凤-太矿田大型铅锌矿床勘查靶区及其找矿思路

在综合分析凤-太矿田已知铅锌矿床成矿特征及控矿因素的基础上，结合近年来在本区进行隐伏矿找矿的勘查实践，提出秦家梁地段和古字梁地段为两处最有潜力的隐伏矿找矿靶区。其中，秦家梁靶区具备寻找受次级断陷盆地控制的热水沉积型矿床的成矿条件，通过1：1万岩相-构造填图、TEM物探方法定位及直孔钻探验证等可望直接发现隐伏的铅锌矿体。古字梁地区具有与甘肃厂坝铅锌矿床十分相似的成矿地质构造背景，应进一步开展大比例尺地质填图以缩小找矿验证地段。     

内蒙东乌旗地区土壤地球化学测量及找矿效果

在东乌旗地区,用土壤地球化学测量发现了许多异常区（带）及找矿靶区,它们多与多金属矿有关,具有很大的找矿潜力.如阿尔哈达CH1、CH2、CH3、CH4号异常带,现正进行地质详查找矿;达赛脱Ⅱ-1号找矿靶区、花脑特Ⅰ-1号找矿靶区,经钻孔验证见到了工业矿体.哈巴特盖Ⅱ号异常区,土壤地球化学剖面加密测量证实为矿致异常,找矿潜力较大.     

赣南河草坑铀矿田成矿地质特征及找矿目标类型

河草坑铀矿田位于大富足岩体北西部接触带附近,构造、岩浆及热液活动强烈,发育多种类型的铀矿床、矿点及放射性异常点带.其中发育在花岗岩外带含碳变质岩中的岩浆热液型铀矿,以及发育在花岗岩内带的岩浆热液叠加氧化淋滤而成的复成因铀矿,是今后的找矿目标类型.     

福建安村金矿地质找矿的再认识

安村金矿地球化学异常规模大,特征好,并具良好的成矿地质背景,以往做了一些地质工作,但找矿尚未突破.文章从火山构造控矿特征入手,通过对相关找矿信息的综合分析研究,初步建立了矿区火山构造控矿模型,在此基础上,优选了3处找矿靶区进行找矿预测评价.     

径流预报的模糊神经网络方法

径流预报是水资源系统优化调度的重要因素。探讨了神经网络及模糊模式识别的部分理论,在通常的神经网络预报模型及模糊模式识别预报模型的基础上提出了一种模糊模式识别神经网络预报模型及其相应算法,加强了系统的知识表达能力,使预报结果更为可信。通过实例计算,验证了模型的可行性以及所给算法对模型训练的有效性,从而为径流预报提供了一种新方法。     

Methods for Setting up a Three-Dimensional Industrial Surveying System of ＂Building Blocks Type＂

This paper is to advance some relevant techniques to set up a three-dimensional industrial surveying system of “building blocks type“, making use of the electronic theodolite, standard ruler and portable computer.     

一种新的雷达辐射源属性识别方法

给出了一种新的雷达辐射源属性识别方法及其具体模型。以雷达辐射源用途识别为例进行了计算机仿真实验,并与经典的统计模式识别方法进行了比较,结果证明了该算法的正确性和有效性。这为研究辐射源识别提供了一种全新的方法。     

基于梯度幅度直方图和类内方差的边缘提取方法

针对复杂背景中目标边缘提取的问题,提出一种基于梯度幅度直方图和类内方差进行边缘提取的新方法———CAGH(cluster algorithm based on gradient histogram)算法。该算法先分析经“非最大梯度抑制”后的梯度幅度直方图的特征,确定边缘集中区域,再通过类内方差确定梯度阈值,并利用该阈值确定边缘。在车牌识别中运用该方法提取复杂背景中的车牌边缘,并与Sobel、Canny等算法进行了比较。结果表明,CAGH算法适应性强、提取效率高,提取的是连通性、独立性好的单像素边缘,有利于后续的特征提取和模式识别。     

SAR点目标的响应形状

人们普遍认为,SAR点目标响应是sinc函数形状,但是,在通常条件下,SAR点目标看上去不象sinc函数形状。文章从驻留相位原理的近似性,数字信号处理和连续信号处理的差别,人类视觉,检波造成的频谱扩展,SAR的斜视等方面,指出其原因,并阐述了使点目标形状象sinc函数形状需要满足的条件。并提出SAR图像从复数图到模值图的转化过程需要满足的条件和处理。     

基于人工免疫系统的遥感图像分类

提出了一种基于人工免疫系统(ArtificialImmuneSystem)的分类方法。该方法首先应用人工免疫系统的克隆选择算法对样本进行自学习,得到全局最优的聚类中心,然后利用学习得到的聚类中心对整幅影像进行分类。由于人工免疫系统继承了生物免疫系统的自组织、自学习、自识别、自记忆的能力,从而使得人工免疫系统具有非线性的分类能力,并能够快速准确地得到全局最优解,克服了传统分类方法约束条件多,容易陷入局部最优的缺点。实验结果证明,该算法分类精度上优于传统的分类方法,总精度和Kappa系数分别达到了89.80%和0.8725,因而具有实用价值。