新疆乌伦古河地区铀矿化类型及其特征

新疆东北部乌伦古河地区位于天山-兴蒙造山系东-西准噶尔弧盆系,涵盖准噶尔洋内弧（萨吾尔山-加波萨尔岛弧）、科克森他乌-阿尔曼泰蛇绿岩混杂岩带、塔尔巴哈台-三塘湖复合岛弧带（卡拉麦里-莫钦乌拉岛弧带）等3个Ⅲ级构造单元（潘桂棠等,2009）,属哈萨克斯坦波谢库尔-成吉斯到我国雪米斯坦-沙尔布提Cu-Au-Be-U成矿带（申萍等,2015）的东延,相邻的雪米斯坦山地区已发现有白杨河铍铀矿床等一系列的铀矿床、矿点和矿化点,乌伦古河地区虽未发现成规模的铀矿床和铀矿点,但已发现大量的铀矿化点和异常点,具有较大的铀成矿潜力。根据其铀矿化赋存主岩、矿化特征及控制因素,乌伦古河地区铀矿化类型主要见碳硅泥岩型、伟晶岩型、花岗岩型和表生富集型,其中以碳硅泥岩型铀矿化为主。     

利用地震波组特征研究杭锦旗地区上古生界下部地层展布

通过对过井地震反射特征的分析,把地震波组特征与已知的地层展布联系起来,并利用这些特征推测未知区地层展布边界,从而达到利用地震资料研究地层展布特征的目的。杭锦旗地区上古生界下部地层变化大,局部区域存在地层尖灭现象。由于本区钻井较少,利用地震资料研究上古生界山西组、太原组的展布,从而为该区构造解释、储层反演初始模型的建立提供基础资料显得尤为重要。     

降水对广西马山兰电堂泉水化学动态变化观测研究

利用多参数自动记录仪(CDTP300)对广西马山兰电堂泉的降雨量、水位、水温、pH值和电导率进行自动化监测,数据采集间隔为15 min。结果发现,降雨期间泉水pH值和温度呈升高趋势的同时却出现电导率急剧降低的现象。通过进一步利用WATSPAC软件计算泉水方解石饱和指数(SI_C)、白云石饱和指数(SI_D)和二氧化碳分压(LogP-CO₂),发现其SI_C、SI_D和LogPCO₂值在降雨期间均呈明显降低趋势。由此可以推断,兰电堂泉水化学动态变化是由雨水的稀释作用造成的,因为研究区具有较高pH值和低电导率的雨水能够形成坡面流快速通过岩溶管道系统影响泉水的水化学性质,并使稀释作用成为控制表层岩溶泉在雨季水化学动态变化的主要因素。     

萨瓦甫齐铀矿床岩石浸出液水化学对古流体的指示作用

萨瓦甫齐铀矿床位于新疆维吾尔自治区阿克苏地区。新构造运动使盆地盖层变得陡直甚至倒转,承压含水层中的地下水不断被疏干,现今在垂深475 m以上已无地下水活动,铀矿体主要残留在古层间氧化还原过渡带中。根据水-岩相互作用的原理,试图通过研究岩样浸出液的水化学来获取古地下流体的一些基本特征。     

桩-土-结构相互作用弹塑性地震反应分析

采用动力有限元时程分析方法，以多高层框架结构为对象，研究了水平地震作用下桩-土-结构相互作用时上部结构弹塑性动力特性和规律。结果表明，弹塑性分析和弹性分析引起的结果有较大的差异；考虑弹塑性相互作用后柱的剪力、轴力和弯矩在不同的楼层有放大现象，按折减方法来考虑相互作用并非总是安全的，柱的剪力、轴力、弯矩和等效应力的折减系数沿楼层变化曲线不尽相同，应引起注意。     

乌拉山及周边区域生态情况调查报告

乌拉山是重要的生态屏障,其植被繁茂与否可以直接影响前后两侧的地下水补给：更重要的是它和乌梁素海可共同调节区域气候,促进降雨。     

对陕西省渭北东部岩溶水进行Q型聚类分析

渭北东部岩溶水系统可划分为西部(铜蒲合)子系统及东部(韩城)子系统。渭北东部地区构造复杂,垒、堑相间,断裂发育,是岩溶水储存和运移的良好通道。利用计算机技术将水化学资料进行Q型聚类分析计算,当阀值为0.9787时,分出Ⅰ1、Ⅰ2两个亚类,Ⅰ1为韩城子系统;Ⅰ2为铜蒲合子系统。分析计算结论与水动力场及实际情况相符。     

Resource management and job scheduling of China earthquake grid experiment system： Construction of resource management and job dynamic scheduling model ProRMJS

Grid technique is taken as the third generation internet technology and resource management is the core of it. Aiming at the problems of resource management of CEDAGrid （China Earthquake Disaster Alleviation and Simulation Grid） in its preliminary construction, this paper presents a resource management and job scheduling model： ProRMJS to solve these problems. For platform supposed agreeably each computing node can provide computation service, ProRMJS uses ＂computation pool＂ to support scheduler, and then the scheduler allocates jobs dynamically according to computing capability and status of each node to ensure the stability of the platform. At the same time, ProRMJS monitors the status of job on each node and sets a time threshold to manage the job scheduling. By estimating the computing capability of each node, ProRMJS allocates jobs on demand to solve the problem of supposing each node can finish the job acquiescently. When calculating the computing capability of each node, ProRMJS allows for the various factors that affect the computing capability and then the efficiency of the platform is improved. Finally the validity of the model is verified by an example.