四川渠县三叠系膏盐的同生、成岩、后生及表生变化

本文论述了四川渠县三叠系的膏盐在沉积后的不同阶段所发生的各种变化,并提出根据膏盐的变化特征推测它们的原生沉积条件、卤水咸化程度及研究区的矿床保存条件。     

NCDSN台站地震分析系统的网络组建

引言 目前，NCDSN台站已经并入中国数字台网的运行之中，由于系统稳定，数据质量高而受到国内学者的青睐。当前，NCDSN台站多采用一台微机进行SEED数据的实时记录（REALTIME），实时监视（REALPLOT），SEED格式与WGSN格式的转换，地震分析（DIMAS）和速报，为此，效率十分低下。系统经常死机，难以保证地震数据的连续记录万无一失。针对这个情况，我台利用WIN98的局域网互联技术，对我台NCDSN的分析系统进行了优化配置，组建了基于NCDSN的网络分析系统，实现了SEED数据的共享，互联网路共享。这样，不仅提高了地震…     

Feedback Scale因子对Burris型相对重力仪观测成果的影响

对3台Burris型重力仪系统中的feedback scale因子对相对重力测量成果的影响进行测试分析和研究。结果表明, feedback scale因子值与Burris型重力仪读数线性相关,且线性系数与FBK改正值有关。若feedback scale因子值产生等比例的变化,FBK改正值越大,仪器读数的变化越大。在feedback scale因子值增加时,FBK改正值的正负符号决定仪器读数变化的方向。在重力值差仅有17 mGal的测段上测量时,3台Burris型重力仪基本相同的feedback scale因子变化量,得到的不同重力值差最大可相差0.140 mGal。当同一台仪器在FBK改正值分别为-14.7 mGal和2.2 mGal的2个测点进行测量时,若feedback scale因子值变化2%,测量所得重力值差的变化超过0.300 mGal。     

网形结构对重力数据分析结果的影响

为分析网形结构对重力网平差结果的影响,利用北天山测网改造后的最新4期流动重力观测数据,分析测网中存在长支线对整网数据处理结果的影响。结果显示,长支线的存在使北天山最大异常变化达到260 μGal。将支线连成闭合环再进行平差计算,得到的最大重力变化量减小到60 μGal,表明测线上的误差积累导致支线末端测点重力值可靠性差,严重影响异常重力变化的识别。由于观测原因形成长支线时,为正确识别异常信息,采取适当的数据处理方法,将支线连接成闭合环,可以有效提高测网整体平差结果的可靠性。     

加拿大黄刀地震台阵

黄刀地震台阵作为IMS地震台网的灵敏台阵之一,自1962年底建成至今已连续运行近60年。文中对黄刀地震台阵的建设、数据传输及处理模式、历次升级改造的相关情况进行调研,以助力我国全球测震台网的建设和发展。     

人造卫星 地球的“扫描仪”

目前是国家航天事业蓬勃发展的重要时期,"北斗"卫星导航系统全球组网即将完成。笔者通过对人造卫星的概念、分类、工作原理和应用举例的介绍,让公众尤其是青少年对人造卫星——"地球的‘扫描仪’"能有更加清晰的认识,了解其在国防、工业与生活中广泛的用途,更加热爱并投身于卫星遥感事业发展的浪潮中!     

PKPdif波-内核低速层存在的地震学证据

通过对中国数字地震仪台网(CDSN)11个台1993—2012年间30个极远震记录的分析,识别出了PKP波入射到内外核界面(ICB)上的衍射波PKPdif波。PKPdif波在震中距120°左右时出现在PKIKP波之前,在震中距150°以后出现在PKIKP波之后,是一个长周期波。为了解释PKPdif波超前于PKIKP波的原因,设想在距地面约5 156.1～5 372.2 km的深度,即内外核界面下有可能存在一个PKIKP波的低速层(厚度约216.1 km)。该设想符合Jeffreys速度模型,给出的PKPdif波在震中距119.4°～176.1°间的走时表填补了目前使用的《IASPEI1991地震波走时表》的空白。讨论PKPdif波的运动学特征有助于对内外核界面物理性质的认识,有助于提高分析震相的水平和积累震相分析经验。     

东秦岭二郎坪地堑金成矿控制因素及富集规律

东秦岭二郎坪地堑位于河南内乡夏馆-西峡二郎坪地区,大地构造单元属于华北板块南缘晚元古代-加里东期增生体,南北均有区域性深大断裂控制.区内金矿广泛分布,以热液叠加改造型为主.金矿床形成主要受含矿地层、构造、岩浆活动和高热流场控制,火山(沉积)地层提供了大量成矿物质,岩浆活动提供了热能和部分成矿物质,构造活动提供热液通道、成矿动力和成矿空间.     

基于3D U-Net++L3卷积神经网络的断层识别

断层解释在构造圈闭中起着十分重要的作用,是地震构造解释的基础和关键.使用传统的相干体、曲率等属性解释断层效率较低,并且受人为因数影响较大,致使断层识别能力有限,而传统的卷积神经网络虽然可以在一定程度上摆脱人为因素的干扰,但在断层识别精度上并没有明显的提高.为了解决断层识别困难的问题,本文提出了一种基于3D U-Net++L³卷积神经网络的断层智能识别方法,该方法是采用计算机视觉领域的图像语义分割技术,对输入数据体的每一个像素点进行判断是否为断层,随后输出断层概率体.测试结果表明,本文所选用的模型的测试精度可以提高至95%左右,损失函数值可以收敛至2%左右.实际应用表明,模型可以在实际地震数据中准确地估算断层位置,在断层连续性上面有所提高,解决了断层与背景在细节上难分问题.从而验证了图像语义分割技术在断层识别上具有一定的研究价值.