基于卷积神经网络和火山岩大数据的构造源区判别

早先的构造源区判别图由于受时代、研究区域、研究思路以及研究手段、分析技术和样本数量的限制, 存在某些不足,导致部分学者在研究中遇到各种困惑和矛盾。在大数据的冲击下,部分传统图解的可靠性正在接受考验。本文提出了一种将地球化学数据二维图像化的方法,将GEOROC数据库中来自11个构造环境的火山岩数据生成了34 468张灰度二维码图像。根据深度学习理论和方法构造了卷积神经网络(CNN)模型,利用其中75%的二维码数据进行自动学习和训练。该模型可以对不同来源的火山岩数据进行有效分类,总体分类准确度可达95%以上。该模型具备较好的泛化能力,可以作为日常工具辅助人工进行火山岩样本的构造源区的判别。     

基于人工智能(AI)的地质灾害防控体系建设

近年来,人工智能(AI)技术得到快速发展,并日益融入到经济社会各个领域,成为当代创新发展的新标志,智能防灾减灾将成为未来发展的趋势和研究的热点。在回顾AI发展现状与趋势的基础上,系统梳理出以往地质灾害风险防控的数据依据和传统技术方法,分析了可能采用的潜在AI方法,初步搭建了基于AI的地质灾害风险防控体系建设方案。研究表明,AI技术为地质灾害风险防控提供了新的技术途径,但目前尚无可照搬或可移植的成熟技术或解决方案。智能防灾减灾体系包括早期识别、风险评估、风险防控等3个主要环节,其中最重要的环节是早期识别,传统方法与AI技术融合的关键参数为斜坡失稳概率或泥石流发生概率;根据所依据的数据资料将早期识别方法归纳为图像识别、形变识别、位移识别、内因识别、诱因识别和综合识别等6种方法;提出了从数据层、方法层和应用层3个层次构建基于大数据智能混合优化的地质灾害风险防控平台。认为数据驱动的智能模型与理论驱动的物理模型融合是地质灾害风险防控发展的趋势。     

CDSN台站的大震报警软件

实时监视地震波形和大震报警结合在一起,可以有效地提高工作效率。通过软件实时监视地震事件,台站分析人员既可以真实地看到高灵敏度的地震波形,又可以根据需要压缩放大波形,也可以做任意频段选择和滤波处理,保证了波形连续。对于大地震实施软件报警,使得台站可以根据本台的背景噪声,适当地选择报警幅度,既可避免过多的小震报警,又可以减少盲目、频繁地操作调用查看波形。适合台站工作,为台站人员提供了方便。     

GMS-100型高精度脉动拾振器设计

介绍了新研制的便携式高精度脉动拾振器的技术性能,工作原理和理论计算,分析讨论了仪器的特点,给出了技术指标实测结果和获取地脉动记录时程曲线。     

沽源超级环形构造与中生代成矿大爆发

由火山喷发、岩浆侵入或陨石撞击作用所形成的环形构造,是地球物质活化迁移的重要场所,对区域成矿过程具有极大的制约意义。在河北省西北部坝上地区,围绕沽源县城一带,早白垩世岩浆岩、布格重力异常及水系沉积物地球化学异常均呈现明显的多级环带分布。这种现象并非尚义-崇礼-赤城深大断裂与乌龙沟-上黄旗岩浆岩带的简单复合叠置,而是以沽源为中心的火山机构的具体表现。该环形构造至少可划分为三个岩浆岩环带,分布着早白垩世（K—Ar100～123Ma）安山质火山-沉积岩和燕山旋回第四期（K—Ar100～138Ma）次粗面岩、次安山岩、二长斑岩、石英正长斑岩等浅成超浅成侵入岩体或岩株,它们的银、铅、锌、镉、铀、钍、钼、砷、锑等元素显著活化和富集。该环形构造控制着蔡家营铅锌矿、张麻井铀钼矿、彭家沟银矿、青羊沟铅锌矿、牛圈银金矿及北岔沟门铅锌银矿的时空定位。若干迹象表明,沽源环形构造可能是白垩纪时期一次陨击事件（因火星和木星之间两颗小行星的碰撞）的结果,这也许是中生代成矿大爆炸的根本诱发机制。     

成矿信息精细化研究的意义及有效途径

成矿信息精细化研究是针对"现阶段矿产地质工作中过度依赖现代高端实验测试技术方法、过分追求利用有限的高精测试数据构建矿床模型,忽略了对更多成矿信息的精细化研究,难以直接指导探矿工程布置"的问题而提出的。成矿信息精细化研究突出研究成矿要素在有限时空尺度上的变化细节,尽可能利用勘查区内地质、物探、化探、遥感等资料,通过研究成矿信息的空间特征和变化趋势,还原成矿过程的细节。其四大研究特征是:重视大数据统计规律、重视多角度提取信息、重视研究勘查区尺度上地质信息的变化特征和重视研究成矿事件发生时的成矿过程细节。其五大研究要点是:识别控矿因素,分析矿床成因,研究矿质迁移富集机理,总结控矿因素在不同时、空尺度的变化规律,以及详细恢复成矿过程。研究路径是:对控矿因素进行专项深化研究、对实验室微观信息规律进行深入研究和对物化遥资料进行深入分析,为精细化研究提供更多信息。     

全球矿床数据库建设现状、应用与展望

基于大数据和人工智能技术的数据驱动科学范式推动地球科学研究发生了变革。作为地球科学的重要分支,现代矿床学经历了百余年的发展,已经积累了海量的数据资料,这些数据的流通和共享是发挥其资源价值的关键。文章介绍了中国“地质云”与全球矿产资源储量动态评估数据库、澳大利亚深部地球探测计划AuScope、美国矿产资源在线空间数据库、国际经济地质学家学会(SEG)Geofacets数据库、美国标准普尔公司SNL Metals&Mining数据库等国际主要矿床数据库的情况;同时,列举了应用大数据思维和人工智能方法在区域成矿规律、矿床成因机制、矿床类型判别、资源潜力评价、战略咨询等方面取得的若干重要进展。文章提出,未来在深时数字地球国际大科学计划的平台下,整合全球海量矿床数据,建设开放、共享、统一的矿床大数据平台势在必行。     

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。     

耦合卡尔曼滤波和多层次聚类的中国PM2.5时空分布分析

近年来,细颗粒物污染尤其是PM_2.5受到人们越来越多的关注,研究PM_2.5的时空分布规律也具有越来越重大的意义。传统的遥感反演方法模型复杂,且不能揭示近地表面的PM_2.5分布规律。地面监测站的建设为PM_2.5的研究提供了更实时的观测数据,但由于测量噪声的影响,观测数据存在不准确的极端异常值。为了揭示中国PM_2.5的时空分布特征,本研究采用Kalman滤波对2015年中国338个城市的空气质量监测网络大数据进行最佳估计,并分析其时空特征。同时,根据中国各城市的PM_2.5浓度的时序分布,采用基于DTW的K-Medoids聚类方法将其分为4个等级,并采用q统计量来评估PM_2.5浓度分布的空间分层异质性。结果表明,采用Kalman滤波能有效去除数据噪声,峰值信噪比（PSNR）明显增大。在时空分布上,中国PM_2.5时间分布曲线呈现“U”形,冬季PM_2.5浓度明显高于夏季,且日变化曲线呈现“W”形;秋冬季PM_2.5浓度的空间分层异质性非常显著,且空间分布呈现“双核分布”,重污染区主要分布在华北平原、新疆等地,西藏、广东、云南等地是稳定的空气质量优良区。     

大旋转角空间直角坐标转换改进模型研究

针对大旋转角三维坐标转换模型法方程系数阵病态的问题,提出中心化和自适应缩放相结合的改进模型。结合算例分析,验证了该模型能显著改善法方程系数矩阵病态性,转换参数结果稳定可靠,优于现有模型。