AMF-玉米联合对“表土层–含水层–隔水层”排土场重构模式土壤水盐分布的影响

土壤水盐分布严重影响煤矿区排土场生态重建及植物组配模式,为探究菌根植物影响下煤矿区排土场“表土层-含水层-隔水层”三层重构模式下的土壤水盐分布特征,采用室内土柱试验,设置种植玉米+接种丛枝菌根真菌(YM+AMF)、仅种植玉米(YM)和不种玉米+不接菌(CK)3个处理。结果表明：(1)不同处理对土柱底部水分运移特征无显著影响,各处理含水层毛细水上升高度均约为10 cm;(2)水分与盐分分布随土层深度均呈正相关关系;接种AMF有利于保持表层土壤水分含量,相较于YM处理土壤含水率在0～10、10～20 cm分别提高52.0%、43.9%;接菌处理降低了10～50 cm土层的盐分含量,在20～30、30～40、40～50 cm处接菌处理的电导率较YM处理分别低了41.0%、14.1%、8.1%;(3)利用MixSIAR模型量化了不同深度土层水分对玉米的贡献率,表明YM和YM+AMF处理的主要供水层皆位于0～10 cm,供水率分别为44.3%和30.5%。同时,在累计土壤剖面水分贡献率上,接菌显著提高了中深部土层(20～70 cm)的水分贡献率,累计提升了13.8%。该研究成果对西部矿区“以水量...     

基于大数据方法的玄武岩大地构造环境智能挖掘判别与分析

通过玄武岩判别图推断其所形成的大地构造环境的方法由来已久,自1971年Pearce提出了构造-岩浆判别图解法之后,已涌现出了几十种不同的判别图。然而,判别图的制作过程中使用的元素的信息量少,数据样本量少,缺乏代表性,以至于其适用范围有限,且准确率不够。为提高构造环境判别过程的效率和准确性,本文提出以大数据智能挖掘方法建立判别模型,通过玄武岩的化学成分,迅速准确地对其大地构造环境进行判别。所用到的玄武岩包括三类:洋中脊玄武岩(MORB)、洋岛玄武岩(OIB)和岛弧玄武岩(IAB),样品总量为755个。首先,本文分别利用主量元素判别图和微量元素判别图对三类数据的大地构造环境进行判别,包括Ti O_2-MnO-P_2O_5、Fe O~T-MgO-Al_2O_3、Ti-Zr-Y、Zr/Y-Zr和Ti-Zr判别图。由于判别图法针对的是特定的元素或化合物,而有些样品的成份记录不完善或没有测量到有指定物质,导致无法对该样品在判别图中绘制,因此在绘制不同的判别图之前,需要筛选掉一部分数据。判别结果表明,在不考虑无效数据的情况下,Zr/Y-Zr判别图的准确率最高,可达90%以上。但如果考虑到已筛选掉的数据,上述五种图对三种岩石的判别准确率均低于75%。在利用数据挖掘算法进行判别的过程中,本文分别试验了朴素贝叶斯(NB)、K邻近(KNN)、支持向量机(SVM)和随机森林(RF)四种算法。为达到较好的识别效果,本文将所有的化合物和微量元素组成51维的参数组用于训练模型,并且不会进行任何的数据筛选,即全部被视作有效数据。训练结果表明,NB的分类结果最差,但也超过了75%,而RF训练准确率高达100%。在算法的进阶分析中,测得RF算法验证准确率可达88.46%;为提升智能算法的实用性,本文利用贝叶斯定理对算法的判别结果求逆概率,以实现"由果及因"的合理推断;同时,本文通过人为模拟数据缺失,进一步验证不同的算法的鲁棒性,并认为RF和NB是应该被优先考虑的两种算法;最后,通过提取RF中的决策树,本文对样本中元素的重要性进行了分析,并找到了对判别效果影响最大的几个主量元素和微量元素。综上所述,利用数据挖掘算法判别大地构造环境要比判别图法更为准确、迅速且功能多样,可在该领域做进一步推广应用。     

基于改进遗传算法一神经网络的玄武岩构造环境判别及对比实验

通过岩浆岩的地球化学特征判别岩浆形成的大地构造环境和岩浆源区的化学性质是地球化学全岩分析最重要的应用之一。该方法利用全岩地球化学数据,包括主量元素、微量元素和同位素组成数据,对给定岩浆岩(玄武岩、花岗岩等)的大地构造环境进行判别。作为人工智能技术在地球化学研究领域中的新尝试,机器学习判别方法逐渐成为经典判别图解法的补充研究手段。然而,高维数据特征筛选和繁多未知参数确定是影响算法分类准确性的两个主要因素。为此,提出一种遗传算法优化神经网络耦合判别方法(GA-NNDM)。该方法利用特征选择、参数确定和分类性能之间的反馈联系,将分类准确率、所选特征数量和特征代价作为适应度函数,通过迭代演化寻求最佳特征子集和未知参数,从而达到减少特征、优化参数和提高性能的目的。此外,根据公开玄武岩样品地球化学数据,通过K折交叉验证等方法设置纵向、横向比较实验来验证GA-NNDM在玄武岩构造环境判别方面的准确性、稳定性和外延性。仿真实验结果表明,GA-NNDM具有优良的判别效果和泛化能力,其总体分类准确率能达到90%。因此,GA-NNDM值得在地球化学领域做进一步推广应用。     

基于三维地质模型的地下洞室群地震动力响应分析

工程区域地质条件是影响地下洞室群稳定的重要因素,而通用数值分析软件在建立复杂地质模型时存在建模时间长、准确度低、不能真实反映复杂地质特征等困难。针对此问题,采用以非均匀有理B样条（NURBS)为主的混合数据结构,对复杂区域地质构造进行了三维建模,建立了西南某水电站大型地下洞室群的三维地质模型。并以此模型为基础,建立了包括空间曲面断层、地层等复杂地质因素的数值模型,结合ABAQUS的隐式和显式分析,对洞室开挖和地震作用下的动力时程响应进行了仿真分析。分析结果表明,该方法不仅较大程度地反映了实际地质情况,而且有利于数值仿真分析的网格剖分与计算,从而为分析地下洞室群地震反应提供了三维数值模型,为地震作用下洞室的安全性评价提供了重要的技术支持。     

基于三维地层模型的岩体质量可视化分级

岩体质量分级是岩石力学学科研究的热点和难点,在水电工程建设中具有重要的实际意义。在对岩级分类方法进行大量研究之后,工程人员对岩级结果的表达有了更高的要求,传统的方式已不能满足人们空间分析的需要,研究岩体质量可视化分级十分必要。首先,利用NURBS工具以一种新的数据结构和方法重建三维地层模型,然后,基于岩体质量分级结果,按照空间图形集合运算算法生成相应的三维岩级模型。将上述理论方法应用到锦屏一级水电工程岩体质量分级评价中,并进行了一系列与工程相关的岩级可视化分析,获得了很好的应用效果。