深度学习在活动构造与地貌研究中的应用

活动构造与地貌学主要涉及活动构造的运动学、地貌的演化过程及其相关动力机制,该研究方向是近几十年来地球系统科学交叉研究的热点之一。随着大数据与机器学习研究的发展,活动构造与地貌学的研究和深度学习的结合已成为该领域中受到广泛关注的新兴研究方向,并产出了大量优秀成果。文中总结并综述了现今深度学习在活动构造与地貌研究中的数据来源,以及利用深度学习的方法定量化解决活动构造与地貌中的重要科学问题(包括冰川识别、火山活动与地貌、水系分析、滑坡监测和地表形变等)。基于对上述实例的探索,文中运用深度学习中的卷积神经网络,对华南东南部福建地区的花岗岩岩石构造裂缝开展了基于高精度无人机航拍影像的深度学习自动识别。所搭建的卷积网络模型在55min的运行时间内自动识别出人工需消耗近一周才可识别的9000余条裂缝,并获得了85%的查准率与89%的查全率,表明该模型在准确识别构造裂缝的同时显著提升了工作效率。文中最后讨论并展望了未来深度学习方法在活动构造与地貌学领域的发展前景。

Al_(4)SiC_(4)陶瓷在高温还原性气氛中的结构演变及机理研究

碳化硅铝是一种良好的含碳耐火材料抗氧化剂。该研究以铝粉、硅粉和碳粉为原料制备出碳化硅铝陶瓷,并将其置于1000℃~1500℃温度范围内的还原气氛中,以模拟碳化硅铝在含碳耐火材料中的实际使用环境并对其性能和反应机理进行了研究。研究结果表明,在还原性气氛下,碳化硅铝在1000℃~1400℃温度范围内先与一氧化碳通过气相反应生成氧化铝、碳化硅、碳及铝硅酸盐玻璃相。当温度升至1500℃时,氧化铝和碳化硅与一氧化碳通过气相反应生成莫来石。上述反应将会在含碳耐火材料表面形成保护膜,阻止含碳耐火材料的氧化,提高了含碳耐火材料的抗氧化性。

TiO_(2)微量掺杂对MgO-PSZ固体电解质性能的影响

以ZrO_(2)、MgO和微量TiO_(2)为原料,采用固相反应法合成了MgO部分稳定ZrO_(2)固体电解质(MgO-PSZ)。对合成试样进行XRD、SEM、致密度、电性能和抗热震性能等研究,考察TiO_(2)掺杂量对其性能的影响规律。结果表明,当TiO_(2)掺杂量为0.4%(摩尔分数)时其致密度达到95.13%;试样中四方相和立方相含量随TiO_(2)掺杂量的增加先增加后降低,最高达48%。当TiO_(2)掺杂量为0.2%时,试样离子电导率最大,测试温度为950℃时电导率达到4.71×10^(-3)S/cm;当TiO_(2)掺杂量为0.4%时,抗热震后的残余强度最大,为1400 MPa。

华南沿海地区白垩纪花岗岩多期构造裂缝发育特征及其对潜山勘探的指示

裂缝的分布特征对花岗岩储层研究具有重要作用.结合无人机遥感技术和野外调查对华南沿海地区白垩纪花岗岩露头的构造裂缝进行数字化识别和定量研究.分析表明:研究区主要发育NE20°~40°和SE100°~140°两组裂缝,NE向裂缝形成时间早于SE向;多期构造变形会显著提高裂缝网络的连通度和面密度,连通度高值区广泛分布,面密度高值区集中分布在辉绿岩脉侵入区和断裂带内部;构造裂缝网络的线密度、面密度和连通度与断裂带规模呈正相关.构建了华南沿海地区白垩纪花岗岩多期构造裂缝的发育模式,指出断裂带和辉绿岩脉侵入区等裂缝交汇部位有利于形成优势储层,为海域花岗岩潜山的勘探开发提供重要指示.

体验式安全培训在制造业的使用探索

广西汽车集团有限公司作为劳动密集的制造型企业,生产作业以劳务工和实习生为主,这类人员流动性强、安全意识淡薄,给公司安全管理造成一定难度.究其原因,是其缺乏现场经验和事故体验。创新开展体验式安全培训,提升员工安全培训教育的实效性是解决问题的关键。该公司结合实际建设并投用了自己的安全体验中心,让安全培训教育从冰冷的文字变成切身真实的感受,提高了员工学习安全的积极性和对安全的深刻认识,从而达到减少事故、保护员工、提高企业形象的目的。