G219阿克赛钦段地质灾害分布特征及易发性评价

G219阿克赛钦段沿线地形地貌多样,地质条件复杂,道路运行严重受崩滑流等地质灾害影响。结合现场调查和遥感解译生成的灾害数据库,分析阿克赛钦段沿线崩滑流灾害分布特征。利用频率比法选取坡度、坡向、高程、工程地质岩组、PGA、距断层距离、距河流距离、距公路距离等8个影响因子,进行崩滑流灾害易发性评价。研究发现：(1)阿克赛钦段崩滑流灾害主要分布在赛图拉-大红柳滩一带,泥石流灾害主要发育在康西瓦断裂附近河谷区域,崩滑灾害基本分布在切坡等扰动活动强烈的康西瓦-大红柳滩一带;(2)研究区地质灾害极高、高易发区主要分布在泉水沟以北河谷及六三五道班南部部分区域,面积分别占研究区的7.99%、21.08%,各有63.71%、23.56%的总历史灾害面积占比;(3)基于频率比法的易发性评价模型AUC值为0.854,评价结果可靠。研究方法及结果可为G219阿克赛钦段防灾减灾工作提供理论依据与指导。     

天水第三系泥岩地球化学特性研究——以梁家山隧道开挖岩样为例

天水地区第三系地层属于西秦岭甘肃群,梁家山隧道洞身穿越天水盆地第三系泥岩,为确定隧道围岩的地质特性,进行了泥岩样品的地球化学成分与矿物成分测试。将梁家山隧道泥岩的测试结果与天水秦安县下山剖面泥岩的结果进行对比分析和相关分析。结果表明:二者之间存在较好的相关性,能够描述梁家山隧道泥岩的地层岩性、区域地质背景及其演化等工程地质特性,为进一步研究天水盆地的物质组成、风化特征、沉积环境和构造背景提供依据。同时也为利用隧道工程修建研究相关地学问题提供范例和基础数据。     

陕西延安Q_2原状黄土抗拉强度试验研究

对陕西延安新宝塔山隧道Q2原状黄土进行了不同加载速率的无侧限抗压与贯入抗拉试验,研究了Q2原状黄土抗压与抗拉强度的影响因素。结果表明:加载速率对宝塔山Q2原状黄土抗压和抗拉强度影响较大,抗压强度与抗拉强度随加载速率增大而增大;高径比对抗拉强度也有较大影响,试验时当高径比控制在1.0左右时,高径比对宝塔山Q2原状黄土的抗拉强度影响相对较小,因此采用轴向压裂法测量黄土的抗拉强度时,高径比宜控制在1.0;在试验加载速率范围内,加载速率对宝塔山Q2原状黄土的压拉比影响不大,其压拉比在9.88~13.68范围内变化。     

巴丹吉林沙漠季节冻土特征

通过巴丹吉林沙漠腹地连续的地温观测和2014年1月的专题考察,发现巴丹吉林沙漠属于季节冻土区,年冻结时间长达4个月.沙漠内部的局地地形和湖泊分布是影响季节冻土分布差异的重要因素.迎风坡和背风坡冻土冻结深度显著大于丘间地冻结深度,湖泊的存在使湖泊周边地区最大冻结深度显著变浅.通过沙漠及其周边地区地温、气温、地气温差的分析,结合我们在巴丹吉林沙漠外围发现的末次冰期砂楔群,表明我国北方沙漠在末次冰期属于不连续的多年冻土区.     

塔中低凸起古生界构造特征及演化

塔中低凸起经历了多期构造运动的叠加和改造,古生界构造特征总体以南北对冲挤压为特点,形成南北两大弧形构造体系,在弧形构造体系上发育晚奥陶世台地边缘沉积。早海西期大规模逆冲逆掩构造由于受东西向区域应力不一致的控制,表现出一定程度的上下地质结构的变异,并形成了呈NNE走向的走滑断裂体系,控制了研究区纵向分层、南北分带、东西分块的构造格局。中新生代构造运动导致走滑断裂表现为西晚东早,东部定型于晚海西期,西部定型于喜山期。多期次的构造作用,使研究区发育挤压收缩构造、走滑压扭构造两大类基本构造样式。     

滇东南个旧白云山碱性岩年代学和地球化学及成因意义

报道了滇东南个旧超大型锡多金属矿区西区北部白云山碱性岩新的锆石U-Pb年龄、全岩地球化学和Sr-Nd同位素数据。LA-ICP-MS锆石U-Pb定年结果表明,白云山碱性正长岩形成于晚白垩世(80.0±0.6 Ma),与个旧地区的中基性岩及花岗岩均为同一次构造岩浆事件的产物;碱性正长岩与霞石正长岩具有相似的主微量元素地球化学特征及Sr-Nd同位素组成,暗示二者很可能是源于同一富集地幔源区并经历了不同程度演化的产物。结合已有的元素和同位素组成结果,认为碱性岩、中基性岩和成矿花岗岩很可能分别源自富集的岩石圈地幔、正常的岩石圈地幔和地壳源区。在晚白垩世伸展构造背景控制下,源于不均一岩石圈地幔的碱性和中基性的岩浆底侵,促使中下地壳岩石部分熔融形成花岗质熔体,在上升至近地表过程中引起构造活动带成矿物质的富集,从而形成个旧超大型锡多金属矿床的矿化格局。可以说,源于富集地幔的碱性岩浆在含矿花岗质岩浆的成岩成矿过程中,应不只是提供热量的贡献。     

基于数据密度确定分布区域的方法：以TAS图解分析为例

为了客观地确定数据点投图后分布的主要区域,本文提出了一种基于数据密度确定数据主要分布区域的方法。利用该方法可以更加直观地了解数据分布,并可以作为数据清洗的预处理手段。本文基于GEOROC大数据,以全碱对硅（TAS）图解为例,进行了分析和验证。通过提取GEOROC 数据库中与TAS 图解相关的岩石样本中SiO₂、Na₂O、K₂O 和烧失量含量数据,通过数据常规清洗和归算,最终获得24 个种类合计13.3 万条有效数据。通过数据投点、分区统计和提取80% 数据的分布区域,验证了24种岩石样品与TAS图解的吻合程度。通过综合研究分析发现,有6类岩石的数据分布与TAS图解定义区域基本一致,18类岩石的数据分布与TAS图解定义区域有系统性偏差。大数据研究证明了TAS图解的不足之处,利用全碱和SiO₂作为指标,难以实现提升总体分类的准确性。     

基于CART算法的三维成矿预测研究——以安徽白象山矿区为例

把地质大数据和人工智能技术引入矿产资源定量评价及成矿预测体系中,提高了海量地质数据的有效信息挖掘,弥补了传统方法的不足。本文基于白象山矿区基础地质资料和物化探成果资料,利用三维地质体建模技术和三维空间分析技术,量化三维控矿因素,建立了一种基于CART 算法的三维成矿预测模型。通过在白象山矿区的实验表明：该模型能较好的定位已知矿体,并且预测出在已知矿体北部、东部、东北部、西部、南部和东南部具有较高的成矿概率,可圈定找矿靶区。该模型将地质大数据应用于找矿勘探工作,具有纯数据驱动、预测精度高、预测结果可靠等优点。研究发现,该模型的预测效果与训练数据集的数量、矿控因素提取、决策树深度等有关。     

大数据环境下内蒙古浩布高地区铅锌多金属矿智能矿产预测研究

传统机器学习算法已广泛应用于矿产预测,但面对地质大数据的高维稀疏、不平衡小样本等特性仍缺乏有效处理和分析的方法,设计适合地质大数据特点的机器学习算法是智能矿产预测亟需解决的新问题。本文以内蒙古浩布高地区的铅锌多金属矿产预测为例,提出了一种面向地质大数据的半监督协同训练矿产预测模型。首先对研究区地质找矿信息和地球化学异常信息进行定量分析,提取断裂构造、二叠系地层、燕山期侵入岩、地层与岩体接触带、围岩蚀变及Pb、Zn、Sn、Cu地球化学异常共9种找矿因子。然后利用递归特征消除法优选找矿因子组合,不包括Sn异常在内的8个找矿因子组合被选为最优组合。最后,利用支持向量机和随机森林算法作为基分类器进行半监督协同训练矿产预测,绘制成矿概率分布图。ROC曲线和预测度曲线分析结果表明,半监督协同训练模型的AUC值和预测效率都高于随机森林和支持向量机模型。研究结果也为大数据环境下的智能矿产预测提供了一种新的思路。