排序方式： 共有4条查询结果，搜索用时 31 毫秒
1
1.
聚源钨矿是华南地区为数不多的大型石英脉型白钨矿矿床之一。在详细的野外地质调查基础上,本文利用α径迹蚀刻、电子显微镜、扫描电镜以及电子探针等实验手段,对该矿床含钨和含铀矿物开展了精细矿物学的研究工作,探讨了成矿过程中钨和铀的富集规律。研究显示,该矿床钨铀矿物的形成可分为四个阶段:第一阶段,钨铀主要进入富含Nb、Ti的氧化物矿物,形成铌铁矿、钇易解石等富钨矿物,另有极少量的钨进入黑钨矿和早阶段白钨矿;第二阶段,铌铁矿与钇易解石被后期流体交代,形成含钨富铀的骑田岭矿、铌锰矿以及钛-钇易解石;第三阶段,钨进入中阶段白钨矿,这一阶段也是钨最主要的矿化阶段;第四阶段,钨进入晚阶段白钨矿。最后两阶段白钨矿中铀含量不高。骑田岭矿(WO_3 26.74%～29.68%),是聚源钨矿中除白钨矿和黑钨矿之外钨含量最高的含钨矿物。该矿易解石族矿物WO_3最高可达9.80%,极度富钨,是目前有文可查的钨含量最高的易解石。聚源钨矿中的含钨矿物大多数为白钨矿,但绝大多数的白钨矿却在骑田岭矿、易解石族矿物、铌铁矿族矿物、黑钨矿之后形成,说明成矿流体在演化过程中,绝大多数W首先进入富含Nb、Ti的含铀矿物和少量黑钨矿,之后才是白钨矿的大量结晶。 相似文献
2.
在详细野外地质考察的基础上,将相山下家岭稀土矿风化壳剖面自上而下划分为黄壤层、铁盘层、红壤层、球形风化层、母岩层。借助X射线粉晶衍射、X射线荧光光谱、电感藕合等离子体质谱等研究手段对剖面样品开展了岩相学、元素地球化学的研究工作。分析结果表明,岩石风化程度至上而下逐渐减弱,斜长石、钾长石、黑云母含量呈增加趋势,并出现伊利石、高岭石等粘土矿物。从黄壤层到母岩层,易移动元素K、Na、Ca含量以及FeO总量呈增加趋势;氧逸度OX值与Fe_2O_3含量呈先增后减的变化趋势,且最大值都出现在铁盘层;SiO_2的含量先减少后增加,Al_2O_3含量则表现为先增后减。微量元素分析结果表明难活动元素Th、U、Ta、Nb、Zr、Hf、Ga在各层中的含量相近,分异不显著;易活动元素Rb、Ba、Sr含量自上而下逐渐增加。在黄壤层、铁盘层、红壤层以及母岩层中的稀土元素含量远低于球形风化层,分析认为,由于黄壤层、铁盘层、红壤层中粘土矿物与Fe(OH)_3胶体结合,使其对稀土元素吸附量大大降低从而导致稀土元素在球形风化层最富集;Ce在黄壤层、铁盘层、红壤层中富集明显,而在球形风化层中则表现为亏损,母岩层中异常并不明显,可能因为风化壳上层风化过程中形成方铈石等矿物固定了Ce。 相似文献
3.
利用2018—2020年经偏振升级改造后的广州S波段双偏振雷达（CINRAD/SAD）82892个体扫的0.5°仰角数据,以及雷达100 km探测范围内1109个雨量站共计538560个分钟雨量数据,分别构建了单参量、三参量雷达定量降水估测（QPE）深度学习网络架构（Z-Rnet、KDP-Rnet、Pol-Rnet）,并以KDP=0.5°/km为阈值分别训练得到大雨、小雨、总体等9个定量降水估测模型。在常用的均方误差作为损失函数的基础上,对不同降水强度采用不同权重提出了自定义损失函数,并利用比率偏差、相对偏差、均方差、平均绝对误差和平均相对误差作为评价指标对模型进行评估。通过对以积层混合云为主、以对流云为主和以层状云为主的3次降水过程的模型验证结果表明,利用深度学习训练的模型有较好的定量降水估测效果,区分雨强的小雨、大雨模型比不区分雨强的总体模型的效果要好。采用自定义损失函数模型效果更好,其均方差、平均绝对误差和平均相对误差分别较采用传统均方误差损失函数提升了8.62%、12.52%、16.34%。自定义损失函数中,采用ZH-ZDR-KDP三参量网络架构训练得到的定量降水估测模型效果最好,其均方差、平均绝对误差和平均相对误差分别较采用ZH的单参量Z-Rnet架构提升6.82%、8.43%、7.22%;较采用KDP的单参量KDP-Rnet架构提升12.33%、17.61%、17.26%。 相似文献
4.
广州S波段双偏振天气雷达低仰角多方位存在遮挡,高仰角也存在部分遮挡。基于卷积神经网络等深度学习方法,构建垂直填补（vertical echo-filling,VEF）和水平填补（horizontal echo-filling,HEF）网络架构,基于两种架构,利用无遮挡区的反射率因子ZH、差分反射率ZDR,差传播相移率KDP构建训练集,填补遮挡区的ZH和ZDR。针对仅0.5°仰角存在遮挡的区域,基于VEF架构,利用上层多个仰角、径向、距离库的三维数据,分距离段训练垂直填补模型。针对遮挡仰角较高的区域,则基于HEF架构,利用同一仰角左右相邻的多个径向、距离库的数据,分遮挡径向训练水平填补模型。根据解释方差、平均绝对偏差和相关系数3个指标和3个个例,对模型效果进行评估。结果表明:ZH填补模型的解释方差最大为0.92,平均绝对偏差最小为1.69 dB,相关系数最高为0.96;ZDR填补模型的解释方差最大为0.92,平均绝对偏差最小为0.12 dB,相关系数最高为0.96。利用该研究构建的深度学习填补架构,可有效填补偏振雷达遮挡区域回波,提高雷达数据质量。 相似文献
1