音频大地电磁测深在齐大山铁矿王家堡子采区深部找矿中的应用

鞍山齐大山铁矿王家堡子采区产出鞍山式沉积变质型铁矿,铁矿石多以磁铁贫矿为主,局部产出富铁矿,目前钻探工程控制标高为-600 m,采区深部的资源潜力是急待解决的问题,为此对采区进行音频大地电磁测量和研究工作。齐大山铁矿的电性变化复杂,通过先期的实验剖面确定了矿区铁矿体的3种不同电阻率特征,然后对王家堡子采区的3760线、4050线、4500线进行音频大地电磁测量、数据处理和断面反演分析。推测3760线的低阻由磁铁贫矿引起,局部高阻为假象赤铁贫矿引起;推测4050线和4500线浅部的低阻由磁铁贫矿引起,深部的高阻为假象赤铁贫矿及磁铁贫矿引起。同时预测3760线、4050线和4500线西侧深部均有低电阻率显示,反映出隐伏铁矿床的存在特征,推测在-1 000 m标高以下仍存在有隐伏的富矿体或板状磁铁贫矿。经过钻探验证,获得了预期的找矿效果。     

A location-aware GIServices quality prediction model via collaborative filtering

The quality of GIServices (QoGIS) is an important consideration for services sharing and interoperation. However, QoGIS is a complex concept and difficult to be evaluated reasonably. Most of the current studies have focused on static and non-scalable evaluation methods but have ignored location sensitivity subsequently resulting in the inaccurate QoGIS values. For intensive geodata and computation, GIServices are more sensitive to the location factor than general services. This paper proposes a location-aware GIServices quality prediction model via collaborative filtering (LAGCF). The model uses a mixed CF method based on time zone feature from the perspectives of both user and GIServices. Time zone is taken as the location factor and mapped into the prediction process. A time zone-adjusted Pearson correlation coefficient algorithm was designed to measure the similarity between the GIServices and the target, helping to identify highly similar GIServices. By adopting a coefficient of confidence in the final generation phase, the value of the QoGIS most similar to the target services will play a dominant role in the comprehensive result. Two series of experiments on large-scale QoGIS data were implemented to verify the effectivity of LAGCF. The results showed that LAGCF can improve the accuracy of QoGIS prediction significantly.     

广东省仁化县书楼丘铀矿床三维地质建模及成矿预测

综合地质、地球化学等资料进行多元信息成矿预测是目前深部固体矿产主要工作方法。广东仁化县书楼丘铀矿床位于诸广南铀矿田北部,是诸广南铀矿田重要的组成之一。本次为了拓宽书楼丘矿床深部找矿思路,探讨其找矿潜力,在前人研究和勘探基础上,总结了矿床综合信息找矿模型,以三维定量预测研究理论基础,根据矿床成矿条件和找矿标志特征,提取地质、化探、钻探资料的成矿有利信息,并利用COCAD软件构建了地形-地表、岩体、构造、矿体等地质模型,对信息进行综合成矿有利分析,运用信息量法进行研究区深部矿产资源预测,共圈定了3片靶区。     

210Po法在粤北青障山地区花岗岩型铀矿找矿中的应用研究

为扩大粤北花岗岩型铀矿找矿成果,以青嶂山矿集区1:5万210Po测量数据为依据,研究了210Po法在粤北花岗岩型铀矿找矿中的异常特征及应用效果。结合研究区地质特征,应用趋势面分析等数理统计方法对数据进行处理,结果表明:趋势面分析消除了不同铀含量的地质背景对提取210Po异常的影响;210Po法与地面伽马能谱、氡气测量、 AMT组合应用对寻找花岗岩区深部隐伏矿体具有良好的效果,多种测量方法均出现峰值的部位,为含矿构造带或铀矿体产出部位;经钻探工程验证,在210Po法及相关方法异常区揭露到铀矿工业矿段,210Po法在粤北花岗岩型铀矿勘查中具有较大的指导意义。     

基于优化经验模态分解和聚类分析的滑坡位移智能预测研究

针对三峡库区"阶跃式"滑坡的变形特征,提出了一种新的滑坡位移预测方法。以白水河滑坡ZG118和XD-01监测点位移数据为例,采用基于软筛分停止准则的经验模态分解(SSSC-EMD)将累计位移-时间曲线和影响因子时间序列自适应地分解为多个固有模态函数(IMF),并采用K均值(K-Means)聚类法对其进行聚类累加,得到有物理含义的位移分量(趋势性位移、周期性位移以及随机性位移)和影响因子分量(高频影响因子和低频影响因子)。使用最小二乘法对趋势性位移进行拟合预测;采用果蝇优化-最小二乘支持向量机(FOA-LSSVM)模型对周期性位移和随机性位移进行预测。将各位移分量预测值进行叠加处理,实现滑坡累计位移的预测。研究结果表明,所提出的(SSSC-EMD)-K-Means-(FOA-LSSVM)模型能够预测"阶跃式"滑坡的位移变化规律,且预测精度高于传统的支持向量机回归(SVR)、最小二乘支持向量机(LSSVM)模型;并通过改变训练集长度,进行单因素分析,发现其与预测精度之间呈正相关关系。     

黑龙江省浅覆盖区地物化特征与找矿标志——以黑河市340高地金矿化区为例

黑龙江省黑河市340高地金矿点大地构造上位于兴安地块东北缘,多宝山Cu-Au-Mo-W-Fe成矿亚带内,其地貌为浅覆盖区,找矿较为困难。本文采用浅钻技术取样,对研究区进行基岩填图,圈定出以硅化为中心、青磐岩化为外围的蚀变矿化带。对基岩样品进行岩石地球化学分析,通过主成分分析,确定有6个主成分特征值大于1,其中第二主成分与金元素关系密切,是研究区有效的找矿标志。高精度磁测结果显示区内构造以NNW向为主,且其线性低值异常或与蚀变引起的退磁有关。对区内的地物化异常进行工程查证,发现金矿点1处,圈定预测靶区1处。     

四川会理拉拉铜矿找矿预测模型构建与找矿示范

勘查区找矿预测理论与方法体系是基于全国129个典型矿床的深入研究,以及在勘查项目实践验证基础上总结而形成的一种特别适合生产找矿第一线使用的有效方法。该方法以成矿作用内因(元素的地球化学特征)和外因(地质作用类型)相结合的思路,构建以成矿地质体、成矿构造与成矿结构面和成矿作用特征标志为主要内容的找矿预测地质模型。四川会理地区位于扬子板块西缘,区域成矿地质条件优越,经历多期构造事件叠加,形成了一系列独具特色的铁铜矿床。近年来,在拉拉铜矿的深部及外围已取得了重大找矿突破和进展。本文以会理拉拉铜矿为典型实例及深部找矿预测成果示范,阐述该方法在深部找矿预测中的具体应用过程,得出了如下认识:早期成矿地质体为赋矿火山岩(河口群钠长岩类),成矿构造与成矿结构面主要为基(中)性火山岩与沉积岩的界面及可能的喷溢口;热液叠加期成矿地质体推测为深部隐伏岩体,成矿构造与成矿结构面主要为褶皱、断裂和裂隙。在总结成矿作用特征标志基础上,建立了拉拉铜矿勘查区找矿预测地质模型。通过与地质和物探方法相结合,圈定红泥坡南部为找矿靶区,经钻探验证,发现厚大矿体,打开了区域找矿空间。     

Brittleness index predictions from Lower Barnett Shale well-log data applying an optimized data matching algorithm at various sampling densities

The capability of accurately predicting mineralogical brittleness index(BI)from basic suites of well logs is desir-able as it provides a useful indicator of the fracability of tight formations.Measuring mineralogical components in rocks is expensive and time consuming.However,the basic well log curves are not well correlated with BI so correlation-based,machine-learning methods are not able to derive highly accurate BI predictions using such data.A correlation-free,optimized data-matching algorithm is configured to predict BI on a supervised basis from well log and core data available from two published wells in the Lower Barnett Shale Formation(Texas).This transparent open box(TOB)algorithm matches data records by calculating the sum of squared errors be-tween their variables and selecting the best matches as those with the minimum squared errors.It then applies optimizers to adjust weights applied to individual variable errors to minimize the root mean square error(RMSE)between calculated and predicted(BI).The prediction accuracy achieved by TOB using just five well logs(Gr,pb,Ns,Rs,Dt)to predict BI is dependent on the density of data records sampled.At a sampling density of about one sample per 0.5 ft BI is predicted with RMSE～0.056 and R2～0.790.At a sampling density of about one sample per 0.1 ft BI is predicted with RMSE～0.008 and R2～0.995.Adding a stratigraphic height index as an additional(sixth)input variable method improves BI prediction accuracy to RMSE～0.003 and R2～0.999 for the two wells with only 1 record in 10,000 yielding a BI prediction error of＞±0.1.The model has the potential to be applied in an unsupervised basis to predict BI from basic well log data in surrounding wells lacking mineralogical measure-ments but with similar lithofacies and burial histories.The method could also be extended to predict elastic rock properties in and seismic attributes from wells and seismic data to improve the precision of brittleness index and fracability mapping spatially.     

基于数值预报模式的乡镇温度预报方法研究

利用2015年8月至2017年7月长兴岛站和交流岛站日最高气温、日最低气温实况资料,对ECMWF细网格2 m温度预报值和日本FSFE02(24 h地面形势场预报)、FSFE03(36 h地面形势场预报)进行了检验。结果表明:根据历史回归统计检验,ECMWF细网格模式24 h的2 m最高气温、最低气温预报效果显著,通过了0. 05信度显著性检验。对各月做相关分析,相关性均较好。利用前一日ECMWF细网格2 m温度预报值与长兴岛站实况差值,根据统计的ECMWF细网格2 m温度预报订正值,做出长兴岛站未来24 h的气温预报。交流岛站温度预报是在长兴岛站温度预报的基础上订正做出,经统计分析,交流岛站和长兴岛站的气温差值与地面形势场和风场有较好的对应关系,根据不同类型的地面形势场和风场订正值,做出交流岛站的温度预报。应用Matlab计算机语言的开发功能,提取ECMWF细网格2 m温度预报的最高、最低气温值,并录入当日长兴岛站和交流岛站最高、最低气温实况值,自动预报各站未来24 h最高气温、最低气温。创建可视化预报工作界面,实现乡镇温度预报自动化。     

GRAPES全球集合预报系统模式扰动随机动能补偿方案初步探究

为了体现次网格尺度能量升尺度转换过程中存在的不确定性, 文中将随机动能补偿(Stochastic Kinetic Energy Backscatter, SKEB)方案应用于GRAPES(Global/Regional Assimilation and Prediction System)全球集合预报系统(GRAPES-GEPS), 以更好地表征模式误差并且增大集合离散度。使用的SKEB方案基于具有一定时、空相关特征的随机型以及由数值扩散导致的局地动能耗散率来构造随机流函数强迫。并根据流函数与水平风速旋转分量的关系, 将SKEB方案中的流函数强迫转化为适用于GRAPES全球模式的水平风速扰动。结果表明, SKEB方案的使用一方面能够提高GRAPES对大气动能谱的模拟能力; 另一方面能够改善GRAPES-GEPS的集合离散度与集合平均误差的关系, 增加了集合离散度, 并在一定程度上减小了集合平均误差, 尤其是在热带地区这种改进更为显著。而且该方案使得热带地区连续分级概率评分(CRPS评分)显著减小。就降水预报而言, 从Brier评分与相对作用特征面积(AROC, Area under the Relative Operating Characteristics)的结果来看, SKEB方案有助于改善中国地区小雨[0.1 mm, 10 mm)、中雨[10 mm, 25 mm)与大雨[25 mm, 50 mm)量级降水的概率预报技巧, 而对暴雨[50 mm, ∞)量级降水预报技巧影响很小(24 h降水量)。总体上, 模式扰动随机动能补偿方案提高了GRAPES-GEPS的概率预报技巧。