大陆深部地壳物质成分识别方法综述

本文系统总结了大陆深部地壳物质成分识别研究方法和元素丰度合理性检验的方法,以期为大陆深部地壳物质成分探测提供技术方法体系。深部地壳物质成分识别的主要方法有:①因构造运动抬升出露到地表的中下地壳剖面;②地表出露的高级变质地体;③产于火山岩中的深部地壳捕掳体,如麻粒岩捕掳体;④地球物理测深资料与深部岩石物理性质的高温高压实验测定结果之间的拟合和⑤壳源岩浆岩源区地球化学示踪。元素丰度合理性检验的方法主要有地表热流和元素比值法。     

深层卤水自喷钻井若干特征的分析

本文以四川盆地中部的L_1井为例,讨论深层卤水自喷钻井卤水产出特征、水文地球化学特征和开采动态特征,并对钻井的测试资料进行分析,预测该钻井的卤水可采资源量。     

麻城1932年6．0级地震区地球物理场与深部环境研究

研究了麻城地区重、磁异常场特征，经反演计算获得了深部结构特征。对重力布格异常利用Ｐａｒｋｅｒ－Ｏｌｄｅｎｂｕｒｇ快速位场反演方法计算出莫霍面的展布，对航磁异常利用对数功率谱法和矩谱法计算出居里面深度。在此基础上，探讨该震区深部蕴震条件。主要结论是：①麻城－团凤断裂带为该区切割较深的主要控震构造；②１９３２年麻城６．０级地震发生在区域重力异常等值线梯度最大处，磁力异常区两局部正异常间的低值带，莫霍面及居里面隆起区边缘；③发震部位有其特定的深部蕴震构造及应力蕴震条件。     

中下扬子地区的壳幔结构及其与地震相关性的研究

针对中下扬子地区人口稠密、经济建设蓬勃发展、而其地壳构造十分复杂、天然地震比较活跃的现实情况，以实测的地球物理资料与卫星重力异常等相结合，分析了该地区地壳构造和上地幔深部构造的基本特征，指出该地区中强震的形成和发生既有可能与地壳层中存在的低速带和高导层有关，还可能与更深部上地幔内部构造的背景因素有关。文中还提出了一些值得进一步探讨的问题。     

路堤下粉喷桩复合地基的设计方法探讨

通过有限元计算,讨论了采用粉喷桩处理饱和黄土与淤泥质土所形成的复合地基,在柔性基础作用下,基础刚度及复合地基中的桩体对复合地基承载力的影响。结果表明：减小基础刚度有利于桩间土体承载力的发挥;桩体对饱和黄土承载力的影响程度大于对淤泥质土体承载力的影响程度。最后依据实测及有限元分析结果,在原有刚性基础下粉喷桩复合地基承载力计算公式的基础上,增加了基础刚度影响系数与桩间土体承载力提高系数,给出了各影响系数的建议取值范围,并在实际工程中得到了成功应用。     

基于Item2Vec负采样优化的专题地图产品个性化推荐方法研究

建立适用于专题地图产品检索的用户偏好推荐模型是提高专题地图质量的有效方式之一,在专题地图产品推荐场景中,存在严重的内容冷启动和评论数据稀疏问题,现有的推荐算法无法为特定类用户推荐不同特征的专题地图产品,导致用户从专题地图中获取偏好信息受到限制。因此,本文构建基于负采样的连续词袋模型和基于Word2Vec的Item2Vec相结合的用户偏好推荐方法,用于专题地图产品推荐。① 计算用户行为日志文件中交互行为数据的隐性评分,以代替专题地图推荐信息流场景中稀疏的用户评论数据;② 基于负采样的连续词袋模型提取目标专题地图的前后地图序列感知特征信息,通过控制正负样本比例为1:2,提升目标专题地图潜在评分的预测精度;③ 通过Item2Vec将带有用户行为特征信息的专题地图映射到向量空间,计算用户对专题地图的相似度矩阵,根据用户偏好程度完成推荐。在构建的专题地图评分实验数据集Thematic CMaps和4个公开验证数据集MovieLens上的测试结果表明:与LFM、Personal Rank、Content Based和SVD 4种传统推荐算法相比,本文所提方法可有效提高潜在评分的预测精度,推荐性能最高达到27.85%;与以霍夫曼采样方式的Item2Vec基础方法和YouTubeNet 2种神经网络推荐算法相比,评分预测精度有一定提高,且推荐性能不断提升,最高达到2.97%和5.78%。以经典算法奇异值分解（SVD）为例,将MovieLens-20M数据集切分后,在数据量不断增大的数据子集中,本文所用方法的评分预测精度和性能均优于SVD方法。     

克拉通岩石圈地幔的形成与破坏:大洋板块俯冲的贡献

克拉通是地球上最古老的大陆地块.克拉通之所以能够长期稳定存在,主要是因为它具有巨厚、刚性的岩石圈地幔.古老克拉通岩石圈地幔具有高度难熔(富Mg、贫Fe)的特点,其密度较下伏软流圈小,能够"漂浮"在软流圈之上而长期存在.古老克拉通岩石圈地幔是在地球早期壳幔分异之后形成的,其形成可能与大洋板块的俯冲作用密切相关.典型的克拉...     

面向高分遥感影像道路提取的轻量级双注意力和特征补偿残差网络模型

针对高分辨率遥感影像背景复杂,道路提取容易受阴影、建筑物和铁路等背景信息干扰的问题,提出一种带有轻量级双注意力和特征补偿机制的DAFCResUnet模型。该模型在ResUnet的基础上,通过增加轻量级的双注意力和特征补偿模块实现模型在性能和时空复杂度上的平衡。其中,双注意力模块可以增强模型的特征提取能力,特征补偿模块可以融合网络中来自深浅层的道路特征。在DeepGlobe和GF-2道路数据集上的实验结果表明,DAFCResUnet模型的IoU和F1-score可以达到0.6713、0.8033和0.7402、0.8507,模型的整体精度优于U-Net、ResUnet和VNet模型。与U-Net和ResUnet模型相比,DAFCResUnet模型仅增加了少量的计算量和参数量,但IoU和F1-score均有较大幅度的提高;与VNet模型相比,DAFCResUnet模型在计算量和参数量远低于VNet的情况下取得了更高的精度,模型在精度和时空复杂度两方面均有优势。相比其他对比模型,DAFCResUnet模型具有更强的特征提取和抗干扰能力,能更好解决道路上的干扰物、与道路特征相似地物、树荫或阴影...     

基于软件接收机的BDS/MEMS IMU深组合导航性能分析

针对BDS/MEMS IMU深组合导航全物理实验难度较大的问题,提出一种基于软件接收机的BDS/MEMS深组合导航系统仿真分析方法。给出BDS软件接收机结构,介绍深组合导航系统结构设计及滤波算法,最后基于仿真数据进行验证。结果表明,在高动态条件下,就BDS/MEMS IMU导航系统而言,其深组合的导航精度较紧组合有较大提高,位置误差小于1 m,速度误差小于0.01 m/s。