脉岩与脉状金矿：一个简要的评述

在综述了脉岩与热液型脉状金矿关系的基础上，认为中基性脉岩、煌斑岩脉不仅在空间上与脉状金矿相伴生，形成时间祁近，而且在物源和成因上有着密切的关联。脉岩是脉状金矿床成因系列的组成部分。据此提出中基性岩浆在某种动力作用下，诱导上覆花岗质岩石（包括古老变质岩）熔融，并发生混染，在地壳脉动作用下，脉岩与含矿流体多期次多阶段侵位，在相应的部位形成脉岩与矿脉共存的金矿区带。     

用户GPS轨迹数据支持下的出行安全分析

安全是每次出行的重要因素之一，传统方法大多基于人力或视频协同才能完成安全监控，缺少以轨迹数据度量出行的方法。定位和跟踪系统的技术进步，GPS卫星定位技术的不断发展与普及，使利用车载导航装置、手持GPS装置收集及使用GPS数据点成为可能。本文提出了一种基于用户GPS轨迹数据评价安全的方法，并以校区内宿舍与实验室间的轨迹数据为研究对象，验证了方法的有效性。研究表明：用户轨迹在离开安全轨迹处，获得较低的安全得分。反之，用户轨迹如果与安全轨迹极为相似，则获得很高的安全得分。该方法在检验用户轨迹是否与安全轨迹相似极为高效，同时以轨迹数据的形式反映用户的出行安全。     

沉积型锰矿床的形成及其与古海洋环境的协同演化

海相沉积型锰矿的成矿过程受古海洋沉积环境影响，而古海洋环境又与超大陆聚合与裂解、极端地质事件、生命演化等密切相关，因此，海相富锰地层是岩石圈、水圈、大气圈和生物圈等多圈层耦合关系与物质循环相关信息的重要载体。深层海水缺氧模型、最小氧化带模型和幕式充氧模型都显示海水中氧化还原梯度的变化是导致锰矿形成的最主要原因。全球范围内海相沉积型锰矿主要形成于古元古代、新元古代和显生宙3个地质历史时期。其中，元古宙时期，地球上发育了完善的氧化还原分层的古海洋结构；古元古代早期和新元古代，超大陆裂解引起的海平面升降变化导致古海洋氧化还原结构产生动荡，并促使大规模沉积型锰成矿作用发生；地球沉寂期（1800~800 Ma）涵盖了整个中元古代，这一时期仅在华北地台发育了少量沉积型锰矿床，反映该时期古海洋中锰的迁移受到了抑制；显生宙地球再次进入活跃期，经历了数次海洋缺氧事件，冰室-温室气候交替促使海水的化学性质剧烈变化，并在局部氧化还原分层的沉积盆地中富集形成沉积型锰矿床。总之，古海洋氧化还原环境的变化是沉积型锰矿形成的必要条件，同时，区域性沉积盆地的结构、海平面的升降、火山作用导致的物缘供给等多种因素都会影响沉积型锰矿的形成。与沉积型铁矿相比，沉积型锰矿对局部海水化学性质的变化更加敏感，综合研究铁锰矿床的共生与分异过程，将有助于更加有效的识别不同尺度的沉积过程与古海洋环境变化。     

基于遗传算法地震短期综合预报分类系统在天山地震带的应用

应用“基于遗传算法的地震预报分类系统”建立天山地震带8个区的地震短期综合预报模型。在前人研究基础上对此分类系统的应用方法做了以下改进：以半年或一年样本窗内的地震活动资料预报未来3个月最大地震;采用阈值划分异常,区分高值和低值异常两类参数,再用异常持续时间进行地震环境信息编码;在研究区内,根据一年和半年样本窗和震级错半级的分档形式,形成4种地震环境信息编码方式。计算机自动运行此系统程序,寻找各自的预报模型。对预留样本的检验按震级区间进行规则对应率、虚报率和地震对应率、漏报率的效能评价,结果表明南天山各区检验情况好于北天山;对北天山预测出5级以上、南天山6级以上地震以及能给出有效重叠震级区间的模型加权后认为南天山中西段、柯坪块体区检验情况较好。结果还表明半年样本窗检验效能普遍高于一年窗,对较低震级的检验情况一般要好于较高震级。     

基于遗传算法的整周模糊度解算方法

在卡尔曼滤波的基础上,利用高斯变换降低各整周模糊度之间的相关性,然后利用遗传算法进行搜索,提出了自适应遗传算法,改进了搜索效果,仿真结果表明,自适应遗传算法有更快的搜索速度和更强的鲁棒性.     

基于动态Voronoi图的距离倒数加权法的改进研究

针对距离倒数加权法的不足 ,采用动态Voronoi图选取待插值点的邻近点 ,对每个已知数据点增加反映该点梯度的增量 ,并建立已知数据点的ε邻域避免计算误差 ,以改进距离倒数加权法 ,为距离倒数加权法的广泛应用创造条件。通过交叉检验与实际应用 ,证实利用改进后的距离倒数加权法进行空间数据插值精度更高 ,效果更为理想     

基于遗传算法的二类水体水色遥感反演

提出一种基于遗传算法的二类水体水色遥感反演算法。该算法以三成分 (叶绿素、悬浮泥沙与黄色物质 )海水光学模型作为前向模型 ,以实数编码遗传算法作为优化方法 ,并采用一对波段比来构造目标函数。模拟反演的结果表明 ,该算法可以有效克服已有二类水体水色遥感优化反演方法在搜索策略方面存在的困难 ,是一种有较高计算效率、可靠与稳健的反演算法     

Temporal Data Mining Using Genetic Algorithm and Neural Network——A Case Study of Air Pollutant Forecasts

This paper integrates genetic algorithm and neural network techniques to build new temporal predicting analysis tools for geographic information system (GIS). These new GIS tools can be readily applied in a practical and appropriate manner in spatial and temporal research to patch the gaps in GIS data mining and knowledge discovery functions. The specific achievement here is the integration of related artificial intelligent technologies into GIS software to establish a conceptual spatial and temporal analysis framework. And, by using this framework to develop an artificial intelligent spatial and temporal information analyst (ASIA) system which then is fully utilized in the existing GIS package. This study of air pollutants forecasting provides a geographical practical case to prove the rationalization and justness of the conceptual temporal analysis framework.