蒙脱石伊利石化的水热实验模拟

以蒙脱石为初始材料,通过水热实验模拟在不同温度压力条件下蒙脱石的伊利石化过程。利用X射线粉末衍射及X射线荧光光谱、红外光谱和扫描电镜等方法对样品的矿物物相、化学成分、晶体结构与微观形貌等进行分析,其结果表明:(1)蒙脱石至伊利石的转化受温度和压力条件的控制;(2)随着温度和压力的增高,蒙脱石伊利石化沿着蒙脱石-无序伊蒙混层-有序伊蒙混层-伊利石的转化序列进行转化;(3)水热实验模拟表明蒙脱石至伊利石的转化以溶解重结晶机制为主。实验结果不仅有助于了解埋藏与低级变质作用中的蒙脱石伊利石化过程,同时为研究断层活动所致断层泥中黏土矿物的转化及反演断层形成时温度压力条件提供基本参数。     

陆态网络GNSS基准站地壳运动速度场分析

针对中国大陆构造环境监测网络(陆态网络)中观测数据处理的期数过少或解算成果的坐标系统不统一等问题,该文在ITRF2008中对陆态网络239个GNSS基准站从2010年1月至2013年8月的观测数据进行解算,获取站点的坐标时间序列,估计了站点的水平和垂直运动速度场,并分析了中国大陆地壳运动特征。结果表明:GNSS基准站在ITRF2008中的坐标时间序列整体上符合线性变化趋势,东西方向的幅度变化大,高程方向受观测噪声的影响较大一些;高程方向相比较水平方向的年周期性更为明显;水平速度场明显有自西向东运动的趋势,且西藏块体中测站变化最为明显;垂直运动速度场中,华中、华南、华东块体中测站存在较低速率的下降,其他块体的测站存在较低速率的隆升。     

序列蒙特卡洛算法的数字地图线状特征跟踪模型

针对数字地图中的线状特征,如道路、河流的提取问题,该文提出一种基于序列蒙特卡洛的特征提取算法。算法利用粒子滤波方法与贝叶斯模型的建模思路,描述数字地图道路的状态及其观测估计方法;在此基础上,讨论跟踪过程中的模拟退火处理以及粒子聚类分析;最后,将跟踪模型应用在数字地图的特征提取中。实验表明,与传统的数字栅格地图道路提取算法以及基于其他粒子滤波的算法相比较,基于跟踪模型的算法具有较强的鲁棒性以及精度,同时能够很好地处理扫描栅格地图中缺失的道路信息提取。     

包头市地面沉降高分辨率时序InSAR监测北大核心CSCD

针对包头市地面沉降监测需求,该文利用24景高分辨率COSMO-SkyMed雷达影像,采用多主影像相干目标小基线干涉技术(MCTSB-InSAR),首次提取了该市2013年1月—2015年12月共3年的沉降信息。结果表明,该阶段包头市主城区存在较大范围的地面沉降,但沉降速率总体较小,最大沉降漏斗位于青山区奥林匹克公园北部,最大沉降速率达-56mm/a,野外调查表明,该地沉降主要原因是电厂排灰池自然沉积压缩所致。此外,昆都仑区包钢开发厂、九原区希望工业园区以及石拐区五当召镇也有明显沉降。研究结果可为包头市地面沉降灾害科学防治提供数据支撑。     

基于时间序列InSAR分析的西部山区滑坡灾害隐患早期识别——以四川丹巴为例

滑坡是仅次于地震、发生最频繁、造成损失最严重的一种地质灾害,中国西部山区则是世界上滑坡灾害分布最密集的地区之一。广域范围内滑坡灾害隐患的早期识别是地质灾害防治工作中的一项关键任务,基于星载合成孔径雷达重复轨道观测的时间序列雷达干涉测量（interferometric synthetic aperture radar,InSAR）技术在此领域具有巨大的应用潜力,但以永久散射体干涉测量为代表的传统时序InSAR方法在西部山区应用中往往受到植被覆盖等不利因素的影响,滑坡探测识别的可靠性较差。针对这一问题,以大渡河上游丹巴县为例,采用自主研发的相干散射体时序InSAR（coherent scatterer InSAR,CSI）方法,从历史存档的ALOS PALSAR和ENVISAT ASAR数据集中成功识别出了17处持续变形中的不稳定坡体,通过与外部观测数据比对和实地调查核实等手段验证了CSI方法探测结果的有效性和优势,并探讨了影响时序InSAR方法滑坡监测应用效果的主要因素及未来的优先研究方向。     

基于厄米特插值和时间序列模型在沉降监测中的应用

针对沉降监测中用时间序列分析数据样本较少、处理精度不高的问题,本文引入厄米特插值,提出用厄米特插值法对数据进行插值,增加数据样本,然后用时间序列对数据进行建模分析。为了验证用厄米特插值后的数据建模精度,将上述理论运用到工程实例中,用时间序列分析分别对厄米特插值处理后的数据和原始数据进行建模分析,得到用厄米特插值处理后的数据进行时间序列分析建模的平均绝对误差比原始数据建模的平均绝对误差高0.083 8 mm。说明厄米特插值和时间序列组合模型精度比较高。     

波致海床瞬态液化对再悬浮贡献率的深度学习预测方法

波致瞬态液化渗流导致海床内细粒沉积物向海水中运移,这一过程对海底沉积物再悬浮的贡献率不容忽视,但是贡献率的准确估计和预测比较困难。本研究将黄河水下三角洲的观测数据(包括水深、有效波高、有效波周期、实验舱内悬沙浓度、实验舱外悬沙浓度)作为模型输入数据集,基于长短时记忆循环神经网络建立了瞬态液化对再悬浮贡献率的深度学习预测模型。为了客观评价模型的性能,以平均绝对百分比误差、均方根误差和平均平方误差-标准偏差为评判标准,将该深度学习模型与其他预测模型(支持向量回归模型、人工神经网络)的预测结果进行了比较。结果表明,基于长短时记忆循环神经网络的深度学习模型对3.5d以内的瞬态泵送再悬浮贡献率预测误差最小,其平均绝对百分比误差、均方根误差和平均平方误差-标准偏差分别为5.87%、1.6730、0.1574。因此,该模型可以有效地减少机器学习方法在连续预测中产生的误差叠加问题。     

西太平洋暖池近3万年来的沉积序列及其环境特征-WP92-3柱样的REE记录

WP92-3柱样采自西太平洋暖池核心区。利用稀土元素(REE)特征参数研究了该柱样的沉积物来源和地层序列划分,并对其所揭示的环境变化特征进行了探讨。研究认为:样品的REE分布模式揭示了该海域的沉积物源主要为海相自生沉积;基于REE指标的垂向深度变化特征可将该柱样划分为3个地层序列;∑REE,LREE/HREE和δCe几个指标对环境的温度变化以及地磁场的极性变换均有良好的响应,∑REE高值段基本对应于δ18O和SST所揭示的暖池低温期,而地磁场极性转变的时间正好对应着稀土指标(∑REE,LREE/HREE和δCe)快速大幅波动的层位。REE特征参数较好地记录了暖池区近3万年来的沉积和环境变化信息,是一组对气候环境演化具有潜在良好指示作用的地球化学指标。     

2007年宁洱6.4级地震余震序列尾波QC值研究

基于Aki和Chouet的地方震尾波单次散射模型,利用思茅台记录到的2007年云南宁洱6.4地震余震的数字化波形观测资料,测量了震源区尾波Qc(f)值。当中心频率为1.5Hz时,宁洱地区的尾波Qc值在51～147之间,平均值为79,尾波的振幅衰减率βc(f)在0.014～0.039之间,平均值为0.028;测量得到该地区尾波Qc值与频率f的关系为Qc(f)=53f0.88;尾波波源因子与震级成正比关系,满足关系lgA0=1.51ML-0.94;测量结果显示宁洱地震余震序列的尾波值Qc较低,表明宁洱震源区属于构造运动较为活跃区。