-
公开(公告)号：CN117209180A
公开(公告)日：2023-12-12
申请号：CN202310969836.1
申请日：2023-08-03
Applicant: 中国地质大学(北京) , 中国地质大学(北京)郑州研究院
IPC: C04B12/02
Abstract: 本发明公开一种耐辐射稀土掺杂氟磷灰石水泥，它包括以下重量份的原料：3‑6份Ca(NO3)2·4H2O，1‑3份Tween80，1‑3份CTAB，8‑14份Na3Cit·2H2O，1‑2份NaF，1‑4份(NH4)2HPO4，1‑3份Ln(NO3)3粉末。掺杂磷灰石产物中没有杂质和掺杂物，通过谢乐公式计算得到磷灰石纳米晶体粒径分布集中在100nm左右。磷灰石结晶质量高，通过Jade精修得到此法生成的掺杂氟磷灰石结晶度在99.5％左右。在合成过程中，稀土元素能够充分进入磷灰石晶体结构中，有利于掺杂元素的均匀分布。水热共沉淀法工艺成熟，反应时间、温度、反应物比例均可调节，使用范围广，易于大量生产。
-
公开(公告)号：CN118859319A
公开(公告)日：2024-10-29
申请号：CN202410908510.2
申请日：2024-07-08
Applicant: 中国地质大学(北京)
IPC: G01V1/30 , G06F18/241 , G06N20/00
Abstract: 本申请公开了一种岩石圈岩性组成判别方法、装置及计算机程序产品，方法包括：获取研究区域内的岩石圈温度结构、密度结构数据、纵波速度地球物理剖面/切片数据和横波速度地球物理剖面/切片数据，利用岩石圈温度结构校正纵波速度地球物理剖面/切片数据和横波速度地球物理剖面/切片数据，得到校正后的纵波速度与横波速度，根据密度结构数据、校正后的纵波速度与横波速度计算岩石圈的其他物性参数，将密度结构数据、校正后的纵波速度与横波速度和其他物性参数输入到预先训练好的机器学习分类模型中进行预测，得到岩石圈岩性组成。本申请采用多参数的机器学习判别模型能极大地提升岩石圈岩性组成的准确度且能预测唯一岩性。
-
Patent Agency Ranking
公开(公告)号：CN115148299B
公开(公告)日：2024-09-06
申请号：CN202210832809.5
申请日：2022-07-15
Applicant: 中国地质大学(北京)
IPC: G16C20/20 , G16C20/70 , G06F18/214 , G06F18/2431 , G06N20/00
Abstract: 本发明公开了一种基于XGBoost的矿床类型鉴别方法及系统，收集磷灰石微量元素数据，并构建训练集和测试集；基于XGBoost算法构建机器学习模型，使用所述训练集对机器学习模型进行训练，并使用所述测试集对训练的模型进行评估；将待鉴别的磷灰石微量元素数据输入至得到的机器学习模型，得到矿床成因类型预测结果。相比于传统方法，机器学习模型具有更高的准确率和可信度；可通过磷灰石微量元素鉴别矿床成因类型，和预测未知岩体的成矿潜力；该方法适用性更广，更加便捷。
-
公开(公告)号：CN118587271A
公开(公告)日：2024-09-03
申请号：CN202410870024.6
申请日：2024-07-01
Applicant: 中国地质大学(北京)
Abstract: 本发明公开了一种岩石CT图像分析处理方法，包括图像预处理，图像分割与自动分析，使用OpenCV和PIL对图像进行处理分析，图像预处理包括图像去噪和图像增强；通过设定阈值进行图像分割，对图像分割后的参数信息进行统计，创建与输入图像同维度的零矩阵color_mask，根据颜色的阈值范围更新out_mask和color_mask，使用cv2.findContours函数找到color_mask中的轮廓，针对每个轮廓创建与out_mask同维度的零矩阵each_mask并绘制当前轮廓；将color_mask应用到each_mask上，生成each_color_mask，对每种颜色的所有轮廓，计算总面积，面积占比，以及等效直径。本发明的一种岩石CT图像分析处理方法不仅提供了一种系统性的岩石CT图像处理方法，提高了图像质量；并且能够有效进行孔裂隙提取和不同矿物相识别，进行矿物含量和粒度的自动分析。
-
公开(公告)号：CN118604909A
公开(公告)日：2024-09-06
申请号：CN202410681582.8
申请日：2024-05-29
Applicant: 中国地质大学(北京)
Abstract: 本申请公开了一种基于多种物性参数预测岩石圈主量元素组成的方法及装置，包括：获取研究区域内的纵波速度地球物理剖面/切片数据、横波速度地球物理剖面/切片数据、大地热流数据和全球地壳模型数据，并计算研究区域内的密度；利用大地热流数据和全球地壳模型数据计算研究区域内的岩石圈温度结构，并通过岩石圈温度结构对纵波速度地球物理剖面/切片数据和横波速度地球物理剖面/切片数据进行校正；根据密度、校正后的纵波速度与横波速度计算与主量元素相关性较好的多种物性参数，并输入到预先训练好的各压力下的机器学习回归模型中进行回归预测，得到研究区域内岩石圈主量元素组成。本申请能够更加准确的预测岩石圈化学组成。
-
公开(公告)号：CN115148299A
公开(公告)日：2022-10-04
申请号：CN202210832809.5
申请日：2022-07-15
Applicant: 中国地质大学(北京)
Abstract: 本发明公开了一种基于XGBoost的矿床类型鉴别方法及系统，收集磷灰石微量元素数据，并构建训练集和测试集；基于XGBoost算法构建机器学习模型，使用所述训练集对机器学习模型进行训练，并使用所述测试集对训练的模型进行评估；将待鉴别的磷灰石微量元素数据输入至得到的机器学习模型，得到矿床成因类型预测结果。相比于传统方法，机器学习模型具有更高的准确率和可信度；可通过磷灰石微量元素鉴别矿床成因类型，和预测未知岩体的成矿潜力；该方法适用性更广，更加便捷。
-
公开(公告)号：CN115240191A
公开(公告)日：2022-10-25
申请号：CN202210726570.3
申请日：2022-06-24
Applicant: 中国地质大学(北京)
IPC: G06V20/69 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于深度学习下对显微镜下金属矿物的识别方法，通过获取待识别的显微镜下未知金属矿物图像，将所述显微镜下未知金属矿物图像进行预处理，得到第一目标图像，将所述第一目标图像输入到预先训练好的神经网络模型中，得到所述未知金属矿物的种类。本发明利用图像识别的技术，对大量镜下图像进行金属矿物的识别，从而得到关于岩相特征更为全面的判断，成本低，同时该判断过程也排除了人为估计的主观性和环境因素的干扰，提高识别准确率，且扩大了使用范围，较传统图像识别方法更加注重数据驱动进行特征提取，鲁棒性、泛化能力强。
-
-
-
-
-
-
Search Results
7
records
(took 0.029 seconds)
