基于BP神经网络的南方红土物源识别研究——以浙江为例.pdf

基于BP神经网络的南方红土物源识别研究——以浙江为例.pdf

ID:51200545

大小:13.05 MB

页数:69页

时间:2020-03-21

基于BP神经网络的南方红土物源识别研究——以浙江为例.pdf_第1页
基于BP神经网络的南方红土物源识别研究——以浙江为例.pdf_第2页
基于BP神经网络的南方红土物源识别研究——以浙江为例.pdf_第3页
基于BP神经网络的南方红土物源识别研究——以浙江为例.pdf_第4页
基于BP神经网络的南方红土物源识别研究——以浙江为例.pdf_第5页
基于BP神经网络的南方红土物源识别研究——以浙江为例.pdf_第6页
基于BP神经网络的南方红土物源识别研究——以浙江为例.pdf_第7页
基于BP神经网络的南方红土物源识别研究——以浙江为例.pdf_第8页
基于BP神经网络的南方红土物源识别研究——以浙江为例.pdf_第9页
基于BP神经网络的南方红土物源识别研究——以浙江为例.pdf_第10页
资源描述:

《基于BP神经网络的南方红土物源识别研究——以浙江为例.pdf》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、M陵TERIAI.SoURCESoFLATERITEINSoUTHOFCⅢNABASEDONBPNEURAI。NETWoRKS—_TAⅪNGZHE朋队NGPROⅥNCEASANEXAMPLEDisSertationSubmittedtoZhejiangNormalUniversityPhysicalGeographyFortheDegreeofMasterofSciencePresentedbyPengchiAcceptedontherecommendationofProfessorYeweiJune,2013基于BP神经网络的南方红土物源识别研究摘要

2、——以浙江为例㈣舢M/JJIIJlllfllllllJIfllllllY2414238中亚热带地区广泛分布多种类型的第四纪沉积物,而它们之间的物质联系研究相对较少,特别是广泛分布于中国江南丘陵地区的南方红土,其与北方黄土、下蜀黄土、老红砂等沉积物之间的物质联系还不明确,论文分析并选取南方红土的可能物源区—下蜀黄土、长江河漫滩沉积物、老红砂沉积以及本地花岗岩风化壳的典型剖面进行采样,参照前人关于北方黄土和南方红土的物质联系研究成果和方法,提取表生条件下相对稳定,能反映沉积物物源信息的地球化学参数建立BP神经网络模型,对南方红土进行模式的识别分类;尝试探讨

3、南方红土与其它沉积物之间的物质联系。论文选取了在表生环境中相对稳定的Ti、甜、se、Ⅻ)、Cr、Co等地球化学参数,利用长江河漫滩沉积物(CJ),下蜀黄土新港剖面(XG),老红砂青峰剖面(QF)、东沙剖面(DS)和新昌儒岙花岗岩风化壳(RA)样本建立BP神经网络模型。对位于安徽宣城的福禄砖厂剖面(FL)、福家湾剖面(FJW),浙江金华的月塘剖面(Ⅵ’)、罗店剖面(LD)、仙桥剖面(XQ)、白沙溪剖面(BSX)、义乌剖面(YW)、浦江剖面(PJ),以及浙江舟山的庙子湖剖面(MZH)样本进行BP神经网络的识别分类。主要结论如下:.(1)南方红土(以浙江红土

4、为例)的主要物源区为长江河漫滩沉积物(CJ),来自西北地区的粉尘对其组分也有一定的影响,东沙老红砂(DS)和儒岙花岗岩(RA)只是在部分剖面对南方红土沉积的影响较为显著,并不具有广泛性,而青峰老红砂(QF)与其的物质联系在考虑可能的模型误差的情况下可以忽略。分别以CJ-XG.OF、CJ-XG-DS、CJ-XG-RA作为可能物源区建立的BP神经网络模型对南方红土沉积的识别都显示长江河漫滩沉积物(CJ)与南方红土的物质联系最为紧密,三个BP神经网络模型分别把69.86%、73.06%和69.86%的南方红土沉积物样本识别分类为长江河漫滩沉积物(cJ):被识

5、别分类为新港下蜀黄土沉积(XG)的南方红土样本比例分别为:28.31%、20.55%、23.74%;被识别分类为青峰老红砂沉积(QF)的只有1.83%,考虑到可能的模型系统误差,其影响几乎可以忽略不计;而被识别分类为东沙老红砂沉积(DS)和儒岙花岗岩风化壳(I认)的比例均为6.39%,总体比例不高,且主要存在于BSX和YW两个剖面,并不具有广泛性。(2)南方红土受到来自北方粉尘的影响自北向南逐渐减少,受到长江河漫滩沉积物(CJ)的影响自北向南逐渐增大。安徽宣城红土(XC)和浙江金华红土(Ⅲ)的识别分类结果显示,安徽宣城红土(XC)被三种BP神经网络识别

6、分类为长江河漫滩沉积物(CJ)的样本比例分别为65.12%、72.09%和65.12%,而浙江金华红土(m)被识别分类为长江河漫滩沉积物(CJ)的样本比例分别为75.56%、78.52%和72.59%;相应的安徽宣城红土(XC)被识别为新港下蜀黄土沉积(XG)的比例分别为32.56%、25.58%、34.88%,浙江金华红土(m)分别为22.96%、12.59%、17.04%。而浙江舟山庙子湖红土沉积(MZH)的识别分类结果与安徽宣城更为接近,可能是由于其位置较浙江金华更靠北有关。(3)北方粉尘的南界可能到达了长江以南的地区,安徽宣城一线和浙江舟山受到

7、来自北方粉尘的较大影响,不过到浙江金华附近其影响已经相对微小。BP神经网络模型在安徽宣城和浙江金华红土两地的识别分类结果显示,在安徽宣城地区,红土样本被识别分类为下蜀黄土的样本达到30%左右,’而到了浙江金华这一比例下降了差不多一半。这也在一定程度上说明冰期时期东亚冬季风的影响范围较今日为宽广。●(4)下蜀黄土风成成因虽然已经被广泛接受,但其物源尚存在争论,鉴于长江河漫滩沉积(CJ)的影响扩展到了浙江金华地区,可以推测下蜀黄土的物源应该不是单一的西北戈壁沙漠或北方黄土,而是远源的西北粉尘和近源的长江河漫滩沉积物(cJ)共同作用的结果。●关键词:南方红土

8、;BP神经网络;物质来源;地球化学特征;浙江ⅡMATERIAI,SOURCESOFI,ATER

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。