简介:在野外露头实测、系统采样基础上,结合地球化学分析测试资料,着重讨论了准噶尔盆地南缘二叠系芦草沟组主量元素、微量元素及稀土元素等地球化学特征,在此基础上恢复了研究区二叠系芦草沟组沉积时的古环境,对比了准南与柴窝堡凹陷芦草沟组沉积的差异性。结果表明,柴窝堡凹陷芦草沟组常量元素中Ca,K,Mg和Na相对富集,P相对较少,微量元素比值V/(V+Ni)及V/Cr均低于准南,轻稀土元素相对富集。准南与柴窝堡凹陷芦草沟组优质烃源岩主要发育于生产力较高、水体缺氧的还原环境,但相对于柴窝堡凹陷芦草沟组,准南芦草沟组页岩形成于生产力更高、水体更深且更缺氧的古环境,该环境更有利于总有机碳的形成与保存。
简介:支持向量机(SVM)方法是基于统计学理论的一种新的机器学习方法,对解决小样本条件下的非线性问题非常有效。利用2004~2007年南京站的逐日常规观测资料以及同期南京市环境质量监测点的逐日污染物浓度资料,使用SVM分类和回归方法分别建立了南京地区霾日分类预报模型和有霾日14时(北京时间,下同)能见度预报模型。预报试验结果表明:南京地区霾日的SVM分类预报结果,Ts(Threatscores)评分均在0.4以上;而有霾日14时能见度的SVM回归预报结果,按能见度误差范围为±3km算,准确率均达到了86%以上;加入当天08时新资料的订正预报模型,其预报结果优于起始预报模型。二者的预报结果较为满意,可以给实际业务预测提供参考。