华北克拉通东缘金岭杂岩体岩浆源区及构造背景:来自岩相学、岩石地球化学及年代学的证据

金岭杂岩体由细粒黑云角闪闪长岩、中细粒黑云角闪闪长岩、中细粒黑云角闪二长闪长岩和细粒角闪二长闪长岩组成,是鲁西地区典型矽卡岩型富铁矿(金岭铁矿)控矿岩体。本次研究对细粒黑云角闪闪长岩和细粒角闪二长闪长岩进行了锆石LA‐ICP‐MS U‐Pb定年,其结果分别为129.2±3.2 Ma和132.8±1.2 Ma,表明该杂岩体的侵位时代为早白垩世。样品SiO2、K2O和Na2O含量分别介于54.17%~63.73%、1.92%~4.76%和3.10%~5.41%之间,K2O/Na2O为0.58~0.94,A/CNK为0.60~0.93,具有轻稀土富集,重稀土亏损的右倾型稀土配分模式,轻、重稀土分馏程度中等((La/Yb)N=9.94~23.49),Eu异常不明显(δEu=0.84~1.10),具中—弱负Ce异常(δCe=0.56~0.92)。样品以富集大离子亲石元素(Ba、K、U、Pb等)、亏损高场强元素(Nb、Ta、Ti)以及高Sr/Y为特征。金岭杂岩体为燕山晚期岩浆活动产物,属准铝质高钾钙碱性系列,岩浆主要来源于富集岩石圈地幔的部分熔融,并在岩浆上升侵位的过程中有地壳物质的同化混染。燕山晚期华北克拉通在古太平洋板块俯冲后后撤引起的板内伸展环境下,增厚陆壳减薄阶段,岩浆上侵就位形成金岭杂岩体。     

波致海床瞬态液化对再悬浮贡献率的深度学习预测方法

波致瞬态液化渗流导致海床内细粒沉积物向海水中运移,这一过程对海底沉积物再悬浮的贡献率不容忽视,但是贡献率的准确估计和预测比较困难。本研究将黄河水下三角洲的观测数据(包括水深、有效波高、有效波周期、实验舱内悬沙浓度、实验舱外悬沙浓度)作为模型输入数据集,基于长短时记忆循环神经网络建立了瞬态液化对再悬浮贡献率的深度学习预测模型。为了客观评价模型的性能,以平均绝对百分比误差、均方根误差和平均平方误差-标准偏差为评判标准,将该深度学习模型与其他预测模型(支持向量回归模型、人工神经网络)的预测结果进行了比较。结果表明,基于长短时记忆循环神经网络的深度学习模型对3.5d以内的瞬态泵送再悬浮贡献率预测误差最小,其平均绝对百分比误差、均方根误差和平均平方误差-标准偏差分别为5.87%、1.6730、0.1574。因此,该模型可以有效地减少机器学习方法在连续预测中产生的误差叠加问题。     

特殊地震相的自动模糊识别及模糊综合判别(摘要)

地震相的自动识别由两个过程实现:建立已知地震相的数学模型,基于这些模型用数学方法进行未知地震相的识别.地震相是某个沉积环境下所沉积的与周围单元相比具有独特状态的一组岩石在地震剖面上所形成的反射特征.不同的地震相,与含油气的相关性不同;地震相的特征描述和类型判别受解释专家的主观影响.因此,建立地震相的数学模型用以体现地震相的客观规律和众多解释专家所共同遵循的经验很有必要.     

黑河试验中测站设置（夏季）的数值模拟研究

本文用具有较高水平与垂直分辨率的数值模式诊断计算了黑河试验区的感热通量和潜热通量,并通过对这些诊断通量的统计分析研究了黑河试验中观测站点的代表性和设置问题,得到在试验区内不同下垫面上设置观测站点的具体方案,以及选择有较好代表性的观测站点的一般原则。