淮南矿区高分辨率数字地震勘探成果在煤矿生产建设中的应用

１９８０年１０月至１９９６年底的７年间，淮南矿区在７对矿井和井田内进行了大面积、多层次的高分辨率数字地震补充勘探，勘探总面积达２４３．３ｋｍ＾２，测线总长１５６．３７５ｋｍ，物理点共计６５０７７个。地震勘探提高了对地质构造的控制程度，新查出一批落差小于２０ｍ的断层。７个井田内共解释出断层２９７条，其中地震补勘新发现１６９条。实践证明，高分辨率数字地震勘探是一有效的技术手段，其勘探成果为修改矿井、在     

某些微量元素与人体健康的关系

人类是大自然的产物,是由多种元素组成的生命体,同时又是各种化学反应密切配合的体系。人体与外界环境存在着物质和能量的交换。人类生存需要各种常量元素和微量元素,维持人体正常机能所必需的Fe,Cu,Zn,Sr,F,I,Se,Si等微量元素,无论缺乏或过量都会导致人体产生疾病;而Cd等无生物功能作用的微量元素,对人体只能有毒害作用。     

利用生育期水分供应系数进行旱涝区划的研究

根据不同作物不同发育阶段的需水特性，建立了作物蒸腾耗水模型。利用水分平衡方程。根据降水量及前期土壤水分储存量与作物蒸散耗水量的差，确定作物不同生育期水分满足程度的时间变化曲线，用以衡量水分的满足程度。     

中国第四纪孢粉数据库(CPD)和生物群区(Biome 6000)

介绍了中国第四纪花粉数据库的建立、组织及数据收集、大型成果共享等原则及章程,并着重介绍了当前由ＩＧＢＰ所支持的用孢子花粉资料重建６ｋａＢＰ及１８ｋａＢＰ生物群区（植被）的全球合作项目。到目前为止,利用中国第四纪花粉数据的原始数据及生物群区化方法已经完成中国现代表土花粉、６ｋａＢＰ（中全新世）及１８ｋａＢＰ（２０ｋａＢＰ）（末次盛冰期）的生物群区模拟及重建,在文中展示了制图结果,并讨论了当时植被与现     

一种简化的Helmert方差分量估计算法

Ｈｅｌｍｅｒｔ方法是通过求出两类观测值的单位方差,来修正其先验权,用迭代法最终求得正确的权。本文提出,如果已知两类观测值的单位方差之比,即可定出正确的权,从而使计算简单化。     

松辽盆地东南隆起区青山口组一段泥页岩地球化学特征及地质意义

松辽盆地青山口组一段主要为暗色泥岩,并发育多层品质较好的油页岩。对盆地东南隆起区NGN1井泥岩系统取样测试,地球化学分析结果显示:w(Si O2)为44.88%~57.75%,w(K2O)一般比w(Na2O)高,w(Mg O+Fe2OT3)为4.5%~10.01%,表明泥岩中含有较多的含钾矿物和一定的铁镁质成分。样品微量元素PAAS标准化配分曲线显示样品中元素富集、亏损均呈现基本一致的趋势,表明泥岩沉积时期存在一种主要物源。稀土元素球粒陨石标准化后呈现出明显的右倾趋势和Eu的负异常,显示物源来自上地壳。泥岩CIA指数为48~62,Th/U值大都集中在1.48~4,表明泥岩源区经历了低等的风化作用;Th/Sc--Zr/Sc图解显示泥岩中的沉积碎屑没有经历沉积再循环,受原岩成分控制,表明地球化学数据可以进行物源类型和构造环境判断。根据原岩和构造背景判别图解,松辽盆地东南隆起区青一段泥岩物源主要为中—晚侏罗世中酸性喷发岩,并混有海西期和燕山期花岗岩;原岩的构造背景为大陆边缘造山运动形成的大陆岛弧。     

基于支持向量机回归的岩体变形模量预测

岩体变形模量是表征岩体变形特性的最重要参数之一,其获取手段有室内试验与现场试验法、经 验 关 系 法、数 值 模 拟法、人工智能预测方法等。人工智能预测方法中常用的是神经网络方法,但神经网络易陷入局部极小值和过学习而导致低精度,支持向量机回归（ＳＶＲ）方法能有效地避免神经网络的以上缺陷,并在小样本、非线性预测方面具有较大优势,但目前 ＳＶＲ 应用于岩体变形模量预测的研究较少。以某水电站坝址区英安岩的试验数据为依托,采用灰色关联分析筛选出与变形模量最相关的纵波波速作为输入变量。在此基础上,以３个国内的水电站为例,分别建立相应的以实测纵波波速作为输入变量的粒子群算法优化－支持向量机回归（ＰＳＯ－ＳＶＲ）变形模量预测模型,同时,通过与 ＢＰ神经网络（ＢＰ－ＮＮ）、ＲＢＦ神经网络（ＲＢＦ－ＮＮ）２种预测方法进行对比,对比分析表明ＳＶＲ模型具有更高的预测精度,预测效果较好,说明 ＰＳＯ－ＳＶＲ方法更适用于岩体变形模量预测。      

粒子群算法与支持向量机相结合的热带气旋强度预报试验

支持向量机(SVM)的惩罚参数及核参数的选择直接影响到模型效果,通过粒子群算法(PSO)解决支持向量机的参数选择问题,实现了参数选择的自动化。将该方法应用于热带气旋强度预报,利用气候持续性因子,挑选了1990年的100个左右样本进行预报检验,预报时效为12 h、24 h、36 h、48 h的强度平均绝对误差分别为3.00、4.35、4.93和6.68 m/s。另外,还与国外预报结果及采用最小二乘回归法的预报结果进行了效果的比较,SVM方法显示了更好的预报能力。