安徽马头斑岩型钼铜矿异常结构研究

利用元素质量平衡计算方法,将元素含量转换成迁移量,直观展现出由元素迁移量构成的原生异常,根据异常的空间分布规律,总结出了由成矿地球化学环境指示元素(Na2O、Ba、Sr)负异常、矿化剂元素(S)正异常、成矿元素(Mo、Cu)及其伴生元素(Ag、As、Sb、W等)正异常构成的马头斑岩型钼铜矿原生异常结构,利用原生异常结构可以对深部成矿前景进行判断和评价;地表岩石(屑)测量结果表明研究区地表同样存在异常结构,且对原生异常结构有很好的继承性,利用地表异常结构可以指明找矿方向、成矿有利地段和矿床产出位置。上述研究成果的取得,不仅丰富和充实了地球化学勘查方法技术,为其他同类型矿床的地球化学勘查提供了参考案例,同时对勘查地球化学应用基础理论而言也是有益的尝试。     

双重介质中核素迁移模型的解析解及其应用

给出了具有单裂隙的双重介质中，裂隙一端有分时注入源情形下的迁移模型的解析解及一些简化条件下的解析解，并利用解析解研究了核素在双重介质中的迁移问题。     

再悬浮条件下沉积物内源磷迁移-转化机制研究进展

对沉积物再悬浮的驱动力及其耦合效应、再悬浮-内源磷迁移转化机制及主要影响因素进行了阐述,探讨了该领域未来可能的研究方向。相关研究发现,沉积物再悬浮的各种驱动力既可以单独作用也可相互耦合,其耦合效应具有显著的时空变异性;再悬浮使还原态沉积物暴露于有氧环境,沉积物中铁、锰的氧化以及沉积物颗粒的吸附促进了内源水溶态无机磷(SRP)的去除,而进入水体的内源有机磷则通过生物矿化和光化学分解转化为SRP;沉积物物化特征、水动力、水生生物以及水体理化性质等因素控制着再悬浮过程中内源磷的迁移和转化。指出再悬浮条件下沉积物内源磷迁移转化的多过程耦合效应、沉积物中磷形态的转化及其生物有效性、内源有机磷矿化与光化学分解机制及其调控因素将是本领域需要进一步研究的重点。     

学习十八大精神心得体会

当前全省上下正在认真学习、深刻领会、深入贯彻党的十八大精神。党的十八大是在我国全面建成小康社会取得决定性阶段召开的一次重要会议。学习宣传好、贯彻落实好党的十八大精神是当前和今后一个时期摆在全省国土资源系统一项首要政治任务,我们要按照厅党组的统一部署,把思想和行动统一到党的十八大精神上来,以十八大精神统领我省矿产开发管理各项工作,围绕全面建成小康社会、全面推进改革开放的总目标。以更高的站位,更宽的视野,进一步理清工作思路,不断开创我省矿产开发管理工作新局面。     

基于多方向自适应感知网络的高光谱遥感图像分类

高光谱遥感能够同步获取目标场景的光谱数据和空间图像,满足对目标物体成分组成和形貌特征的探测需求,已被广泛应用于精准农业、地质勘察、环境监测和生物医学等领域。近几年,得益于优秀的空谱信息表征能力,基于卷积神经网络的高光谱图像分类方法取得了优于传统方法的分类精度。然而,基于一定规则和固定方形窗口的卷积运算无法满足不同对象、不同分布的空谱特征提取需求,当像素位于类别边缘时该模式无法避免其他类别的无关信息,导致类别间的信息扩散以及跨类别像素的误分和错分。针对上述问题,本文提出了一种基于多方向自适应感知的高光谱图像空谱联合分类方法,并通过联合不同邻域范围的空谱上下文信息来改善模型的局部空谱建模能力。具体研究过程如下：首先,将常规卷积网络的全窗口滤波器拆分为不同方向的半窗滤波器,从而设计出侧窗卷积以捕捉具有方向性的空谱特征;然后,在此基础上进一步将不同方向的侧窗滤波核整合到统一的卷积架构中构造空谱分离多方向卷积,并设计方向自适应感知模块,以密集连接构建基于高光谱图像的多方向自适应感知分类网络,赋予模型自适应学习多种空谱结构特征的能力,弥补常规卷积和侧窗卷积只能建模单一方向空谱关系的不足,提升模型对...     

基于深度学习的城市酒店双因素体验特征及其差异机制分析

当前“双循环”新发展格局下,酒店业迎来发展新机遇。本研究选取夫子庙（历史人文街区）和新街口（城市商业中心）2个环境差异明显的地区作为案例地,以携程旅行网上12家酒店文本作为数据来源,建构CNN-BiLSTM-ATT相结合的深度学习模型,探究游客酒店双因素体验特征,并对其差异机制进行分析。结果表明：(1) CNN-BiLSTM-ATT相结合的深度学习方法为酒店体验研究提供了一个系统的理论框架,可以深入挖掘游客酒店体验特征及其差异机制;(2)不同环境差异下的游客酒店双因素体验具有较大差异。游客夫子庙酒店激励体验涉及区位地标、餐饮体验等要素;游客新街口酒店激励体验涉及娱乐体验、酒店氛围等要素。游客夫子庙酒店保健体验涉及停车设施、客房面积等要素;游客新街口酒店保健体验涉及电梯设施、停车设施等要素;(3)游客酒店双因素体验机制存在差异。游客酒店激励体验多与区位地标、娱乐体验等外部要素有关,保健体验多与客房面积、客房隔音等内部要素有关。本研究拓展了深度学习在游客体验研究中的应用,为酒店韧性建设与高质量发展提供参考。     

天山地震带强震活动特征

利用周边国家天山地震目录、中国天山地震目录及USGS地震目录,对天山地震带强震活动的时、空分布特征进行了分析讨论。结果表明,在研究时段内,天山地震带的强震在空间分布上有西强东弱、西密东疏且在40°〈φN〈42°范围出现强震的空白区并存在特殊的易发震地区。强震在南、北天山之间有往复迁移的特征,并在迁移的过程中有单发-双发-群发,但未出现过单发迁移后出现群发的过程。在时间分布上有较明显的周期特征及南、北天山交替发生的特征。在强度上,7级以上地震主要沿天山构造带分布,而6级地震不但有沿天山分布的还有沿斜切天山带的次级构造分布的,且6级以上地震出现高频地区,集中在东经77°±1°的天山地区。     

结合注意力机制的卫星遥感影像立体匹配

采用立体匹配技术对多视卫星遥感影像进行三维场景重建一直是摄影测量与遥感领域的核心问题。基于卷积神经网络的深度学习方法极大地促进了立体匹配技术的发展,然而其中涉及匹配困难和误匹配问题的相关研究仍然不足。为了提升卫星遥感影像不适定区域中视差估计的精度,本研究提出了一种结合注意力机制的立体匹配深度学习网络,在特征提取模块中加入注意力机制,分别从通道和空间两个维度捕获全局信息,对特征进行优化;在代价体的构建模块中构建新的代价体积,并重新设置视差的回归范围。为了验证本文方法的有效性,在US3D、WHU-Stereo两个数据集上分别与已有方法 Stereo-Net、PSM-Net进行了比较分析。结果表明,本文方法在EPE(endpointerror)和D₁两个指标上均能达到最优,取得了较好的性能,提高了立体匹配的精度,尤其在无纹理、重复纹理、遮挡及视差不连续区域表现出良好的鲁棒性。     

基于LSTM与Transformer的地面沉降智能预测方法研究——以上海市为例

受地面沉降严重威胁到生命财产安全的人口已达19%,开展地面沉降模拟预测对防灾减灾具有非常重要的现实意义。针对现有地面沉降预测在模型参数难以获取、单一深度学习方法在预测精度低等方面的局限性,本文提出了集成大模型核心技术的地面沉降预测方法。首先,从地面沉降模拟预测的顶层设计,提出了基于深度学习的地面沉降预测包括算力层、数据层、模型层、评估层与应用层的总体架构;其次,基于LSTM与Transformer提出了地面沉降预测的实用方法;最后,利用上海的地面沉降数据进行了实验研究。结果表明：深度学习技术可以在地面沉降模拟预测中取得较好的结果,多模型法对地面沉降变化不大、回弹、变化较大均可进行预测,iTransformer模型对地面沉降变化较小的情况预测效果较好;在微量地面沉降时代,利用大模型的核心技术Transformer可以取得较高的精度。     

地理课堂教学中的问题设计

一、充分挖掘教材进行问题设计,突出学生的主体地位 例如在讲授我国的季风气候时,若照本宣科、书云亦云,无论教师讲解、论述得多严密,学生往往会感到学习的枯燥无味,难以引起学生思维上的共鸣,更无法突出学生“向着体验学习、发现学习和自主学习的方向转变”。在实际教学过程中,针对季风气候的成因提出以下几个问题：