安徽运漕地区隐伏地质体三维模型构建及应用

以安徽运漕地区为例,从地层与岩体特征入手,结合地质—地球物理信息,开展浅覆盖区隐伏地质体三维建模研究。介绍了划分建模单元及建立地质—地球物理模型和构建最终地质体模型的过程,针对区内侵入岩、浅成侵入岩发育情况,提出采用地层与岩体并行建模的思路,通过"先分后合"的方式构建地质体三维模型。最终的成果模型反映了研究区隐伏地质体的主要物性层(建模单元)、主要断裂与褶皱构造、岩浆隆起构造的空间展布特征,模型将区域重磁、断层展布、已知矿点与闪长岩类及三叠世周冲村组叠加显示,以三维可视化的方式标识了成矿有利地段的空间位置。     

来自大别山深成侵入岩图像深度迁移学习的可解释性研究

岩石图像识别是以深度学习为代表的感知智能在地质领域的典型应用场景。已有研究显示网络结构简单的深度卷积神经网络能够在岩石图像上取得比复杂网络结构高的分类准确率。这与ImageNet数据集上网络结构越深越好的趋势相悖。如何解释这一现象？深成侵入岩为显晶质,自形—半自形粒状结构,块状构造,其分类的依据是其矿物成分及相对含量。大别山地区岩浆活动广泛,中生代深成侵入岩广泛出露。岩石类型包括超镁铁质岩类、辉长岩类、闪长岩类、正长岩类、二长岩类和花岗岩类,基本覆盖IUGS推荐的深成侵入岩分类方案中的岩石类型。选取大别山地区中生代深成岩图像开展不同网络结构预训练模型迁移学习对比试验,能够专注于深度学习对矿物成分特征的学习解释,降低构造因素的影响。借助局部可理解的模型解释技术和特征图可视化技术,分别从全连接层分类决策区域可视化和卷积隐层可视化两方面对深度学习模型开展可解释性研究。结果表明简单网络结构的卷积神经网络能够提取不同矿物所表现出的颜色特征以及不同矿物组合所表现出的纹理特征。AlexNet模型的削减试验进一步证明：对于岩石图像深度学习,网络结构并不总是越深越好。     

基于BERT—BiLSTM—CRF模型的中文岩石描述文本命名实体与关系联合提取

地质调查正在从"数字化"走向"智能化",需要在大数据思维的指导下,面向非结构化数据开展机器阅读和地质知识的自动提取.地学命名实体和关系联合提取是当前研究的难点和核心.本文采用基于大规模预训练中文语言模型的BERT—BiLSTM—CRF方法开展岩石描述文本命名实体与关系联合提取.首先,通过收集数字地质填图工作中的剖面测量...     

热带气旋运动与外围气流的关系

很早以前人们就观察到热带气旋的运动在很大程度上,是沿气旋外围的天气尺度气流而运动的。这些观测结果导致了气旋运动的引导气流理论。似乎可以将热带气旋看作是埋置在气流内的点涡,因此其中心运动的方向及速度可用其外围风的方向和速度或横过气旋的气压梯度或高度梯度近似表示。气旋外围的风向风速与气旋运动有最好相关的那一层被称之为引导层。根据这一理论,许多热带气旋路径预报方法得到了发展。例如锐尔等人。这些方法的详细介绍,可参见《世界气象组织热带气旋计划报告》(1979)。尽管不同的预报方法采用不同的引导层,但一般都认为对流层中层(700及500mb)对于预报热带气旋运动是最好的引导层。采用对流层上部的风和高