多孔黏弹介质平面波理论及波场数值模拟

本文将黏弹固体骨架与各向异性多孔弹性模型相结合,并将地层黏弹性的特性考虑其中,更好地刻画了快P波和横波在地震频带的衰减现象。将多孔黏弹模型模拟结果同传统弹性模型模拟结果对比显示,多孔黏弹模型在模拟真实储层方面更具优势。     

剪切速率对结构性吹填软土力学特性影响试验研究

黏土在剪切变形过程中,剪切速率的不同会对其结构破坏产生不同影响,从而影响其力学特性.本文以天津滨海新区吹填软土为研究对象,在对吹填软土关于结构性讨论的基础上,开展了剪切速率对其力学性状影响的三轴试验研究,分析其剪切速率力学效应.试验结果表明:随着剪切速率的提高,在低围压条件下,吹填软土的强度及其结构屈服应力均先减小后增大,存在临界剪切速率,而在高围压条件下,强度及其结构屈服应力则逐渐增大,与剪切速率呈正相关关系,临界剪切速率逐渐消失; 吹填软土的黏聚力在不同围压下随剪切速率提高均呈现减小趋势,内摩擦角在低围压条件下随剪切速率提高呈现增大趋势,在高围压条件下则随剪切速率提高呈现减小趋势; 在剪切过程中,孔隙水压力均随着轴向应变的增大到某一值然后稳定下来,随着围压的进一步加大,孔隙水压力的稳定值会随剪切速率的提高呈减小趋势.     

对甘肃宕昌县代家庄铅锌矿床成因的认识

甘肃省宕昌县代家庄铅锌矿床的发现是近年来西秦岭地区铅锌找矿的重大进展。其类型为以菱锌矿、白铅矿为主的碳酸盐型铅锌矿,成为西成矿田西延地段发现新的成矿类型。区内圈定铅锌矿体6条,产于泥盆系龙鳞桥组第2岩性段与第3岩性段的过渡带和东沟组中,受NW—SE向压扭性断裂破碎带控制。断裂是成矿最主要的控制因素,不仅控制着铅锌多金属矿体的沉积就位,而且在成矿后期对矿体的改造起主导作用。矿区内未见岩浆岩及典型的热液蚀变现象。文章分析了成矿地质背景和矿床地质特征,铅同位素显示变化范围小,说明铅来源比较单一,硫同位素结果说明硫质来源于沉积地层中。闪锌矿中流体包裹体均一温度分别为80℃~120℃和120℃~160℃,说明成矿温度总体比较低。初步认为其成因沉积改造型铅锌矿床。     

黑水县巴阿泽锰矿床地质特征及成矿规律

巴阿泽锰矿位于瓦钵梁子—四美沟复背斜东部倾没端。通过对黑水县巴阿泽锰矿床的综合研究,该矿床的含矿层位为菠茨沟组中段(PTb2)。矿区共圈定2条矿体。同时对该区的矿床地质特征及成矿规律进行了分析,认为该矿床属于沉积-受变质型矿床,并归纳总结出三条找矿标志。     

钨在矿物/熔体和溶液/熔体中的分配行为及其对成矿作用的影响

总结了钨(W)在地球不同圈层、不同相以及不同集合体之间的分配行为,并据此来探讨与花岗岩有关的热液型钨矿床的某些成因机制,并将W矿化所需的较高的浓集系数归因于这一系列不均匀分配行为的累积。同时强调了W在溶液/熔体体系,尤其是富F体系中的分配行为是理解其成矿机理的关键。热液中W主要以钨酸(根)和碱性钨酸盐离子存在,后因流经理化条件(温度、盐度、p H值)骤变而沉淀成矿。     

一种桩锚连接的新方法——双向支座法

阐述一种新型的在基坑及边坡支护工程中的传力装置——双向支座法,详细论述了目前普遍使用的腰梁工法的不足,并对其进行了改进,提出了新的施工方法,在基坑支护工程中具有较高的推广和实用价值。     

二氧化碳洗井中相关问题的探讨

二氧化碳洗井方法具有设备简单、用时少,效果好的特点,但随着钻孔深度和孔径加大,井管材料的更新换代,有时也会难以出现壮观的井喷场面,达不到理想的洗井效果,使用范围受到限制的问题。总结多年的洗井经验,依据二氧化碳洗井原理,运用洗井过程中起动压力和用气量的计算公式,进而对洗井深度和影响用气量的因素进行了分析,结果表明:1该方法比较适用于井深300m左右、孔径Φ325mm以内、泥浆相对密度小于1.1g/cm3的新打水井,对大于300m的深井,可采用分层洗井法或压风机引喷法进行洗井。2井喷形成时的二氧化碳气体用量,与瓶内气体的压力、钻杆的下入深度、环空体积、地面管路的长度与直径、钻杆内径、钻井液的密度等成正比,而与水温、气温等成反比;当井的含水层的水柱高度低于70m时,一般不易形成井喷。3二氧化碳洗井适用于井内下入钢管、铸铁管等抗压强度较高的井。对水泥管、塑料管等强度较低的井管则要视情况具体分析。     

农情遥感监测云服务平台建设框架

准确及时的农情信息是国家与地方政府保障粮食安全与社会稳定的必要条件。云计算的出现为这一需求的实现提供了契机。本文阐述了农情遥感监测云服务平台建设的重要意义、设计思想、总体架构、组成部分以及建设内容。在此基础上,以农情遥感监测产品信息服务为例,开发了一个农情遥感监测信息在线原型系统。该系统是农情遥感监测云服务平台的重要组成部分,负责多尺度时间序列农情遥感监测结果与信息的管理、存储和维护,并且向用户提供查询与下载服务。农情遥感监测云服务平台建设框架的设计为全面整合专家智慧、IT技术、数据资源、服务方式以及平台的实现提供理论指导与建设依据。该平台的建立,将深刻改变农情遥感应用的模式,推动农情遥感的广泛应用与产业化发展。     

多时相无人机影像的烟草轮作精细监测

针对大区域烟草轮作监测缺乏有效手段的问题,文章提出了基于无人机摄影测量技术进行高精度烟草轮作种植情况的监测方法:首先基于两个时相的无人机遥感影像分别生成数字正射影像;然后通过人工解译获取两个时相的烟田空间分布图;最后利用地理信息系统空间分析功能对两个时相的烟田空间分布图进行处理获取烟草轮作信息。在山东省临沂市的两个乡镇开展了应用,取得了良好的示范效果,对农作物轮作监测有参考价值。     

Visualizing spatiotemporal trajectories of mobile social media users using space–time cube

The implementation of social network applications on mobile platforms has significantly elevated the activity of mobile social networking. Mobile social networking offers a channel for recording an individual’s spatiotemporal behaviors when location-detecting capabilities of devices are enabled. It also facilitates the study of time geography on an individual level, which has previously suffered from a scarcity of georeferenced movement data. In this paper, we report on the use of georeferenced tweets to display and analyze the spatiotemporal patterns of daily user trajectories. For georeferenced tweets having both location information in longitude and latitude values and recorded creation time, we apply a space–time cube approach for visualization. Compared to the traditional methodologies for time geography studies such as the travel diary-based approach, the analytics using social media data present challenges broadly associated with those of Big Data, including the characteristics of high velocity, large volume, and heterogeneity. For this study, a batch processing system has been developed for extracting spatiotemporal information from each tweet and then creating trajectories of each individual mobile Twitter user. Using social media data in time geographic research has the benefits of study area flexibility, continuous observation and non-involvement with contributors. For example, during every 30-minute cycle, we collected tweets created by about 50,000 Twitter users living in a geographic region covering New York City to Washington, DC. Each tweet can indicate the exact location of its creator when the tweet was posted. Thus, the linked tweets show a Twitter users’ movement trajectory in space and time. This study explores using data intensive computing for processing Twitter data to generate spatiotemporal information that can recreate the space–time trajectories of their creators.