2019年3月28日青海茫崖Ms5.O地震前测震学异常回顾与分析

对2019年3月28日青海茫崖Ms5.0地震前出现的测震学异常进行跟踪分析,发现震前主要以中短期异常为主,其中青海西北地区ML ≥4地震超长平静异常显著,以及茫崖3级震群和显著地震.根据青海西北地区中强地震活动特征,认为其内部中强地震危险性在进一步增强,后续发生5级以上地震的可能性很大,随即发生了本次茫崖Ms5.0地震...     

招平断裂带南段南墅金矿地质特征及成矿远景

南墅金矿床位于胶西北著名金矿成矿带——招平断裂带的南段,南北与下庄、山后金矿相邻,NW向断裂与招平断裂带在矿区北部交会,成矿条件十分优越。近年来青岛地质工程勘察院在该区勘查取得了新进展,在矿床深部新发现一个产状稳定金矿体,最大埋深约700m,探获金矿资源量规模达到中型,沿走向、倾向均未封闭,进一步勘查资源潜力较大。该文详细叙述了矿床地质特征,总结了矿体产出及矿化富集规律,分析了南墅金矿的成矿远景,提出了该区及招平断裂带南段金矿勘查的找矿建议。     

山东省东平—汶上地区铁矿床地质特征及成矿模式

研究区为鲁西地区重要的成矿带——东平—汶上铁矿带,该铁矿带内已探明彭集、张家毛坦、化肥厂等多个大中型铁矿床,说明该成矿带具备优越的成矿地质条件及良好的找矿潜力。通过剖析近年来区内典型矿床的最新勘查成果,从矿床控矿地层、成矿时代、成矿物质来源、矿化阶段、矿体特征及物探异常等8个方面进行系统分析,开展了铁矿成矿规律研究;根据东平—汶上铁矿带的成矿时代、赋矿层位、含铁建造及岩石组合,结合成矿规律的分析,初步建立了"东汶式"铁矿床成矿模式。     

面向海上目标搜索任务的多无人机协同航路优化

提出了一种面向多无人机(unmanned aerial vehicle,UAV)协同搜索海上目标任务的航路优化方法。首先,分析多无人机协同航路优化问题的基本要素模型。然后,在对各UAV独立维护的目标概率图信息进行探测更新的基础上,采用状态预测一致性算法实现目标概率图信息的快速融合。最后,同时考虑局部搜索收益与未来搜索收益,采用分布式模型预测控制(distributed model predictive control,DMPC)方法优化各UAV的搜索航路。仿真结果表明,本研究提出的方法具有较高的搜索效率,可有效应用于海上目标的快速搜索任务,具有重要的应用价值。     

文登南部陆—陆碰撞与流体成矿

本文通过对胶南－文荣碰撞带东段,即文登南部陆－陆碰撞带地质特征研究,探讨了Ａｇ→Ａｕ,Ａｇ→Ａｕ→Ａｕ,Ｐｂ,Ｚｎ→Ａｕ,Ｃｕ这一明显的矿化分带性与碰撞机制的关系,详细研究了碰撞带中石英包裹体特征,尤其是深入研究了石英包裹体中Ｈ２Ｏ和ＣＯ２含量变化特征与碰撞带中挤压构造及伸展构造耦合关系,提出了碰撞驱动流体与成矿的认识。     

吉林夹皮沟金矿床主成矿时代的确定及找矿方向

夹皮沟金矿床主成矿时代一直悬而未决，矿区及外围找矿始终处于排徊阶段。通过构造、岩浆岩、脉岩和标型矿物等综合地质分析，结合４４条脉岩ＫＡｒ年龄的统计和含金石英脉石英流体包裹体ＲｂＳｒ同位素测试等表明，夹皮沟金矿带主成矿时代为燕山期。燕山期正是太平洋板块向欧亚大陆俯冲，造成华北地台东部强烈岩浆活动、深大断裂和环太平洋成矿带形成的最佳期。找矿靶区应重点选定在夹皮沟大砬子深大断裂两侧中生代构造系统和脉岩体附近。     

新疆小热泉子铜(锌)矿床同位素研究

小热泉子矿床是我国最近发现的一个中型富铜( 锌) 矿床,其矿床成因为众多的矿床学家所关注。本文对该矿床中不同类型矿石、矿物的S、O、H、Si 及稀有( 惰性) 气体He、Ar 同位素特征作了较祥细的论述,同时用KAr 法对硫化物的年龄测定进行了初步尝试。该矿床硫化物的δ34S 值为+ 1-5 ‰～+ 11-1 ‰,平均为6-15 ‰(46) ;3 He/4 He( 初始) 值为5 ×10 - 8 ～2-17 ×10 - 6 ,平均为0-64 ×10 - 6(6) ,40 Ar/36Ar 值为305-27     

灰色稳健总体最小二乘估计及高铁路基变形预测

最小二乘估计和部分变量误差模型的总体最小二乘估计不具备抵御粗差的能力。鉴于粗差可能同时出现在灰色白化微分方程的观测值和系数矩阵中,本文提出基于IGGⅢ抗差方案的部分变量总体最小二乘稳健估计。结合仿真数据和高铁路基观测数据,系统地比较稳健最小二乘、部分变量总体最小二乘、本文算法参数估计结果和算法稳定性。结果表明,本文算法预测精度高,可以应用到高铁路基沉降预测中。     

室内用户语义位置预测研究

位置预测技术可以提前预知用户下一时刻的位置,在基于位置的服务（Location-based Service,LBS）领域中发挥着极其重要的作用。现有的位置预测技术大多仅使用用户的地理轨迹,仅使用地理轨迹挖掘出来的用户移动模式易受地理特性的限制缺乏深层次的语义信息。本文基于某商场群体用户的室内轨迹数据和语义信息预测用户下一个时刻语义位置。语义位置预测包括停留区域识别、停留区域语义匹配、语义位置建模。在停留区域识别阶段,为减少室内停留时间不固定对停留区域识别的影响,本研究提出了一种新型的时空凝聚层次聚类算法（Spatial-Temporal Agglomerative Nesting, ST-AGNES),该算法具有思想简单、超参数少、自动生成聚类个数等优点。在语义匹配阶段,引入了吸引度规则,充分利用停留区域所有轨迹点与室内高密度的商铺名称信息做匹配。最后,采用长短型记忆神经网络模型（Long Short-Term Memory,LSTM）挖掘群体用户的语义位置模式并预测用户未来的语义位置,实验预测正确率达到61.3%。