排序方式： 共有1条查询结果，搜索用时 0 毫秒
1
1.
以白洋淀地区出露的22个沉积剖面中沉积物的粒度数据为研究对象,利用邻近传播聚类算法(AP聚类算法)进行聚类分析,并与已知典型沉积环境形成的沉积物粒度频率分布曲线进行对比,探讨了基于沉积物粒度特征的邻近传播聚类算法在沉积环境识别中应用的可行性以及白洋淀地区不同沉积环境的粒度特征。结果表明:邻近传播聚类算法能够将相同或者相近动力条件下形成的沉积物聚为一类,挖掘沉积物粒度数据中蕴含的沉积动力信息;所有样品的沉积物粒度频率分布曲线划分为11类簇;考虑到同一沉积环境中动力条件的变化,将聚类结果得到的分布范围、形状相近的11簇曲线进一步合并为4组曲线,并与已知典型沉积环境粒度曲线进行对比,识别出湖沼相、湖相、河流相、洪积相等4种主要的沉积相。其中,湖沼相与湖心相沉积环境、湖滨相与河漫滩相沉积环境形成的沉积物粒度组分相近。湖沼相与湖心相、湖滨相与漫滩相、河床相的沉积物粒度主要组分分别为细粉砂、粗粉砂、细砂或粗砂,洪积物中粗粉砂、中砂、粗砂含量相近,呈多峰态。邻近聚类传播算法可为沉积环境动力条件反演、分区等提供潜在的新手段。 相似文献
1