淮南煤田地下水类型及其特征

淮南煤田为全隐蔽煤田,松散层厚度大,主要含煤地层为二叠系。通过大量的勘探资料及生产矿井的开采成果,对影响煤层开采的地下水进行了分类,并对其水文地质特征进行了阐述,为新区的建井与开采提供了参考资料和决策依据。     

泥石流堆积物的粒度分布及其分形结构

泥石流堆积物主要由砾石、砂砾、粉粒和粘粒组成,组成泥石流堆积物的颗粒级配变幅很大,从直径大于数十米的巨砾到肉眼难以看见的几微米的胶体微粒均有分布,大小颗粒粒径之比可达106—107。泥石流堆积物颗粒具有明显的自相似性和无标度区间。本文以小江流域多处泥石流堆积物为研究对象,采用图解法全面分析了泥石流堆积物的粒度组成特征,根据分形理论计算了泥石流堆积物颗粒的分维值,对泥石流堆积物的分形特征进行探讨,并与泥石流堆积物粒度特征相联系,发现分维很好的反映了泥石流堆积物颗粒组成及其粒度分布特征。将泥石流堆积物颗粒分维与泥石流的粘性、形成年代等性质相联系,以找出它们彼此之间的关系。     

信息时代地图集编制特征综述

随着计算机技术的发展,地图集的编制也发生了很大的变化.本文主要从地图集的表示内容、成图方法、资料情况、地图符号、地图整饰5个方面来阐述地图集编制的新特征.对近几年来国家、各省市地图集的编制情况作以概括.     

贵州省大方县五凤井田水文地质特征初探

五风井田位于贵州省大方县城东侧,面积89.22km^2,含煤地层为二叠系上统龙潭组,主要可采煤层为6中、26、33号煤层,煤炭总资源量26 130万t。井田内主要含水层为三叠系茅草铺组岩溶溶洞含水层（T1m）,夜郎组玉龙山灰岩岩溶裂隙含水层T1y2）,二叠系中统长兴组岩溶裂隙含水层（P3c）、茅口组岩溶溶洞-暗河含水层（P2m）。矿床属于以岩溶充水为主,水文地质条件中等的矿床。井田的充水水源为地表水、地下水和小煤矿、采空区的老窑积水,充水通道为断裂破碎带及采矿冒落裂隙带。     

山西天池煤矿构造特征及其形成机制

基于天池煤矿地质勘探资料,结合区域构造背景研究了矿井地质构造特征及形成机制。天池煤矿构造属简单构造,地层总体呈走向北东、倾向北西的单斜构造,矿井内褶皱发育程度较低,断层以正断层为主,其次为低角度逆掩断层。陷落柱分布较为杂乱,成群出现,常见于褶皱轴部。自三叠纪末期开始一直受到区域构造活动的控制作用,印支期受SN向的挤压,形成了一些近EW向的构造;燕山期经历两期NWW--SEE向挤压使井田内地层及煤层主体呈NE走向;喜山早期的NE—SW向挤压,导致NE向断层的性质发生转变;上新世开始表现为区域上的伸展作用。     

北京及邻区微震活动的初步分析

通过对北京遥测地震台网近年来记录到的北京及邻区地震的震中分布,地震活动频度及能量释放强度的分析,得到本区地震活动在时间分布上具有“聚堆性”。在年发震频度,地震强度和能释放方面均具有双峰值特征,并且具有较好的一致性和同步性,在空间分布上具有条带特征,且形成北东～南西和北西～南东的两条相互交汇的条带。又通过统计分析得到本区发震概率最大的时间段是每年的１０月前后,而地震主要发生在北西～南东带上。     

内蒙古正镶白旗碎斑熔岩岩石学特征及其岩相划分

白旗碎斑熔岩为不规则穹状体,可分为边缘玻质碎斑熔岩、过渡霏细碎斑熔岩、中心粒状碎斑熔岩和根部花岗斑岩四个岩性带。从玻质碎斑熔岩到粒状碎斑熔岩,斑晶碎裂度逐渐减弱,珠边结构在粒状碎斑熔岩中最发育,根部花岗斑岩与正常次火山岩相近。碎斑熔岩中钾长石有序度低,指示了岩石高温成因特征。白旌碎斑熔岩属太平洋岩系钙碱质系列,原始岩浆由来源于上地幔和下地壳熔体的混熔作用形成。     

FS方法及其在综合多项震兆中的应用

本文提出了一种模式识别方法--FS方法.该方法的特征取为某些论域上的模糊子集.先以每三个原始特征组成子分类器的特征集,“训练”这些分类器,然后对子分类器进行筛选,最后用筛选出的子分类器的“软”分类结果的加权平均作为判别函数,形成总的分类决策.将FS方法应用于综合多项震兆,并进行了一系列控制试验,还与地震学中几种常用的方法进行了对比试验.结果表明,FS方法是稳定和有效的.     

近几十年我国极端气温变化特征分区方法探讨

采用聚类统计检验分析和旋转主分量分析相结合确定中心站的方法,利用我国多年极端气温资料,对我国最高和最低气温年际变化型态进行区划。结果表明,这两种方法结合可以互相补充,使分区结果更具客观性。中国极端高温和极端低温年际变化分别可划为12和11个不同类型的区域,分别计算了各区域第一主成分的方差贡献率以及各区域之间的两两相关系数,检验证明分区是合理的。     

SVD和DCT提取特征向量的方法在人脸识别中的比较

采用奇异值分解和2D离散余弦变换两种方法得到的特征，分别在嵌入式隐马尔可夫模型的人脸识别中进行比较．得出奇异值分解比2D离散余弦变换在识别率上和时间复杂度上部较差的结果。通过对结果进行分析得出，虽然奇异值分解有很多优良的特性．但是在模式识别中仅使用奇异值分解来提取特征并不是很好的方法。