Temat: opornosc - Katalog OPAC zbiorów

Skocz do pozycji: 1.

Tytuł:: Laboratoryjne badania anizotropii elektrycznych właściwości skał
Laboratory testing of anisotropy of electrical properties of rocks
Autorzy:: Zalewska, J.
Gąsior, I.
Sikora, G.
Powiązania:: https://bibliotekanauki.pl/articles/183712.pdf
Data publikacji:: 2009
Wydawca:: Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:: anizotropia
oporność elektryczna
wskaźnik struktury porowej
wskaźnik zwilżalności
anisotropy
electrical resistivity
formation factor
porous structure index
wettability index
Opis:: The study presents results of laboratory testing of rock electrical parameters anisotropy (electrical resistivity, formation factor, porous structure m and wettability n indices). The measurements have been carried out on 119 core plugs, originating from eight boreholes representing the Rotliegend formations in three exploration regions. Coefficient of relative transverse anisotropy of the electrical resistivity varied in range of KpEpsylon0.16-2.20, while for relative azimuth anisotropy ranged withinApEpsylon0.17-2.99.
Źródło:: Geologia / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie; 2009, 35, 2/1; 567-575
0138-0974
Pojawia się w:: Geologia / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 2.

Tytuł:: Badania geofizyczne w budownictwie hydrotechnicznym
Geophysical investigations to hydraulic engineering purposes
Autorzy:: Bestyński, Z.
Powiązania:: https://bibliotekanauki.pl/articles/952737.pdf
Data publikacji:: 2009
Wydawca:: Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:: oporność elektryczna
prędkość fal sejsmicznych
klasa geotechniczna
powierzchnia poślizgu
electrical resistivity
seismic wave velocity
geotechnical class
slide boundary
Opis:: Geophysical investigations are used at every stage of designing, building and exploitation of hydraulic objects. There are presented three examples of such investigations in this project: 1- investigation for recognition of geotechnical conditions of excavation and support hydraulic tunnels of Świnna Poręba dam, 2- investigation for estimation of efficiency of works for Wapienica concrete dam sealing and strengthening, 3- investigation for estimation of landslides slope stability at the costal area of man-made water reservoirs of Czorsztyn, Niedzica and Świnna Poręba.
Źródło:: Geologia / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie; 2009, 35, 2/1; 393-403
0138-0974
Pojawia się w:: Geologia / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 3.

Tytuł:: Sztuczne sieci neuronowe dla uzupełnienia danych w geofizyce otworowej - wybrane przykłady
Artificial Neural Networks for completing data in well logging - selected examples
Autorzy:: Jarzyna, J.
Opyrchał, A.
Mozgowoj, D.
Powiązania:: https://bibliotekanauki.pl/articles/183854.pdf
Data publikacji:: 2007
Wydawca:: Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:: profilowania geofizyki otworowej
sztuczne sieci neuronowe
czas interwałowy
gęstość objętościowa
oporność pozorna
Karpaty Zachodnie
well logging
artificial neural networks
transit interval time
bulk density
apparent resistivity
Western Carpathians
Opis:: Wykorzystano sztuczne sieci neuronowe do odtwarzania profilowań geofizyki otworowej. Na podstawie dostępnych profilowań geofizyki wiertniczej odtworzono czas interwałowy rejestrowany przy profilowaniu akustycznym, gęstość objętościową będącą wynikiem profilowania gamma-gamma oraz oporność pozorną. Wybrano perceptrony i wsteczną propagację błędu jako metodę nauczania. Najbardziej skuteczne przy odtwarzaniu parametrów okazały się perceptrony z kilkoma neuronami na wejściu i przynajmniej kilkoma neuronami w warstwie ukrytej. Miarą poprawności wyników dostarczanych przez sieci były podstawowe statystyki obliczane dla odtworzonych parametrów w porównaniu z wynikami pomiarów lub estymacji. Najtrudniejsze do opracowania okazały się interwały, w których skały miały skomplikowaną litologię i zróżnicowaną przynależność stratygraficzną. Wyniki wykorzystano dla potrzeb interpretacji sejsmicznej, grawimetrycznej i magnetotellurycznej.
Artificial Neural Networks were used for reconstruction of well logs. Transit interval time recorded during acoustic log, bulk density as a result of gamma-gamma log and apparent resistivity were reconstructed on the basis of available logs. Perceptrons were chosen and the back propagation method was applied as the most effective training algorithm. Perceptrons with a few input neurons and at least a few neurons in a hidden layer turned out in reconstructing parameters. Basic statistics calculated for the reconstructed parameters compared to the measured or estimated ones acted as measures of correctness of solutions delivered by the networks. Intervals containing rocks of complex lithology and diversified stratigraphy turned out to be the most difficult to interpret. Results were applied in seismics, gravimetric and magnetotelluric interpretations.
Źródło:: Geologia / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie; 2007, 33, 4/1; 81-102
0138-0974
Pojawia się w:: Geologia / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Informacja

Wyszukujesz frazę "opornosc" wg kryterium: Temat

Źródło danych

Dostawca treści

Kolekcja

Rok wydania

Wydawca

Temat

Autor

Typ dokumentu

Język