胜利油田孤岛油区馆陶组上段沉积结构单元

结构单元分析法(Architectural-Element Analysis)作为一种比较成熟的研究方法,已广泛应用于古代河流沉积研究.本文首次根据钻孔资料分析胜利油田孤岛油区馆陶组上段5～1+2砂层组河流沉积的结构单元.该段5～1+2砂层组岩石类型简单,可分为11个岩相类型.根据界面特征、岩相组合、内部几何形态、外部几何形态和垂向剖面特征等划分出6个结构单元:河道滞流沉积(CHL)、侧向加积砂坝(LA)、天然堤(LV)、决口扇(CS)、决口水道(CR)和洪泛平原细粒(FF).其中洪泛平原细粒(FF)、决口扇(CS)和侧向加积砂坝(LA)结构单元最为发育,其次是天然堤(LV)和决口水道(CR)结构单元,而河道滞流沉积(CHL)结构单元则不甚发育.决口扇(CS)结构单元是馆陶组上段砂体发育的主要单元之一,且富含油气资源.因此,进一步加强决口扇的研究对油气资源的勘察是十分必要的.     

华南加里东期金矿床的基本特征

文章分析了安徽月山矿田夕卡岩型矿床形成过程中水岩作用的类型和特征。估算和讨论了水岩作用过程中的质量－体积变化和动力学问题。结论认为：水岩作用对流体成矿系统中夕卡岩和蚀变矿化作用的发生、发展，成矿流体的形成，成矿物质的富集，矿床定位等具有重要意义；水岩作用的水岩比值（W／R）小于0．1；夕卡岩和矿化蚀变分带是开放体系一系列溶解沉淀波反应前锋发生水岩反应后矿物和元素组合的时空分离的结果。     

四阶△－∑过抽样电路原理及其在微弱地学信号检测中的应用

传统的测量电路无法解决诸如海底大地电磁场这样微弱地学信号的检测问题。近几年诞生了一种称之为△-∑的电路理论以及相应的硬件芯片，给微伏级的弱信号检测开辟一条新的技术路径。文章介绍与地学探测有关的一种△-∑电路类型，该类型以低频段微弱信号为检测对象。采用系统理论和电路分析方法对△-∑原理作了较深入的讨论，阐明这种电路技术对提高微弱信号观测的分辨率是有效的。结合海底大地电磁探测中的信号采集问题，介绍了在仪器中把多路的被测模拟量变为数字量的技术过程。经对实际采集的海底信息的频谱曲线进行分析，证实所采用的△-∑技术以及多路信号采集的电路方案是合理的。     

应用CP网络进行岩性识别

为通过测井解决岩性识别问题，引入了具有分类准确、算法简练等优点的CP（Counter-Propagation)网络。在详细介绍CP网络的网络模型和算法的基础上，结合某油田的实际测井资料，进行了CP网络识别研究。应用结果表明：CP网络训练周期短、识别准确率高、不存在收敛问题。通过试验研究得出结论：CP网络完全可以用于解决岩性识别等问题，具有广阔的应用前景。     

华北板块北缘活动带元古宙构造岩片

新的研究证实 ,华北板块北缘残存一条元古宙构造岩片堆集带 ,包括古元古代、中元古代、新元古代等多期构造岩片。并相伴有 180 0Ma±、140 0Ma±、10 0 0Ma±、6 5 0Ma±的花岗岩类的侵入活动和构造变质成矿等热事件的年代记录 ,并在华北板块北部金镶边带中保存了相一致的信息 ,揭示了它们是陆缘多期拼贴造山的产物。这为超大陆旋回 ,特别是元古宙两次超大陆的聚合与裂解及其构造演化过程的研究提供了良好的野外实验园地 ,并为元古宙、特别是古元古代大陆的增生及Rodinia超大陆在北半球的存在或构造响应提出新的课题。     

25～75℃酸性NaCl溶液中方铅矿的溶解动力学

在25～75℃、pH=0.43～2.45的1mol/LNaCl溶液中进行了方铅矿的溶解动力学实验。发现在远平衡条件下,方铅矿的溶解速率r与氢离子活度犤H+犦呈线性关系,溶解速率方程(速率定律)为:r=k犤H+犦,即对H+而言,溶解反应为一级。其中速率常数k为2.344×10-7mol/m2·s(25℃)、1.380×10-6mol/m2·s(50℃)、7.079×10-6mol/m2·s(75℃)。溶解反应的活化能为43.54kJ/mol,方铅矿的溶解机理为表面化学反应,速率决定步骤为表面配合物的离解。     

地质图空间数据库建设中的拓扑关系处理

拓扑关系是空间数据库的核心。主要阐述拓扑关系的基本概念，详细介绍MAPGIS和ARC/INFO两大模块中，拓扑关系具体表现形式、处理方法及处理过程中的注意事项，形成了一套较为完善的工作流程，提高了工作效率，为今后的信息化提供了行之有效的工作方法。     

基于ODBC的地震前兆数据批量卸出与转换程序的实现

介绍了CDBC技术、工作流程及数据传递方式；分析了研制数据卸出与转换程序的关键技术及实现方法；描述了程序的组织结构。通过实例说明了该程序在全国前兆台网中心卸载与转换地震前兆数字化的观测数据中的应用。     

The null distribution of sample serial correlation coefficient

 The null distribution of the lag-k sample serial correlation coefficient (r _k , k=1,2,3) was investigated by Monte Carlo simulation. For a time series with normal, exponential, Pearson 3, EV1 (Gumbel), or generalized Pareto (GP) distribution type, the null distribution of its r _k can be approximated by the normal distribution with mean −1/(n−k) and variance 1/(n−1). But for a time series with the lognormal, EV2 or EV3 (Weibull) distribution type, the null distribution of r _k is skewed distributed. In such cases, a simulation technique is suggested to construct percentile confidence intervals at a given significance level.     

Power of the Mann–Whitney test for detecting a shift in median or mean of hydro-meteorological data

 The non-parametric Mann–Whitney (MW) statistic test has been popularly used to assess the significance of a shift in median or mean of hydro-meteorological time series. It has been considered that the test is more suitable for non-normally distributed data and it may be not sensitive to the distribution type of sample data. However, no evidence has been provided to demonstrate these. This study investigates the power of the test in various circumstances by means of Monte Carlo simulation. Simulation results demonstrate that the power of the test is very sensitive to various properties of sample data. The power depends on the pre-assigned significance level, magnitude of a shift, sample size, and its occurrence position within a time series; and it is also strongly affected by the variation, skewness, and distribution type of a time series. The bigger the magnitude of a shift, the more powerful the test is; the larger the sample size, the more powerful the test is; and the bigger the variation within a time series, the less power the test has. The test has the highest power if a shift occurs at the midpoint of a time series. For the samples with different distribution types, the power of the test is dramatically different. The test has the highest power for time series with the extreme value type III (EV3) distribution while it indicates the lowest power for time series with the lognormal distribution.