滇西剑川OIB型苦橄玢岩:俯冲板块断离的产物?

滇西剑川地区出露小规模的OIB型苦橄质次火山岩,主要由橄榄石、单斜辉石和斜长石组成,其中橄榄石主要为贵橄榄石,Mg^#最高可达88.8。全岩SiO₂含量为43%~48%,MgO含量为12%~24%。根据橄榄石-熔体平衡原理,恢复的原始岩浆为苦橄质岩浆(MgO=13%,FeO=10%)。苦橄玢岩的微量元素标准化图解与洋岛玄武岩(OIB)相似,具有相对富集轻稀土(LREE)和大离子亲石元素(LILE)的特点。此外,斑晶橄榄石中普遍含有熔融包裹体和尖晶石包裹体。尖晶石属于富铬尖晶石,Cr^#最高可达69.0,且尖晶石具有较低的Al₂O₃(12.5%~18.6%)和较高的TiO₂(0.2%~1.7%)含量。微量元素模拟结果表明,苦橄质岩浆是高温高压(T≈1470℃,P≈2.7GPa)条件下石榴子石相橄榄岩低度部分熔融(4%~7%)的产物。结合苦橄玢岩的分布特征,推测苦橄质岩浆的形成可能与中新世时印度板块向欧亚板块高角度深俯冲过程中板片的断离导致软流圈物质沿着板片窗上涌而发生熔融有关。     

机器学习在地震预测中的应用进展

机器学习(Machine Learning, ML),特别是深度学习(Deep Learning, DL),在最近几年发展迅速,在数据挖掘、计算机视觉、自然语言处理、数据特征提取和预测等方面的应用中取得了令人振奋的进展。地震预测是复杂、涉及面广、不成熟而且充满争议的科学问题;其发展受到尚不清楚的地震机理和孕震结构、不完备的观测数据与真伪不清的地震现象等方面的限制。但是,机器学习有可能改善复杂地震数据的挖掘和发现,推动地震预测科学的发展。本文回顾了机器学习在地震预测的应用,包括强震、强余震和岩石破裂失稳等方面的预测,并展望了机器学习在地震预测方面的研究趋势。