连通性，降低微孔异质性。此外，有机质还会降低中-大孔连通性，增加中-大孔异质性.巴肯地区烃源岩样品的成熟度与孔隙非均质性之间没有建立良好的关系。

构造变形煤的基质压缩和多重分形表征

Matrix compression and multifractal characterization for tectonically deformed coals by Hg porosimetry——fuel,2018

在基质压缩和颗粒间体积方面，通过LPCO 2/N2GA(低温CO2/N2吸附)和HPMI(高压汞侵入)揭示了沥青tDCS(构造变形煤)的多重分形特征[f(α)和DQ]。脆性变形阶段的压缩系数随构造变形的增加而增大，剪切变形和韧性变形煤的压缩系数随构造变形的增加而减小。奇异指数(α0)变换表明，脆性变形和剪切变形可以促进孔隙尺寸分布的不均匀性。碎裂体的低光谱宽度(αq−-αq)-(平均0.54~0.58，0.56)，灰浆-(平均0.63~0.64，0.64)和粒状煤(0.63~0.64，0.63~0.64)。(平均0.64)表示PSD的相对简单的多重分形结构。剪切变形煤和韧性变形煤的多重分形结构复杂，具有很高的非均质性，内部差异较大。左侧宽度(αq−−α0)和D0-D1(信息维数与容量维差)增大，表明剪切和韧性tDCS在孔隙体积上的聚集分布比脆性tDCS更明显。Sierpinski模型的吸附孔分形维数Dap与左侧宽度D−10-D0(R2=0.8741)以及Sierpinski模型的渗流孔分形维数dsp与右侧宽度D0-D10(R2=0.831)之间存在良好的线性关系，表明Q>0的多重分形参数的变化与渗流孔隙的非均质性有关，q<0的多分形参数的变化属于吸附-孔隙的非均质性。D−10-D0随变形强度的增加而增大，表明韧性tDCS的吸附孔形状最复杂。脆性剪切tDCS的D0-D10先减小后韧性tDCS增加。

煤中显微组分的扫描电镜鉴别及纳米化

Identification and nanoporosity of macerals in coal by scanning electron microscopy——International Journal of Coal Geology，2017

近年来，扫描电子显微镜(SEM)在页岩资源中的应用，以<500~>80，000×为例，报道了纳米颗粒在有机质中的应用，但对有机质类型的解释有限。煤和页岩样品中的显微组分，包括干酪根和固体沥青，在200~750×的反射白光和表观荧光中被识别和鉴别。本研究的目的是通过扫描电镜对显微组分进行鉴别，并对含有原生和次生纳米颗粒的显微组分进行评价。由于煤富含有机，比分散在页岩中更有可能识别相邻的显微组分类型，因此，在低放大率(≤2，500×)条件下，对从泥炭到半无烟煤等级不等的腐殖质和腐泥(Boghead和Cannel)煤的宽离子束磨样进行了后向散射电子(Bse)模式的检测，以确定显微组分类型。经鉴定后，在1200~75，000×放大范围内对显微组分进行检测，以评价显微组分的纳米粒度。

对高挥发分沥青腐殖质煤硬石型样品在BSE模式下10 kV加速电压的处理，揭示了显微组(镜质组、惰质组、脂肪岩组)之间的对比，对个别显微组分类型的识别有限。镜质组显微组分、远卵镜质组和去镜质组分别根据其相对灰度值与其他显微组相比较，并以条带或地块的形式出现。根据深浅相对灰度和形状，对褐藻、孢子粉和角质岩进行了分类。白云母煤中的闪长岩/变质岩是以暗相对灰阶和赋存于底质的赋存物来识别的。与其它显微组分和博格构造相比，辉长岩、闪长岩和半硅岩的显微组分具有较高的灰度识别率，但区别不明显。分散在页岩中的显微组分缺乏相邻显微组分的细微对比，更难以识别。

尽管在BSE模式下，在高倍镜下发现孔隙率过高，但放大率过高(>15，000×)，无法识别显微组分类型。最好的方法是在10 kV加速电压下(如650×)在BSE模式下对样品进行检测，以确定显微组分类型，然后在1-2kV加速电压下进行高倍率观察纳米颗粒。

在低阶煤(泥炭和亚沥青)煤显微组分中观察到一次纳米颗粒，但随煤阶数的增加而减小。原生微孔隙以木本植物细胞腔的形式存在于半硅铝石和杂音岩显微组分中。次生纳米颗粒在页岩中的后油固体沥青中形成，起始于油窗峰值以下，在较低的热成熟度下缺乏纳米颗粒。在扫描电镜下，与页岩中大量的聚醚固体沥青相比，在高挥发沥青级煤中的其它显微组分中只观察到微量的纳米颗粒。

本研究的重点是用扫描电镜对煤中的显微组分进行鉴别和纳米化。同样的结果可能延伸到页岩中相同的显微组分。对有机质孔隙度按显微组分类型分布和热成熟发育的认识，为煤层气、页岩气和致密油的生产潜力提供了新的认识。

单轴循环加载条件下煤岩碎屑的分类与分形特征

Classification and fractal characteristics of coal rock fragments under uniaxial cyclic loading conditions——Arabian Journal of Geosciences,2018

岩爆是深部矿山的一种严重地质灾害，影响着矿山开采的进程。虽然岩爆是一个复杂的过程，但分形特征的分布规律可以解释岩石的破坏机理。利用伺服控制试验系统，对煤岩试件进行了单轴循环加载试验，研究了不同加载速率下岩屑的分形特征。为了综合表征不同粒度的煤矸石，将样品分为颗粒组、细粒组、中粒组和粗粒组。以分形几何理论为基础，研究了在单轴循环加载条件下碎片的分布，以及分形维数与加载速率的关系。在单轴循环加载和卸载条件下，破片大多为不规则楔形和块体，具有明显的形状特征。在不同加载速率下，煤片的长度-数量分形维数在0.74~1.44之间，宽度-数量分形维数在0.44~1.65之间，厚度-累积质量分形维数在1.0~1.33之间。煤岩在不同加载速率下的破碎粒度-质量分形维数分别为2.27、2.3、2.32和2.35。在较小的加载速率下，维数分形维数相对较小，说明煤岩破碎程度较低，大碎块的长度、宽度和厚度差异很大。结果表明，煤岩碎屑在循环荷载作用下表现出一定的形状特征，如不规则形状和楔形。在较高的加载速率下，破碎块在粒径和质量上都表现出较大的分形维数，煤样的破碎更加彻底，碎片的长度、宽度、厚度和质量更加均匀。通过室内试验，确定了单轴循环加载条件下煤岩碎屑的分类和分形特征，为进一步研究岩爆机理提供了依据。本研究有助于利用分形几何学深入探讨煤矿冲击地压的危险性，了解瓦斯对煤的影响及裂隙的演化机理，可用于岩爆的发生机理及早期预警研究

基于神经网络的先进模式识别在煤结构中的应用
Advanced Pattern Recognition Based on Neural Network Applied in Coal Structure

通过对煤结构类型的识别，可以及时预测煤与瓦斯突出灾害。为了对煤结构进行分类，提出了一种将超声反射与BP神经网络相结合的新型模式识别方法。在合理考虑超声波速度、超声衰减系数、超声透射特性、强度系数等与煤结构类型有关的参数的基础上，对煤的形态进行了分类和识别。结果表明，先进的煤结构模式分类能够有效地区分煤结构类型。对煤与瓦斯突出灾害的预测，对先进的煤结构型式分类具有重要意义。