排序方式: 共有42条查询结果,搜索用时 31 毫秒
31.
32.
在层序地层学研究的基础上,对柴达木盆地红柳泉-跃东地区新近系下油砂山组作了细致的沉积相分析研究。下油砂山组发育冲积扇相、扇三角洲相、辫状河三角洲相、湖泊相和浊积相等几种沉积相类型,分析了其发育特征及分布范围。以识别出的4个三级层序为单位,详细分析了沉积相的平面展布特征:Ⅰ层序沉积时期,西北地区为冲积扇和扇三角洲、中西部地区为辫状河三角洲发育区;Ⅱ层序沉积时期,沉积相分布格局与Ⅰ层序基本一致;Ⅲ层序沉积时期,西北地区的冲积扇、扇三角洲发育范围有所缩小,中西部地区辫状河三角洲发育范围持续扩张,分布范围较前期增大;Ⅳ层序沉积时期,西北地区依旧发育冲积扇,中西部地区辫状河三角洲沉积快速地向东推进,辫状河三角洲前缘亚相已达研究区中心。结合构造、物源、气候等因素分析了沉积相展布及演化的控制因素。 相似文献
33.
34.
利用新疆2001-2012年的统计资料及相关社会经济数据,从社会经济条件、基础设施、公共服务水平、政策因素、生态环境、旅游资源赋存度、旅游服务能力等7个面构建新疆旅游发展驱动因子指标体系。运用Delphi法、相关分析和主成分分析相结合的方法,定量地诊断出新疆旅游发展的驱动因子。结果表明:社会经济条件、旅游资源赋存度、基础设施、公共服务水平、旅游服务能力是影响新疆旅游发展的5类主要动因,社会危机事件是制约新疆旅游发展最为关键的因子,这一研究为新疆旅游业的转型升级和可持续发展提供一定借鉴意义。 相似文献
35.
36.
37.
随着越来越多高压直流输电线路的投入运行,地磁观测数据质量受到了严重影响.现有以人工或半人工方法识别高压直流输电干扰事件的工作量也随着受干扰范围的不断扩大和地磁观测仪器的增多而成倍增加.为了高效、准确地识别地磁观测数据中的高压直流干扰事件,本文基于卷积神经网络和长短期记忆神经网络,提出了一种高压直流输电干扰事件自动识别深度学习模型.利用2012年1月1日至2014年12月31日地磁台站原始观测数据,结合专家标注的持续时间在2 h内的高压直流输电干扰事件记录,制作高压直流输电干扰样本34360条,正常样本34360条.模型在训练集上的准确率达到了94.12%,验证集上的准确率达到了92.94%,测试集上的准确率达到了92.86%.初步研究表明深度学习方法在识别地磁观测数据中的高压直流输电干扰事件中具有较高的准确率,为下一步自动识别地磁观测数据中的车辆干扰、基建工程干扰、轻轨干扰等其他干扰事件提供了一种新的思路. 相似文献
38.
39.
40.