基于大数据发现技术的国外地质信息服务跟踪

近年来,大数据越来越受到计算机、地质、生物、医学等诸多领域的关注且得到了广泛的应用。以世界主要发达国家地质信息服务跟踪为例,针对美、加、英、澳4国的主要地质调查网站及中国知网,运用地质大数据发现技术的网络爬虫方法,获取需求文本数据,进而分析文本内容,总结国外地质信息社会化服务现状。大数据发现技术在地质领域的合理运用,对快速、高效获取图片、文档等数据及降低信息获取成本具有一定的意义。     

内蒙古维拉斯托银铅锌多金属矿外围发现大型锡多金属矿床

维拉斯托银铅锌多金属矿床外围发现大型锡多金属矿床,目前估算锡的远景储量为93 127 t,钨金属量15 800 t,锌金属量32 540 t,铜金属量9 175 t.推测其成因类型为斑岩型.     

基于机器学习方法的辽宁省初霜冻日期预测模型研究

基于前期ERA5逐月再分析数据,应用3种机器学习算法(Lasso回归、随机森林和神经网络)对辽宁省初霜冻日期进行预测评估。Lasso回归算法提取对初霜冻日期预测有重要指示意义的气象要素特征集,通过交叉验证和超参数调优建立初霜冻日期预测模型,利用均方根误差(RMSE)和距平同号率方法定量定性地评估模型的预测效果。结果表明：特征选择后的气象要素特征集建模提升了模型的泛化能力、可解释性和稳定性;Lasso回归模型在4月起报的预测效果最好(RMSE为6—8 d),神经网络模型在5月起报性能最好(RMSE为6—9 d),随机森林模型在3月起报性能最好(RMSE为8—9 d);辽宁全省大部分站点距平同号率为50%—70%,其中Lasso回归和神经网络模型为5月起报最高(约为68%),随机森林算法为3月起报最高(约为62%)。特征选择和敏感性实验结果发现,低植被覆盖比例是初霜冻日期预测关键预测因子,植被覆盖率越高越有利于地表含水量保持,降温容易产生霜冻,初霜冻日期也就越易提前,去掉低植被覆盖比例因子后模型预测效果显著下降,也表明该因子是模型建模的前期关键因子。     

长乐—南澳构造带泉港临头片麻状英云闪长岩中岩浆绿帘石的发现及其地质意义

岩浆绿帘石能够作为压力计反映岩体侵位深度,进而可估算地壳抬升剥蚀速率及地壳演化历史,因而引起了人们的研究关注。在长乐—南澳构造带泉港临头地段发现了片麻状英云闪长岩中的岩浆绿帘石。该地段是我国当前报道岩浆绿帘石的第5处产出地,但在东南沿海地区尚属首次发现。含岩浆绿帘石的片麻状英云闪长岩形成于早白垩世(K₁),以钙性(C,Peacock碱钙指数)、中钾钙碱性系列(MKCA)、准铝质和弱过铝质、钙碱性系列(CA,Miyashiro SiO₂-FeO^*/MgO)为主,具镁安山岩系列(MA)性质,呈奥长花岗岩演化趋势(Tdj);轻稀土(LREE)较富集,铕负异常不明显;微量元素呈现较大的钽(Ta)、磷(P)和钛(Ti)负异常,显示出造山带火山弧花岗岩的特征。片麻状英云闪长岩中绿帘石岩相学特征显示,黑云母和自形的绿帘石分布于斜长石的隙间,为典型的填间结构;绿帘石与黑云母相互接触、相互包裹,是一起从富水的晚期岩浆中结晶出来的原生矿物,不是交代斜长石的岩浆期后的次生矿物。绿帘石电子探针分析结果显示Ps值为24~29,TiO₂含量均小于0.1%。综合绿帘石岩相学与化学特征知悉,泉港临头片麻状英云闪长岩中的绿帘石为岩浆绿帘石。岩浆绿帘石形成压力约870 MPa,深度为25~32 km,而现今东南沿海陆壳厚度约30 km,据此推测,早白垩世(K₁)时东南沿海陆壳厚度为55~62 km;早白垩世(K₁)之后,地壳可能经历了多次抬升。     

新疆伊吾韧性剪切带的发现及其成矿地质作用探讨

新疆伊吾韧性剪切带变形组构较发育,序列演化明显,存在逆冲剪切和韧—脆性变形转换,变形时代为华力西早期,早于晚二叠世。其形成时代应早于研究区岩浆侵入活动时期。变形机制属地壳中深层次塑性流变和韧性剪切,经历了多期多阶段演变等特征。该剪切带控制了该区的成矿带、矿化带、矿体的产状。对中—低温热液金银铜等主要矿产的成矿作用和分布规律作了初步探讨,粗略判断成矿过程大概是在地质事件多发的晚古生代,并且成矿具多期性和多源性。     

东天山库姆塔格沙垄地区石炭纪化石新资料及地层厘定

东天山库姆塔格沙垄地区的地层划分争议已久。1∶5万区域地质矿产调查,于东天山康古尔塔格深大断裂之北的库姆塔格沙垄地区两套碳酸盐岩中,分别发现了牙形刺Streptognathodus suberectus,Idiognathoides sinuata和珊瑚:Pelalaxis intermedia,Lithostrotionella rarivesicula,Fomichevella kiaeri,确认其时代分属晚石炭世罗苏阶-达拉阶和达拉阶-小独山阶,划归哈尔里克地层小区底坎儿组和脐山组。由该两组沉积地层隔离的两套火山岩,空间上分布相对固定,岩石组合特征明显,野外极易识别和区别,大区易于对比,且分属早石炭世和晚石炭世。库姆塔格沙垄地区企鹅山群可由老到新进一步解体为小热泉子组、底坎儿组、企鹅山组和脐山组等4个组级岩石地层单位。     

贵州宰便-高武地区中新元古代火山岩的发现及其意义

宰便、高武地区位于九万大山北缘，有保存完好的中新元古代地质记录。笔者在该区的1：5万区调工作中发现中新元古代基性火山岩，不仅为该区中新元古代地层增添了新的内容，同时为研究Rodinia超大陆的裂解提供了新的素材。     

逻辑回归与支持向量机模型在滑坡敏感性评价中的应用

白龙江流域是我国滑坡泥石流灾害四大高发区之一,进行该区域滑坡敏感性评价,能够为决策者在灾害管理和设施建设规划方面提供帮助,对区域防灾减灾具有重要指导意义。本研究采用边坡单元为基本研究单元,在野外调查及前人研究基础上,选择控制该区域滑坡发育的19个要素作为影响因子; 经过主成分分析和独立性检验得到该区域对滑坡形成贡献最大的6个因子：高程、坡度、坡向、岩性、断裂距离和人口密度; 分别使用二元逻辑回归模型（LR）和支持向量机模型（SVM）对该区域进行滑坡敏感性评价; 最后,采用ROC曲线对模型精度进行验证。研究结果表明,两模型各能将38.76%、14.48%、9.40%、11.28%、26.07%和13.49%、21.61%、8.17%、26.70%、30.04%的边坡单元分别预测为极高危险区、高危险区、中度危险区、低危险区和极低危险区; 精度验证结果表明两种模型均能有效地进行该区域滑坡敏感性评价,并且支持向量机模型具有更好的分类能力、预测精度和稳定性。     

基于深度学习的镜下矿石矿物的智能识别实验研究

矿石矿物鉴定的智能化是智能地质学和智能矿床学的基础技术之一。计算机视觉技术和深度学习理论使矿石矿物鉴定的智能化成为可能。本研究基于深度学习系统Tensor Flow,以吉林夹皮沟金矿和河北石湖金矿的黄铁矿、黄铜矿、方铅矿、闪锌矿等硫化物矿物为例,设计有针对性的Unet卷积神经网络模型,有效自动提取矿相显微镜下矿石矿物的深层特征信息,实现镜下矿石矿物智能识别与分类。实验显示,模型在训练过程中,随着训练次数的增加,模型精度在不断增大,损失函数不断减小;经过3000个批处理之后,模型精度和损失函数基本趋于稳定。训练出的模型对测试集中的显微镜镜下矿石矿物照片的识别成功率均高于90%,说明实验所建立的模型,具有很好的图像特征提取能力,能完成镜下矿石矿物智能识别的任务。     

安徽南陵姚家岭铜铅锌矿床的发现及意义

姚家岭铜铅锌矿床是长江中下游金属成矿带铜陵矿集区近年来普查新发现的大型矿产地.矿床类型是与燕山晚期隐爆斑岩体侵入活动相关的浅成热液充填交代-斑岩型矿床。姚家岭铜铅锌矿床的发现,反映了该区成矿的多样性和复杂性,突破了本区矽卡岩型和层控叠加改造型两个传统的成矿模式。对铜陵矿集区乃至长江中下游地区的深部找矿工作具有十分重要的指导意义。