基于金矿规格单元数据的机器学习方法在成矿建模分析中的应用

现代金矿勘察主要是通过综合地球化学和地质测量等数字化方法对深部矿床进行研究,所需要的人力物力成本较高。而通过分析积累的金矿规格单元数据,可以建立金矿成矿情况与相关成矿元素含量之间的非线性关系,从已有的勘查数据中寻找金矿成矿的一般规律。本文基于与金矿相关的成矿元素含量数据,分别采用逻辑斯蒂回归、随机森林和决策树方法对原始数据和重采样数据进行训练,综合运用召回率、精确率和准确率对模型进行评价。通过对比发现,在训练和测试原始数据过程中,由于每组之间数据量的巨大差距,导致成矿数据被淹没;而在训练重采样数据过程中,随机森林在召回率和准确率方面均有较好的表现,分别达到了90.63%和70.78%;并最终分析了随机森林模型中不同分类边界对于金矿成矿情况预测结果的影响。利用不同的测量指标对模型进行评价分析,使模型更适用于金矿成矿预测,可有效地提高金矿勘察的效率。     

基于全球橄榄石数据的玄武岩构造环境智能判别方法及其验证

一直以来,探索玄武岩地球化学特征与大地构造环境之间的联系是地球化学领域的一个重要研究方向。橄榄石是岩浆最早期结晶的矿物之一,其在玄武质岩浆形成和演化过程中记录了诸多信息。鉴于此,学者们尝试利用橄榄石的元素组成判别大洋中脊玄武岩(MORB)、洋岛玄武岩(OIB)和岛弧玄武岩(IAB)三种构造环境。常用的玄武岩构造环境判别图解难以满足精度要求,于是引入机器学习算法作为判别手段来解决上述问题。机器学习判别方法的分类效果在很大程度上取决于参数选取的合理性。为此,本文提出一种耦合灰狼优化算法(GWO)和支持向量机(SVM)的智能判别方法。该方法利用GWO寻求SVM算法最优参数组合,以形成橄榄石组成元素和玄武岩构造环境之间的最佳映射关系,从而实现对MORB、OIB和IAB三种构造环境的准确判别。此外,根据公开发表的玄武岩样品的地球化学数据,结合混淆矩阵及其衍生评价指标,通过仿真实验、随机子抽样验证和k折交叉验证等方式评估了所提方法的判别性能。评估结果表明, GWO-SVM耦合判别方法在利用橄榄石成分判别玄武岩构造环境方面具有较好的分类效果,其判别准确率可达85%以上。由此可见,相较于传统判别图解方...     

基于岩石图像深度学习的岩性自动识别与分类方法

岩石岩性的识别与分类对于地质分析极为重要,采用机器学习的方法建立识别模型进行自动分类是一条新的途径。基于Inception-v3深度卷积神经网络模型,建立了岩石图像集分析的深度学习迁移模型,运用迁移学习方法实现了岩石岩性的自动识别与分类。采用此方法对所采集的173张花岗岩图像、152张千枚岩图像和246张角砾岩图像进行了学习和识别分类研究,通过训练学习建立岩石图像深度学习迁移模型,并分别采用训练集和测试集中的岩石图像对模型进行了检验分析。对于训练集中的岩石图像,每组岩石分别用3张图像测试,三种岩石的岩性分类均正确,且分类概率值均达到90%以上,显示了模型良好的鲁棒性;对于测试集中的岩石图像,每组岩石分别采用9张图像进行识别分析,三种岩石的岩性分类均正确,并且千枚岩组图像分类概率均高于90%,但是花岗岩组2张图像和角砾岩组的1张图像分类概率值不足70%,概率值较其他岩石图像低,推测其原因是训练集中相同模式的岩石图像较少,导致模型的泛化能力减小。为了提高识别精确度,对准确率较低的岩石图像进行截取,分别取其中的3张图像加入训练集进行再训练,增加与测试图像具有相同模式的训练样本;在新的模型中,对3张图像进行二次检验,测试概率值均达到85%以上,说明在数据足够的状况下模型具有良好的学习能力。与传统的机器学习方法相比,所提出的岩石图像深度学习方法具有以下优点:第一,模型通过搜索图像像素点提取物体特征,不需要手动提取待分类物体特征;第二,对于图像像素大小,成像距离及光照要求低;第三,采用适当的训练集可获得较好的识别分类效果,并具有良好鲁棒性和泛化能力。     

资源丰裕程度与经济发展关系的探讨——资源诅咒效应国内研究综述

从资源诅咒的存在性实证检验,资源诅咒的传导机制以及如何解决资源诅咒现象3个方面对国内文献进行总结。结果表明,国内目前对资源诅咒的研究成果尚未形成系统,并且相关研究主要集中在经济学领域,因此,资源诅咒现象依然有待各位学者,尤其是地理学者从区域的角度不断进行探索。     

GPM近实时反演数据对河南省2021年“7·20”极端暴雨的比较分析

近实时卫星降水反演数据具有覆盖范围广、空间连续性和时效性较强以及开放获取等优势,是重要的全球性降水资料。针对2021年河南省“7·20”极端暴雨,基于116个地面气象站观测资料及其空间插值数据,综合解析了4种GPM近实时卫星降水数据(IMERG early、IMERG late、GSMaP NOW和GSMaP Gauge NOW)对极端强降水事件的表征能力。结果发现：(1)IMERG early、IMERG late对站网累积雨量的低估程度在20%左右,GSMaP NOW和GSMaP Gauge NOW的高估程度分别达到了约35%和70%,但2种GSMaP数据更易探测到500 mm以上的累积雨量。(2)在雨量过程方面,4种GPM数据对小时降水事件均具有较强的分类辨识能力,但未捕捉到主要雨峰过程,定量误差较突出,与地面降水量之间表现出显著的负相关关系。GPM降水数据对小时雨量低于10 mm的降水事件以高估为主;对于小时雨量超过30mm的降水事件以低估为主,甚至存在普遍低估。(3)在空间格局方面,4种GPM数据的精度指标均具有较强的时间波动性,IMERG数据的空间相关系数和体积临界成功指数...     

基于Copula函数的暴雨要素三维联合分布——以宽甸县为例

以辽宁省宽甸县为例,利用1955~2012年逐日降水数据,提取年暴雨日数（D₅₀）、年暴雨量（P₅₀）、年均暴雨强度（I）和暴雨比（R）共4个暴雨要素,运用K-S法确定各单要素最优概率分布函数;针对暴雨要素多面性,通过引入Copula函数,构建三维联合分布并进行AIC和RMSE优度检验,确定适合暴雨要素的最优Copula函数,分析多要素联合后暴雨的概率和重现期特征。研究表明： ① 单变量拟合仅反映暴雨单个要素本身的信息,无法涉及要素间的联系;三维Copula联合可从3方面呈现暴雨要素间的内在信息,更贴近实际;暴雨本身的多要素性,为Copula函数在暴雨分析上提供了广阔前景; ② 年暴雨日数、年暴雨量和年均暴雨强度的联合适合反映宽甸县暴雨重现期;宽甸县暴雨联合重现期短,多为0~2 a,同现重现期较长,集中于200 a左右;2种重现期变化趋势一致,存在同步效应,反映了暴雨要素的不可分割性。     

马氏珠母贝(Pinctada fucata)血细胞RNA-Seq转录组数据中补体样组分分析

补体系统在体液免疫中发挥着重要作用,是连接先天免疫和适应性免疫的枢纽。本研究基于前期转录组RNA-Seq数据检索马氏珠母贝(Pinctada fucata)补体样组分,并对其结构域及溶藻弧菌(Vibrio alginolyticus)刺激后的基因表达水平进行了分析。结果表明,共获得68条补体样成分unigene,分别编码14个含C1q结构域蛋白、14个凝集素蛋白、4个纤维蛋白原相关蛋白、12个丝氨酸蛋白酶、10个含硫酯键蛋白、1个末端补体分子C6、5个补体受体、1个补体因子及7个纤胶凝蛋白;结构域分析表明,马氏珠母贝补体样组分均含有相应的保守结构域,与其他贝类补体组分的研究结果基本一致;表达量分析表明,经溶藻弧菌刺激后, 68条补体样组分unigene中共有21条unigene表达上调,其中12条为模式识别受体unigene。结合牡蛎等贝类补体组分的研究结果,推测贝类已形成一个含有多种补体组分的原始补体系统,且可能以凝集素途径或替代途径行使补体的生物学功能。以上研究结果为深入了解马氏珠母贝及其他海洋无脊椎动物免疫防御机制、探讨补体系统的进化起源提供了新的依据。     

营口市防洪治涝工程建设现状及对策探析

营口市位于辽宁大辽河下游滨海盐碱地区,低洼易涝,汇水面积为1 451 km2,其中易涝面积占488km2,针对易涝问题,营口市大力建设水利工程,通过修建水库、整治河道、修建加固堤防等各种治涝措施,提高了防洪除涝能力,保障了营口市国民经济的可持续发展。     

基于人类发展指数的金砖五国资源诅咒效应分析

金砖五国资源禀赋与经济发展条件是五国进行国际合作的基础条件,对于金砖五国资源依赖程度与经济发展水平关系的探究具有一定现实意义。本文将人类发展指数引入面板数据模型进行计量分析,发现金砖五国存在资源诅咒效应,物质资本投资对其人类发展水平具有负影响,而技术创新水平、对外开放水平及人力资本投资三项要素在对金砖五国人类发展水平起到促进作用。金砖五国中,各国资源诅咒效应程度不同,其中俄罗斯资源诅咒程度最高,为资源诅咒严重型国家,其他各国为资源诅咒轻微型国家。基于人类发展指数的资源诅咒效应考量从地理学及人类发展角度出发,为资源诅咒效应研究提供了补充。     

耦合颜色和纹理特征的矿物图像数据深度学习模型与智能识别方法

在野外地质勘探过程中,矿物识别是一项重要的任务。但是在复杂的地质勘探条件下准确识别矿物是一项极具挑战性的任务。本文首先结合矿物知识,对图像中矿物的颜色和亮度进行判别,从而强化矿物图像的纹理特征,基于强化后的纹理特征,利用深度学习模型和迁移学习方法建立矿物深度学习模型;同时利用K-means算法提取矿物颜色特征,建立颜色特征模型;最终基于矿物识别深度学习模型和颜色特征模型,建立矿物图像的耦合识别模型,提出了一套完整的矿物智能识别分析方法。在深度学习模型建立过程中,共对19类矿物,总计6203张图像进行了训练,同时使用456张图像对耦合模型进行测试,其top-1准确率和top-3准确率分别达到72.2%和91.2%。基于所训练的模型,在Android系统开发了矿物图像智能识别应用系统,主要由矿物识别、矿物知识卡和矿物资料存储三个模块组成,提供矿物实时识别、矿物基础知识及实时储存等功能。作为野外地质勘察的辅助工具,此应用可以减少重复劳动,提升野外地质勘察的数字化和信息化水平。