来自大别山深成侵入岩图像深度迁移学习的可解释性研究

岩石图像识别是以深度学习为代表的感知智能在地质领域的典型应用场景。已有研究显示网络结构简单的深度卷积神经网络能够在岩石图像上取得比复杂网络结构高的分类准确率。这与ImageNet数据集上网络结构越深越好的趋势相悖。如何解释这一现象？深成侵入岩为显晶质,自形—半自形粒状结构,块状构造,其分类的依据是其矿物成分及相对含量。大别山地区岩浆活动广泛,中生代深成侵入岩广泛出露。岩石类型包括超镁铁质岩类、辉长岩类、闪长岩类、正长岩类、二长岩类和花岗岩类,基本覆盖IUGS推荐的深成侵入岩分类方案中的岩石类型。选取大别山地区中生代深成岩图像开展不同网络结构预训练模型迁移学习对比试验,能够专注于深度学习对矿物成分特征的学习解释,降低构造因素的影响。借助局部可理解的模型解释技术和特征图可视化技术,分别从全连接层分类决策区域可视化和卷积隐层可视化两方面对深度学习模型开展可解释性研究。结果表明简单网络结构的卷积神经网络能够提取不同矿物所表现出的颜色特征以及不同矿物组合所表现出的纹理特征。AlexNet模型的削减试验进一步证明：对于岩石图像深度学习,网络结构并不总是越深越好。     

人工神经网络在煤层宏观结构解释中的应用

煤层中的宏观结构变化是我国众多煤田中普遍存在的地质现象,它对煤矿生产影响极大,是当前煤矿生产中急需解决的地质构造问题,利用工人神经网络可以解释煤层的分叉,合并及缺失等宏观结构问题,为矿井的采,掘工作的提供准确的地质资料。     

相邻方挤占通道和宅基地怎么办

编辑同志： 近年来在我们这里,挤占通道和宅基地的现象特别严重,我家的宅基地与外边的通道已经被相邻的几户人家挤占的只能单人通行了。请问,对这种情况应当如何处理？     

中国西部地区门源—平凉—渭南地震测深剖面资料的分析解释

本文所处理的地震测深剖面资料,是一条途经陕、甘、宁、青四省,由7个炮点和12个记录分支组成的、全长约970km的地壳折射资料。 本文通过走时反演、射线追踪和合成地震图等分析解释手段,给出各分支的结构参数和全测线的横向变化。整个地壳大体分四层,其参数为 H1=3.32±1.01 km,V1=4.35±0.79 km; H2=11.79±2.77 km,V2=6.06±0.24 km; H3=11.58±4.32 km,V3=6.35±0.26 km; H4=17.64±7.25 km,V4=6.52±0.57 km. 地壳总厚度为45.60±11.01km.莫氏面自西向东逐渐变浅,在西段较为平缓,在中段和东段起伏较大,似乎显示出一个上端略宽、下端略窄的“U”形构造.这种构造有助于说明该区的大地构造特点和地震孕育的深部条件.     

二维地震在延边凉水煤田勘查中的应用

二维地震勘探比较广泛应用于平原、丘陵等地区,但在地形比较复杂的山区应用比较少。延边凉水煤矿接替区位于吉林省长白山区,该区山高林密,地表施工条件较差,以往勘查资料较少。利用二维地震勘探方法查明了落差较大的断层和勘查区主要煤层的隐伏露头位置,确定煤层的赋存范围和构造形态,取得了一定的成果。     

青海德尔尼铜钴矿外围综合物探方法应用研究

在分析德尔尼矿区试验剖面的基础上,论述了综合物探方法在调查外围隐伏矿体中的应用。激电扫面可快捷有效圈定异常范围,瞬变电磁法、可控源音频大地电磁法可快速判定异常体的位置、深度、倾向。多种方法相互佐证,结合地质资料排除干扰,可有效降低多解性,为下一步地质重点工程提供资料依据。实践表明,研究成果与钻孔资料、已知矿体基本吻合,在此基础上对德尔尼东、西两区提出了后期工作的重点目标靶区,表明在本区利用这些物探方法来寻找以低阻异常为特征的铜钴矿体是行之有效的。     

关于矿产资源开发利用监督管理的思考

《辞海》中对监督的解释,“监：监视;督察。监督：监察督促。督：观察;察看。”对矿产资源开发利用进行监督管理是国土资源管理部门的重要职责。加强矿产资源开发利用监督管理是维护正常的矿产资源开发秩序的重要手段,已经作为我省提升矿产开发管理水平的重要内容之一。近期,笔者就矿产资源开发利用监督管理有哪些主要内容,矿产资源开发利用监督管理有哪些主要制度,     

北京市出租车OD流多尺度空间预测深度重力模型及其可解释性研究

准确预测城市内部OD流对于优化城市交通运行效率、提高资源利用率以及促进城市可持续性发展具有重要作用。现有研究大多基于单一尺度利用地理位置之间大量的历史流量来预测未来的流量,尚未有研究充分探究不同空间尺度下OD流预测可能存在的重要特征或建模精度差异等问题。本研究以北京市出租车轨迹为例,采用深度重力模型（Deep Gravity）对不同空间尺度下的轨迹OD流进行预测。同时,引入SHAP值（SHapley Additive exPlanations）揭示不同尺度下影响OD流预测建模的重要特征。结果表明：(1)相比于重力模型和辐射模型,街道尺度下深度重力模型的OD流预测精度最高（CPC值高达0.83）,且成功捕捉到了北京市早晚高峰时段的OD流网络整体结构,呈现出“环形散射状”特征;(2)在本研究所选各空间尺度下,对OD流预测精度影响最大的4个特征均为O、D点之间的出行距离,O、D点周围公司企业数量、餐饮服务数量以及购物服务数量;(3)同一特征对OD流预测模型的局部影响不同于全局,如科教文化和体育休闲类POI在全局尺度下对模型影响较小,但在局部尺度下却表现出极大的影响。