青海浪贝地区锑金矿成矿条件及成矿远景分析

从矿区岩性、构造、脉岩地质特征及地球化学特征几个方面逐层深入分析了浪贝地区有利于锑金矿床成矿的地质因素,并从大地构造位置入手,结合区内地球化学异常特征和成矿事实,对浪贝地区的金锑矿成矿远景进行了分析。     

《西沙群岛珊瑚岛（礁）地区岩土工程勘察标准》研究与编制

为适应和满足西沙群岛珊瑚岛（礁）工程建设的需要,使珊瑚岛（礁）岩土工程勘察有据可依,总结了西沙群岛岩土工程勘察项目实践经验和研究成果,通过资料收集、分析与研究,编制了《西沙群岛珊瑚岛（礁）地区岩土工程勘察标准》（DBJ46—060—2022）。介绍标准的编制背景、编制的工作流程、标准的主要内容和重点研究内容,探讨需要进一步研究的内容。     

怀远县城镇发展水平评估和发展对策

城镇建设是我国城市化发展和增加农民收入的重要途径。本文在肯定怀远县城镇化发展取得成就的同时,提出目前怀远县城镇建设中存在的问题主要有:城镇的规划和布局不合理、建设资金不足、基础设施发展滞后、高素质人才匮乏等。通过建立城镇发展水平评价指标体系对怀远县的城镇发展水平进行定量分析,认为怀远县小城镇发展目前处于由初级城镇化的前期向中期过渡的阶段。为促进怀远县小城镇的发展,作者选择了12个指标对怀远县各个乡镇的辐射力、潜力进行分析,并选取了8个中心镇进行重点建设。最后,作者就如何加快怀远县小城镇建设提出若干配套措施。     

基于APSO-WLS-SVM的含瓦斯煤渗透率预测模型

为了较准确预测含瓦斯煤渗透率,有效预防瓦斯安全事故,提出自适应粒子群算法（APSO）优化的加权最小二乘法支持向量机（WLS-SVM）算法。根据对含瓦斯煤渗透率的相关理论及文献研究分析,选取有效应力、瓦斯压力、温度和抗压强度作为主要特征指标,采用APSO算法对WLS-SVM模型的组合参数（C、σ）寻优,建立APSO-WLS-SVM含瓦斯煤渗透率预测模型。结合现场实测资料中的40组数据作为训练样本,其余10组为预测样本,对该模型进行训练与检验,并将其预测结果与利用PSO-WLS-SVM和WLS-SVM模型的预测结果进行对比。结果表明:APSO-WLS-SVM模型的预测效果优于另外2个模型,提高了煤体渗透率的预测性能与泛化能力。      

基于SVG的空间数据多尺度表达

基于空间数据格式的多异性和兼容性较差的特点,以及地理空间数据互操作的要求,分析了空间数据的多尺度的特征,提出基于可缩放矢量图(SVG)文件格式组织空间数据,对不同分辨率的空间数据采取分级表达,并描述不同尺度空间数据的关联关系。     

水资源优化管理系统专业软件(REMAX)应用研究

本文主要介绍ＲＥＭＡＸ管理系统软件功能、模块结构和数据文件,证明它是当今世界上水资源优化管理系统功能强大的专业软件,具有美好的发展方向和前景。为了与国际科技界接轨,赶超国际先进水平,在我国开展该软件的应用研究和迅速普及推广具有重林意义。     

利用GIS分析活动断裂与地震的相关性

利用ＧＩＳ的定距离空间分析功能,对活动断裂和历史地震及新生喧盆地的相关性进行了初步分析,确定了沿断裂带的历史地震次数,最大震级及ｂ值;同时对盆地的控制断裂和历史地震的地质构造背景进行了初步研究。这些均为研究活动断裂与地震的关系提供了新的途径和探索性的方法。     

北京西北东岭台组（J3d）火山岩的成因及其构造环境探讨

通过岩石学、岩石化学、地球化学和同位素的研究,作者认为北京西北东岭台组火山岩的主要起源于下地壳上部岩石的部分熔融;火山岩形成的构造背景为陆内造山带的拉张环境,与中生代古太平洋板块向亚洲板块斜向块俯冲滑有直接关系;由于晚侏罗世－早白垩世燕山地区处于拉张状态,造成上地幔上部岩石的部分熔融,引赶玄武岩浆的底侵和中侵作用促使下地壳岩石发生部分熔融形成了东岭台组火山岩岩浆。     

基于压缩感知理论的缺失地震数据重构方法

压缩感知是一种新的理论,它打破常规尼奎斯特-香农采样定理的制约,利用信号的稀疏特性或可压缩特性,用较少的数据即可重构恢复完整的信号。建立了基于压缩感知理论的缺失地震数据重构模型。首先在与稀疏变换不相关的测量矩阵基础上引入一种约束矩阵,使地震数据的缺失满足或接近高斯随机分布;随机缺失的地震数据变换到稀疏域会产生很多与有效信号不相干的随机噪声,接着通过一种新的自适应阈值迭代算法可以很好地消除稀疏系数中的随机噪声干扰,经过逆稀疏变换即得到重构后的地震数据。Marmousi 2模型测试及实际地震资料处理均验证了该方法的可行性和有效性。重构缺失地震数据取得了较好的效果。     

基于SOM和PSO的非监督地震相分析技术

地震相分析技术是储层预测的一种重要方法,可以用来描述有利沉积相带的分布规律.传统的地震相聚类分析方法对大数据的处理运算速度较慢,且容易陷入局部极小值,造成聚类分析的结构不准确.本文提出基于自组织神经网络(SOM)和粒子群优化方法(PSO)相结合的地震相分析技术,利用自组织神经网络能够保持原始地震数据的拓扑结构特性的特点,将大量冗余样本压缩为小样本数据,再通过粒子群的全局寻优能力改善K均值聚类的效果.理论模型和实际应用表明该方法能既有效实现数据压缩,又能提供较为准确的全局解,在地震相预测中兼顾计算效率和计算精度.