细胞神经网络在重力异常分异中的研究及应用

介绍采用细胞神经网络CNN(cellular neural network)方法,对铬铁矿区内的矿体和围岩的重力异常进行分异。首先阐述了CNN方法的原理和算法,采用拟BP学习算法训练网络的权值,用全局误差函数求导方法推导权值的修正公式,讨论了如何根据目标异常训练适合该地质条件的网络的连接权值;其次将重力异常数据预处理,以达到适合CNN方法处理的数据格式和要求;最后由于该矿区内没有已知的重力数据作为网络训练的目标输出,根据相关地质图设置相应的地下构造模型。利用"点元"法分别正演出叠加异常和矿体异常,进而训练出适合全区的网络连接权值,实现了对全区重力异常的分异。应用结果表明,细胞神经网络方法较好地突出该矿区高异常和矿体的边界,只要选择了合适的网络连接权值,就能将横向叠加异常区分开,故CNN方法可以实现矿体和围岩的重力异常分异。     

雅浦海沟北部深渊和超深渊沉积物的物质组成、来源和形成过程研究

为探究雅浦海沟北部深渊、超深渊沉积物的组成、来源和形成特征,以1 cm分层对采自该海域不同深度的五根柱状沉积物样品的0~8 cm沉积层进行了扫描电子显微镜(SEM)观察和X射线能谱(EDS)分析,并且分析了这些样品的含水率,锰结核含量, Al、Ca、Fe、Mn、Ti、Mg等6种常量金属和Ba、Co、Cr、Ni、Pb、Sr、V、Cu、Zn等9种微量金属元素含量,以及总有机碳(TOC)含量等参数。结果表明,研究区域沉积物主要为深海软泥沉积,是不同年代沉积物的复杂混合,包含以盘星石为代表的颗石藻、海绵骨针、放射虫和硅藻等多种微体古生物化石以及辉石、重晶石、钛铁矿、长石等多种矿物。沉积组分主要来自生物源、火山源、陆源和海底热液,其中陆源沉积出现于海沟东侧深渊区。海沟西侧崖壁的沉积物比东侧崖壁的沉积物更容易发育锰结核。研究区域沉积物含水率较高并且颗粒较大,其含水率随深度增加呈减少趋势。研究区域超深渊站位沉积物的TOC和微体古生物化石含量均高于深渊站位,存在明显的漏斗效应。整体上海沟西侧崖壁沉积物含水率和TOC含量低于东侧崖壁的沉积物。自更新世以来,雅浦海沟北部的碳酸钙补偿深度(CCD)线从4 568 m以深变为4 435 m至4 568 m之间。研究区域的沉积环境为氧化环境,其0~8 cm沉积层的古老沉积物与现代沉积物发生了混合和再沉积作用,形成年代跨度极大。研究区域沉积物的形成受到海沟坡度、水动力环境、重力滑塌、浊流沉积、火山活动、漏斗效应等多种因素的显著影响。