嵩县杨山—车村—方城县一带萤石矿成矿地质特征研究

来源 :现代矿业 | 被引量 : 0次 | 上传用户:jack0418
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
嵩县杨山—车村及方城县一带萤石矿位于河南萤石矿北成矿亚带,为了解带内萤石矿山赋存地质特征,通过对比、分析、统计等方法研究嵩县大王沟、车村、南阳南召、方城萤石矿山矿体地质特征,表明:大王沟—车村萤石矿受鲁山—车村—庙子镇断裂构造带控制,矿体赋存于燕山期花岗岩断裂带中,成矿物质来源于燕山晚期花岗岩(合峪岩体、太山庙岩体等)热液,矿床成因属热液充填型萤石矿;南召—方城县独树镇萤石矿赋存于陶湾群和栾川群煤窑沟组,矿体受中汤—拐河断裂带和栾川明港断裂带控制,成矿物质中钙来源于陶湾群老李山组和栾川群煤窑沟组大理岩、片
其他文献
黄石桥地区地处萍乡—广丰叠接断裂带与驿前—黄岗山断裂带之间,饶南坳陷东段以北。为探讨地区中酸性岩体岩石成因及成矿潜力,以黄石桥地区中酸性岩体为研究对象,进行岩石学、岩石地球化学分析研究。结果显示:黄石桥中酸性岩的岩石类型为石英闪长玢岩和花岗闪长斑岩;具低Ti(ω(TiO2)=0.31%~0.65%)、富Si(ω(SiO2)=60.8%~68.4%)、富Al(ω(Al2O3)=13.9%~17.6%)、高K(ω(K
为了更好地进行绿色矿山建设,实现矿业领域的生态文明发展,通过概述我国绿色矿山的发展历程以及相关政策和标准,分析了我国绿色矿山建设的现状,按照不同省份地区、矿产种类分别统计得出了国家级和省级绿色矿山数量并进行了对比,分析指出了我国绿色矿山建设目前存在的问题和解决方向,得出了绿色矿山建设必须尊重客观规律、因地制宜、循序提升的结论,以期为绿色矿业管理部门、研究学者、矿山建设和咨询服务等相关人员提供基础数据和思索方向。
针对城市中道路上的广告牌乱摆乱放的现象,提出一种基于深度学习的违规广告牌的检测算法。首先使用目标检测算法获取广告牌的位置,然后使用语义分割算法划分道路的区域,最后结合这两个算法的结果判断出广告牌是否处于人行道中间或者车行道,进而来判断是否属于违规摆放。
大平煤业3111工作面运输顺槽为厚层坚硬顶板,采用高压水致裂技术对其进行弱化,并通过钻孔孔内观测、邻孔出水分析、矿压观测等方式对致裂效果进行分析。结果表明,采用高压水致裂技术后,顶板岩层得以弱化,矿压显现程度降低,起到了防治冲击地压的作用。
为了研究工作区稀土矿分布规律,在系统的野外地质调查基础上,根据江西某区稀土矿的形成过程将其划分为4层,分别为基岩层、半风化层、全风化层下段、全风化层上段。借助电感耦合等离子体质谱研究手段对该区稀土矿开展了元素地球化学研究。结果表明:该稀土矿主要富集轻稀土元素,且稀土元素主要在全风化层上段富集;对比各层位的稀土元素总量发现,从原岩到全风化层下段,以物理风化作用为主,少量为化学风化作用;从全风化层下段到全风化层上段,以化学风化作用为主,即长石和稀土矿物水解形成黏土矿物以及稀土矿物离子。
针对中家山铅锌金银矿马山采区前期浅部民采活动遗留的空区隐患问题,开展了浅埋民采空区综合探测与治理方案研究工作.为避免民采空区次生灾害发生并消除与井下生产相互影响,
监督学习方法对于训练过程中出现的类别的分类性能较好,但在某些场景下需要识别训练过程中从未出现过的类别。零样本学习作为解决这一问题的范式,逐渐成为了机器学习、计算机视觉等领域中的热门研究课题。在本文中,我们提出了一个比较全面的关于零样本学习的综述。首先,对零样本学习进行概述,并将零样本学习按照模型训练中使用数据的不同划分了两种设定,然后描述现有零样本学习方法采取的不同语义空间。其次,对现有的零样本学习方法进行了大致分类,并简单介绍了每种类别的代表性方法。在此基础上,讨论现有零样本学习的实际应用。最后对零样本
猫场铝土矿为特大沉积型铝土矿床,在近几年开采过程中,通过开展采矿方法试验研究不断优化两率指标,回收率逐步提高到65%,但距行业标准和初步设计值相差较大。对采场各类矿量损失情况进行了统计分析,矿柱损失占损失总量的31.4%。为了提高矿柱资源回收,开展了矿柱回收技术研究,并进行现场工业试验。结果表明,矿柱回收工业试验采场回收率达到了80.16%,为类似条件下铝土矿山地下开采矿柱回收提供了理论依据和现场实践经验。
河台金矿被发现后,区内找矿一直没有进展,为解决制约找矿突破的关键问题,通过对河台金矿床进行研究,从成矿地质体、成矿地质构造和成矿结构面、成矿作用特征标志方面进行分析,建立了该矿床的“三位一体”找矿预测模型,指导了区内京村金矿、百旁金矿2个中型金矿的探矿工程部署,近年来更是提交了2个新发现矿产地。证明该找矿预测模型找矿效果良好,在“攻深找盲”工作中具有重要的指导意义,为粤西地区及同类型矿床开展找矿预测工作提供参考。
现有推荐方法通常只利用用户-商品交互二元关系并假设用户对商品只有扁平化的偏好,却忽略了用户层次化的意图和偏好和用户交互的自然过程,即用户首先具有购买某一类型商品的意图,然后在这种意图驱动下,再基于用户偏好选择特定商品。在推荐系统中存在多种不同类型的数据我们称之异构信息,高效地整合这些异构信息有助于提升推荐性能。所以本文提出基于异构信息网络多关系嵌入的层次化意图和偏好进行推荐,本文构建异构信息网络的多关系语义空间学习节点基于特定关系的嵌入。然后利用树来建模层次化意图和偏好,充分利用了用户的结构化决策模式学习