公共文化服务平台

搜索到4199篇“ 构造环境“的相关文章

砂岩型铀成矿区成矿大地构造环境: 2025年; 砂岩型铀成矿区数量多,分布广,涵盖铀矿床数达654个,占全球铀矿床数量和常规铀资源量的首位。前人多从矿床角度对砂岩型铀矿床进行研究,较少从大地构造环境与铀成矿方面分析。依据活化构造和构造岩浆活化理论,用成矿分析正反推演方法,研究砂岩型铀成矿区成矿大地构造环境,得出砂岩型铀矿床可划分为43个主要铀成矿区,其中29个属单砂岩型铀成矿区,14个属复合(伴有其他铀矿类型)砂岩型铀成矿区。砂岩型铀成矿区成矿大地构造环境,按其大地构造属性分成地盾活化、古地台活化、年青地台活化、中间地块活化等4种类型。其共同特点是与活化构造成矿作用密切有关,只是活化作用时代、延续时间、作用方式和强度不同。年青地台活化、中间地块活化砂岩型铀成矿区分布广,数量多,铀资源量大,工业意义最大;古地台活化成矿区次之;地盾活化成矿区分布少,铀资源量少,工业意义较小。; 姚振凯黄宏业徐勇; 关键词：砂岩型铀矿成矿区大地构造环境

2024年度中国大陆构造环境监测网络绝对重力仪系统偏差与观测精度分析: 2025年; 随着“中国大陆构造环境监测网络”项目中绝对重力仪数量和类型的不断增加,绝对重力观测数据解算基准存在着由于不同仪器系统偏差造成的不统一,影响了时变重力数据解算的精度和准确性。为研究绝对重力仪间系统偏差,通过分析2024年度10台绝对重力仪的同址集中比测数据,采用加权最小二乘平差方法对数据进行统一解算,获得了3个测点重力标准参考值和各仪器的系统偏差,最后综合对比分析陆态网络历期比测结果。结果表明:①10台绝对重力仪的系统偏差为-3.42~4.50μGal,观测精度为0.69~3.38μGal,仪器间系统偏差在数个μGal量级;②参加2023、2024两期比测的6台仪器系统偏差的变化值与重力基准变化值的偏差为-1.31~3.69μGal,表明陆态网络观测使用绝对重力仪性能稳定,适合用于探测地震相关的微小重力变化信号;③陆态网络9期比测的绝对重力仪系统偏差全部优于5μGal,FG5、FG5X型绝对重力仪的系统偏差标准差维持在2μGal左右,而A10型绝对重力仪的系统偏差标准差最大达4.56μGal,因此各仪器的系统偏差在高精度重力测量中应予以考虑。; 祝杰韩宇飞王嘉沛徐欣张新林白磊康胜军; 关键词：比测绝对重力仪

海南岛雷鸣盆地鹿母湾组碎屑岩地球化学特征、锆石U-Pb年龄和Hf同位素组成:对物源及构造环境的启示: 2024年; 海南岛雷鸣盆地鹿母湾组的确切沉积时限和沉积物来源是研究的空白区域。本文选取雷鸣盆地鹿母湾组作为研究对象,通过全岩地球化学、碎屑锆石U-Pb年代学和Lu-Hf同位素分析,旨在限定其沉积时限及物质来源,并探讨其沉积构造环境。鹿母湾组碎屑沉积岩的最年轻碎屑锆石年龄峰(113.3 Ma)与侵入其中的花岗闪长岩岩体年龄(~107 Ma)限定鹿母湾组沉积时限为109.9~113.3 Ma。全岩地球化学研究表明,鹿母湾组碎屑沉积岩的分异指数(ICV)为0.78~1.52(平均值0.96)、化学风化指数(CIA)为51.11~73.45(平均值65.27),反映其源区岩石具有中等成熟度并经历了弱的化学风化作用。结合微量元素、稀土元素含量及相关比值(如La、Th、Sc、Zr、Hf、∑REE及δEu)、源区判别图和构造环境判别图解,本文认为鹿母湾组碎屑沉积岩可能沉积于活动大陆边缘相关的盆地,主要来源于同时代的长英质火山岩或火山物质,少量碎屑来自华南内陆和海南岛早古生代岩浆岩。; 赵朝霞许德如官军官军单强单强陈根文陈晓清; 关键词：HF同位素构造环境

若羌盖吉克萤石矿地质特征及成矿构造环境分析被引量：1: 2024年; 盖吉克萤石矿床位于阿尔金山中段,沿NEE向展布,受盖吉克断裂控制。含矿岩石为萤石方解石脉、正长花岗岩,含萤石正长花岗岩属高钾钙碱性系列“I”型花岗岩类。在盖吉克萤石矿北部卡尔恰尔萤石矿区含萤石正长花岗岩中获得ICP锆石U-Pb年龄为(468±16) Ma,结合区域构造背景、区域成岩成矿年代学研究及岩石地球化学特征,认为盖吉克萤石矿产于碰撞造山后构造环境,是伴随着陆内持续俯冲阿中地块和柴达木地块由挤压造山转变为伸展构造背景的产物,成矿时代为中晚奥陶世。; 连政汪东殷豫江张小林; 关键词：地质特征成矿构造环境成矿时代

基于集成量子神经网络的大地构造环境判别与分析: 2024年; 量子地球科学是一门崭新的跨学科前缘专业,量子计算和量子机器学习算法为地学大数据的深度挖掘与分析带来了新的契机。其中,量子神经网络是目前最具代表性的研究方向之一,在复杂多源数据处理方面的效率与准确率尤为突出。本文以大地构造环境判别这一关键问题为切入点,利用堆叠集成算法对量子神经网络(Stacking Quantum Neural Network,S-QNN)进行了改进,并分别实现了玄武岩、辉长岩和尖晶石的构造环境智能判别;同时与四种传统算法(SVM、RF、KNN和NB)、经典神经网络(ANN)和传统量子神经网络(QNN)进行对比。结果表明,集成后的S-QNN模型在3类情况下的准确率较最优的传统算法分别提升5.67%、6.19%和13.34%,较普通的QNN模型提升3.11%、4.99%和3.84%,且更具鲁棒性和通用性。该研究反映了所提出的S-QNN在数据处理中的优势,更证实了量子机器学习算法在地球科学研究中的适用性与潜力,为量子科学与地球科学的交叉融合提供了新思路。; 张佳文李明超韩帅张敬宜; 关键词：构造环境判别岩石矿物地球化学量子神经网络

川西稻城岩体北部花岗岩年代学、地球化学和成岩构造环境: 2024年; 川西稻城岩体北部花岗岩成因和成岩构造环境争议较大.本次工作选择该岩基北部花岗岩为研究对象,进行了岩石学、锆石U-Pb年代学、地球化学和Hf同位素研究.LA-ICP-MS锆石U-Pb测年结果显示,岩体北部花岗岩形成时代213~212 Ma,略晚于南部.岩性以花岗闪长岩和二长花岗岩为主,前者含较多暗色微粒包体(mafic microgranular enclaves,MME).代表性样品地球化学上具有富钠、偏铝-弱过铝质、富大离子亲石元素的特征.ε_(Hf)(t)值非常分散,介于-16.6~-2.4(均值-5.0),对应的t_(2DM)为2.04~1.25 Ga(均值1.4).结合区域地质证据分析,稻城岩体为I型花岗岩,其源区以中元古代康定群变质玄武岩为主,酸性端元含较多变质杂砂岩.花岗岩的形成与后造山环境下俯冲板片断离导致的软流圈上涌、中下地壳受烘烤部分熔融关系密切.; 程顺波王晓地崔森赵武强杨文强刘浩刘君豪胥明; 关键词：构造环境花岗岩古特提斯三叠纪岩石学

基于机器学习的花岗岩构造环境判别方法: 本发明属于地学大数据技术领域，提出一种基于机器学习的花岗岩构造环境判别方法，包括如下步骤：S1、对花岗岩中的样本数据进行预处理，并将处理好的数据划分为训练数据集和测试数据集；S2、对上述数据集进行特征分析；S3、构建半监...; 孟元库李佳龙

基于机器学习的花岗岩构造环境判别方法: 本发明属于地学大数据技术领域，提出一种基于机器学习的花岗岩构造环境判别方法，包括如下步骤：S1、对花岗岩中的样本数据进行预处理，并将处理好的数据划分为训练数据集和测试数据集；S2、对上述数据集进行特征分析；S3、构建半监...; 孟元库李佳龙

俯冲构造环境的判别方法、装置、电子设备及存储介质: 本申请实施例提供的一种俯冲构造环境的判别方法、装置、电子设备及存储介质，本申请在利用常规弧岩浆地球化学性质判别的基础上，分别确定岩浆演化压力和岩浆水含量；通过对比不同时期岩浆演化压力的变化和岩浆源区水含量的变化，探讨在此...; 弓明月田伟张忠民史丹妮高敏张恒

不同构造环境下蛇纹岩化作用的对比——以西南天山和北祁连造山带为例: 2024年; 蛇纹石含水量约为13%,是地球上重要的含水矿物,广泛分布于洋底、俯冲带、弧前等环境。同时,海水、俯冲带衍生流体中的活动性元素(B、Li、As、Sb、Pb、Cs、U、Sr、Ba)也可随蛇纹石化作用而富集在蛇纹石中。因此,蛇纹石可以作为流体和流体活动性元素的载体参与不同的地质过程。然而,不同的构造环境有不同的温度压力、水岩比值、流体性质、氧化还原条件。不同环境下的蛇纹石化作用,不仅会形成不同种类的蛇纹石(例如利蛇纹石,叶蛇纹石),也有可能会导致蛇纹石的元素富集特征不同,这就需要进一步研究流体活动性元素的地球化学行为和元素富集特征。基于对世界范围内不同环境蛇纹岩数据资料的整理分析,结合西南天山和祁连山两个典型造山带的蛇纹岩样品,我们发现深海蛇纹岩与俯冲带蛇纹岩,B、Ba、Cs表现出不同的富集特征:①深海蛇纹岩具有明显更高的B元素含量,可能反映了B在低温下更容易进入到蛇纹岩中;②俯冲带以及弧前环境下形成的蛇纹岩由于可能有沉积物的输入,Ba、Cs的含量相对较高。这一结论有助于以后通过蛇纹岩的元素地球化学特征反演其相对的构造环境。; 姚永祥肖媛媛林晋炎林晋炎; 关键词：蛇纹岩

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈