柴达木盆地路乐河组古地理特征及其演化

通过对柴达木盆地盆地钻井岩心的详细分析,在地层划分对比基础上,结合前人研究成果,将盆地古-始新统路乐河组沉积划分为五种沉积相类型,并结合测井相、地震相的识别,对路乐河组沉积特征进行了详细研究。研究表明：该区板块运动控制了盆地的沉积,古近纪初期,由于印度板块与欧亚板块的碰撞俯冲,使柴达木盆地在路乐河组沉积期处于板块挤压阶段,在中生代边缘断陷的基础上周边老山继续隆升,盆地开始下沉,该期成为湖盆的发生、发展时期。由于整个沉积区受到了不同物源供给量以及古气候、古地貌不同,路乐河组沉积期大部分地区主要以红色碎屑沉积为主,大面积发育河流相和洪积相;而由暗色岩系组成的湖泊沉积主要分布在昆仑山和阿尔金山附近,这一带是坳陷湖盆的形成区,相对沉降较快,在狮子沟和七个泉等地发育了深湖相沉积。     

歧口凹陷构造-层序-沉积一体化研究及其应用

通过大量地质、地化和物探资料的处理和分析,探讨了新生代歧口凹陷的构造演化、层序格架样式和沉积体系的时空配置。新生代歧口凹陷包括5个负向构造单元、5个正向构造单元,经历了两个构造演化阶段、四个构造活动幕;对歧口凹陷的古近系及新近系进行了系统的层序地层研究,划分了4个二级层序和17个三级层序单元,并识别出断裂陡坡带、多级断阶带、断阶陡坡带以及挠曲坡折带等坡折带类型,建立了相应的层序发育模式和垂向演化模式;明确了歧口凹陷4大主物源体系(北部燕山物源、西部沧县物源、南部埕宁物源和东部沙垒田物源),并按三级层序单元重建了各个时期的沉积体系配置。     

凝冻：贵州冬季的＂常客＂

在贵州,每当冬天来临,人们都会禁不住谈到有关凝冻的话题,有的甚至感觉有些神秘,为什么只有贵州等少数省份有？为何又叫低温雨雪冰冻天气？其实,凝冻作为一种天气现象并不神秘,它是贵州冬季常见的天气现象。     

原子吸收分光光度法快速测定红土镍矿中镍

试样经烘干处理后,利用酸溶法或碱融法制备稳定的分析溶液,然后利用原子吸收分光光度计于波长232．0nm处,随同标准曲线测量镍含量,此方法简单、快捷,所选分析线干扰小、灵敏度高,稳定性和准确度均满足要求。     

GPS用于工程测量时的必要观测时间和高程精度试验

对GPS在短基线上的必要观测时间和高程精度进行了试验，所得结果可为应用GPS进行工程测量提供参考。     

1995年10月24日云南武定6．5级地震序列类型和震后趋势早期判断

根据地质构造情况、历史地震活动特征及主震后一天、三天记录的余震资料，利用自然类比法对１９９５年１０月２４日云南武定６．５级地震序列类型和震后趋势进行早期综合判断，认为该序列为强余震极多型地震序列，发生更大地震的可能性不大，但余震颇度会很高，强余震次数极多，持续时间较长，一个月内４级以上强余震数可能在７９次左右，最大余震为Ｍｓ５．３级左右。早期判断结果与实际情况基本相符。     

西北干旱区绿洲—戈壁资料同化数据集的建立与分析

利用美国气象环境预报中心和美国国家大气研究中心(NCEP/NCAR)共同开发的天气研究和预报系统WRF模式3.1版本,结合地球观测系统的中分辨率成像光谱仪EOS-MODIS反演的下垫面土地利用/植被类型资料,并同化2008年夏季金塔绿洲野外观测试验所取得的气象资料,对绿洲系统陆—气水热交换过程进行模拟,最终生成金塔高分辨率资料同化再分析数据集。此数据集包括黑河流域金塔绿洲2008年6-8月逐时水平分辨率1 km的土地利用类型、19层风温湿压、4层土壤温湿度以及地表植被覆盖、辐射分量、热通量等资料。同时,利用金塔绿洲观测期内的地表气压、地面气温和相对湿度实测值对该数据集进行初步验证,并分析了绿洲—戈壁系统的"冷湿岛效应"、平均大气环流特征和空气温湿度长期变化规律。结果表明,绿洲和戈壁下垫面的热力差异明显,绿洲和戈壁平均地表温度白天和夜间分别相差21℃和3℃;10 cm土壤温度白天最大相差17℃,并且绿洲比戈壁滞后3 h达到峰值;戈壁相对湿度比绿洲平均约低11%;白天绿洲的"冷岛效应"和"湿岛效应"影响高度平均可达2000 m和1500 m;夜间绿洲的近地层500 m以下则表现出弱的"冷岛效应";夜间绿洲上空的平均垂直气流为上升气流,白天出现大范围下沉气流,平均最大下沉气流速度可达-0.3 m·s-1。     

基于非开挖随钻检测系统与随机森林的地层岩性识别

通过自主研发设计的非开挖随钻检测系统,采集非开挖钻进参数,进行非开挖钻进实时地层岩性识别,为非开挖施工提供安全信息保证。针对非开挖工程工勘资料缺乏,掘进地层岩性难以判断的问题,提出了一种基于非开挖随钻检测系统实时采集数据,利用随机森林算法建立地层识别模型,通过模型去识别未知地层,并将识别结果可视化展示。通过非开挖随钻检测系统在工程现场的实际应用,获得了包括钻速、扭矩、转速、拉力、泵压、泵量等钻进敏感参数作为训练样本,利用随机森林算法对采集的钻进参数进行训练,构造决策树与随机森林,对钻进参数进行分类,建立了以典型非开挖地层岩性分类为目标的分类模型,分别确定了杂填土、黏土、粉细砂、砾石和淤泥的地层分类标签。进一步,基于机器学习的分类结果,利用PCA主成分分析将地层识别特征降维至三维,实现了地层岩性识别结果的三维展示。将预测模型应用于实际工程,以验证其有效性。结果表明,该方法能在非开挖实时钻进条件下快速识别钻进地层,识别正确率高达92%。该研究成果通过采集导向随钻参数,识别非开挖掘进段地层岩性,为非开挖扩孔阶段钻具选型、泥浆设计等提供了重要信息。