华北北部场源前兆观测资料分析(一)──场源前兆特征与机制

1976年唐山地震前，在距震源很远的地区内都观测到一些前兆趋势变化，如重力、重力位二次徽商W△、水氧、地电阻率、水位和油井出油量等变化。作者认为这些变化不是由震源体直接引起的，而是在区域应力场的作用下，在某些活动断层附近，浅层岩，尤其是含水砂岩层和含油层受挤压出现的一些与地震有关的异常现象。其特征是：（1）异常范围大，可能在距震源很远的地方发生，但就同一种方法的多个观测点来说却又是局部的，即只有其中部分测点才能观测到异常，不少测点观测不到异常。（2）异常发生的时间大致相同。有些异常有同步变化的特征，如同时上升或同时下降。（3）临震前多数异常有恢复的趋势。这些特征与引起异常的机理有关。作者还从理论上计算了这种趋势异常量级，重力变化100×10-6cm／s2左右，重力位二次微商变化（1～2）×10－9／s2，地电阻率变化2％～3％，Rn变化7．4～11．1Bq／L，这样的变化量在活动断层附近的一些台站可能观测到。作者还研究了干旱降雨对某些前兆的影响，其影响量级可以被一些方法观测到，因此在确定是否是地震异常时，必须注意利用综合分析的方法排除干旱降雨的影响，减少异常的多解性。     

苍山5.2级地震的地形变特征及机制

运用新方法对苍山地震前后的形变资料进行了异常识别，重点分析形变异常的变化特征及机制。结果显示；（１）苍山地震是大面积应力积累、调整的结果；（２）以外围区１００－２００ｋｍ中短及短期异常为主，而震中１００ｋｍ内的近源区异常并不显著；（３）进入短期的异常标志是中短期异常出现转折或反向。     

北京顺义4.0级地震板桥井水位异常特征

着重介绍了北京顺义４．０级地震前后板桥井水位的异常特征，并通过对板桥井二次异常的对比分析研究，提出井水位异常时间尺度与震级之间的可能关系。     

湖南东江水库诱发地震

东江水库自蓄水前约半年起就开始进行地震监测，发震后通过密集台网强化观测、震源机制解及地震地质等多项工作，综合研究该库诱发地震发震原因，认为由于库水渗透引起的多种局部性应力调整导致水库诱发地震活动．其发展趋势将表现为逐渐衰减，今后不致于发生破坏性地震．     

华北地区大震前区域地震活动的中短期变化

对发生在华北地区３１个Ｍ≥５地震震前区域地震活动的时间序列进行的研究得出：（１）华北地区发生Ｍ≥５地震前，区域地震活动的短期平静现象与大震发生的相关性很强。３１个Ｍ≥５地震前的平静时间主要集中在２０～８７ｄ，１２０～２１０ｄ和大于２１０ｄ。同时还得出大震前的短期平静时间与震级大小无关的结论；（２）区域地震活动在短时间内出现增强趋势，与发生大震的相关性很弱，相关的仅占总数的６．４％     

燕山地区印支期构造相研究

本文简单回顾了构造相的研究概况，分析了构造相的控制因素；笔者从岩石的能干性出发，提出了地层能干性的新概念，计算了燕山地区前中生代各地层的能干性和印支期变形的温压条件，并对燕山地区印支期构造相进行了系统的划发，建立了印支期的相结构。提出了本区印支期构造相以变流相为主的观点。     

多宝山超大型铜矿床的成矿构造环境

多宝山超大型铜矿床是我国典型的斑岩型矿床，主要产出于多宝山组岛弧建造和花岗闪长岩、花岗闪长斑岩中，成矿年龄为292～283Ma。根据地球物理异常及大量的基性和超基性岩体，以及通过对比两侧的岩石圈结构、古生物、结晶基底、成矿特征和地球化学特征，认为黑河一嫩江是一条重要的构造边界带，它是兴安和松嫩地块在早石炭世拼合、碰撞、造山隆起形成的。多宝山超大型铜矿床就是形成于两板块碰撞后隆起抬升构造环境的斑岩型铜矿床。     

我国黄铁矿矿床类型、分布规律及前景评估

中国黄铁矿资源丰富，按元素和矿物组合的不同，其矿床类型可分为：黄铁矿矿床；黄铁矿型铜矿床；含锌、铜黄铁矿型矿床；黄铁矿型多金属矿床；含钨黄铁矿型铜矿床；含锡黄铁矿型矿床；含金黄铁矿型矿床。最主要的成因类型是海底喷气沉积矿床，它广泛分布于不同时期的造山带及早前寒武纪克拉通。黄铁矿形成的构造环境可分为５种，即：边缘浅海或优地槽环境；上叠的断裂坳陷带；洋中脊；岛弧地带；陆相火山盆地。     

略阳─石泉边界地质体特征

略阳─石泉构造带是一板块缝合带，经历了长期复杂的演化历史。现由不同时期、不同构造体制下的断裂构造系统，裹挟不同构造演化阶段的各类建造─蛇绿混杂岩、陆缘楔状体，岛孤岩浆岩及外来岩块等，共同组成了分隔秦岭、扬子地块的一个特殊边界地质体。     

Neural dynamic modelling on earthquake magnitude series

Earthquake magnitude prediction is of vital importance for human safety. The earthquake is a very complicated and non-linear dynamic process. It cannot be described adequately by any deterministic models. In this paper a neural dynamic modelling for earthquake magnitude prediction is reported. Historical records of earthquake magnitude series are used to construct the optimal non-linear dynamic model, and the consequent outcome of the earthquake behaviour is then predicted by this model. In turn, the latest recorded data set can be fed back to improve the accuracy of the neural dynamic model. The modelling of experiments of three earthquake magnitude series in China and Japan and their extrapolated predictions are included in this paper. The values predicted by extrapolation are in good agreement with the historical data.