大兴安岭南段多金属成矿带硫、铅同位素组成及其地质意义

大兴安岭南段是我国北方重要的多金属矿床成矿带,对其成矿物质来源的分析研究有利于区域成矿规律的总结。在前人的工作基础上,对典型矿床的矿石矿物进行了硫、铅同位素研究。结果表明:闪锌矿、方铅矿、毒砂、黄铜矿、辉钼矿等硫化物的δ34S值主要变化范围为-6‰～4‰,平均值为0‰,峰值出现在0‰～2‰,呈塔式分布;无明显的重硫、轻硫富集,说明硫源较单一;矿石矿物及岩石的206 Pb/204 Pb、207Pb/204Pb、208Pb/204Pb值的变化范围主要集中在18.13～18.74、15.38～15.68和37.1～38.93,其平均值分别为18.38、15.54和38.09。同时,数据结果显示:成矿带的东部与西部存在较为明显的铅同位素差异,西部矿床中铅的分布主要集中在造山带演化线附近,而东部矿床中铅主要集中分布在上地幔和造山带演化曲线附近。     

正反粒序结构条件下滑坡堰塞坝破坏模式研究

滑坡堰塞坝是大型滑坡堆积体堵塞河道形成的土石坝。正、反粒序结构作为大型远程滑坡所特有的2种具有显著差异的地质结构特征,2种情况下坝体的破坏模式差异及稳定性影响因素亟需试验研究。文章通过室内水槽物理模型实验,对比不同粒径、不同结构的滑坡堰塞坝坝体的破坏过程差异,探究了正、反粒序结构条件下堰塞坝的稳定性差异、破坏模式及影响因素。研究结果表明：（1）堰塞坝破坏模式的变化取决于浸润线在下游坡面的出露位置,相比上游水位有一定的延迟性;（2）正、反粒序堰塞坝的破坏模式取决于坡体渗流与下游坡面临界起动坡降的关系;（3）细砂层的位置分布,不同埋深细砂层的起动临界坡降差异和细砂与中粗砂的孔隙率差异是造成正、反粒序坝体破坏差异的主要原因。该研究成果可为大型滑坡堰塞坝的防灾减灾提供理论指导。     

GPS定时技术在电力系统电压相角测量中的应用

全球定位系统（GPS）是当今世界上最精确的定时系统之一,在利用GPS定时技术的基础上,提出了一种电力系统电压相角的同步测量方法．     

天龙座食双星RZ周期的长期变化及其测光轨道解

本文根据天龙座食双星RZ Dra 70余年光变极小时刻的观测资料,得出其周期(P=0.~d5508)存在着长期缓慢减小的现象,周期的相对变化率△P/P～-1.53×10~(-10)。周期变化原因可能是该双星存在第三体,或者是属于一类罕有的短周期食双星,其大质量子星正不断向小质量子星抛射质量。本文并根据1978年5月—8月间对RZ Dra所进行的一色黄光光电观测,重新确认它是全(环)食型的食双星,并得出新的测光轨道解,两子星半径比值 k～0.69,接近于中心食。     

食双星船底ST(ST Car)和印第安RY(RY Ind)的光变曲线Roche模型分析

本文采用Wilson-Devinney的Roche模型,对两颗短周期食双星ST Car和RY Ind的光变曲线,进行了再分析。结果表明ST Car的测光质比q=0.60,RY Ind的q=0.50,两颗均属分离的不接双星,但它们的小质量次子星几乎充满Roche临界面。两星的测光特性说明,它们可能是Algol演化阶段后的双星。     

冀北五凤楼煌斑岩年代学、地球化学特征及其成因

燕山地区中生代花岗岩类侵入体中发育煌斑岩,呈脉状产于冀北寿王坟—五凤楼一带,岩石类型主要为云煌岩。岩石化学属基性,富钠,富碱,高Mg#,高钛,属高钛、钠质钙碱性煌斑岩。岩石中富集LREE、Ba等大离子亲石元素和P,亏损HREE和Nb、Zr、Ta等高场强元素,基本无Eu异常。其LA ICP MS锆石U Pb年龄为(1352±13) Ma, 侵位于早白垩世,与寿王坟杂岩体是同一时期岩浆活动的产物。五凤楼煌斑岩锆石εHf(t)值为-193~-133,模式年龄远老于其成岩年龄,表明岩浆起源于富集地幔。较高的Ba/Th值(12309~43634)和Sr值(9154×10-6~1 257×10-6),暗示源区在一定程度上受到了俯冲带流体的改造;较低的Rb/Sr值(002~011)及较高的Ba/Rb值(108~809)证明其源区含有角闪石。岩石地球化学特征显示,五凤楼煌斑岩由俯冲的古太平洋壳富钠流体交代形成的石榴石角闪二辉橄榄岩富集地幔的低程度(05％~15％)部分熔融上侵而成,起源深度为75~100 km。     

ConvLSTM Based Temperature Forecast Modification Model for North China

The correction of model forecast is an important step in evaluating weather forecast results. In recent years,post-processing models based on deep learning have become prominent. In this paper, a deep learning model named ED-ConvLSTM based on encoder-decoder structure and ConvLSTM is developed, which appears to be able to effectively correct numerical weather forecasts. Compared with traditional post-processing methods and convolutional neural networks, ED-ConvLSTM has strong collaborative extra...