CN113076651A - 基于宇宙成因核素恢复基岩剥露历史的方法及相关装置 - Google Patents
基于宇宙成因核素恢复基岩剥露历史的方法及相关装置 Download PDFInfo
- Publication number
- CN113076651A CN113076651A CN202110390878.0A CN202110390878A CN113076651A CN 113076651 A CN113076651 A CN 113076651A CN 202110390878 A CN202110390878 A CN 202110390878A CN 113076651 A CN113076651 A CN 113076651A
- Authority
- CN
- China
- Prior art keywords
- peeling
- history
- minimum exposure
- curve
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了基于宇宙成因核素恢复基岩剥露历史的方法及相关装置,方法包括:采用蒙特卡洛算法假设多条剥露历史曲线,并计算每一条剥露历史曲线对应的模拟最小暴露年龄;根据目标最小暴露年龄和模拟最小暴露年龄计算拟合度;通过拟合度在剥露历史曲线中选取目标最小暴露年龄对应的目标模拟剥露历史曲线;计算目标模拟剥露历史曲线的平均值,得到目标最小暴露年龄对应的平均剥露历史曲线。本申请可以为通过宇宙成因核素恢复基岩的剥露历史研究提供一种高效可行的方案。
Description
技术领域
本申请涉及地质学领域,尤其涉及基于宇宙成因核素恢复基岩剥露历史的方法及相关装置。
背景技术
剥露历史是指岩石相对于地表的位移变化。这个概念通常在百万年至千万年尺度的时间范围,地壳浅部几公里的空间范围,伴随着地质热年代学的发展而被广泛应用。剥露速率与剥蚀速率大小相等,方向相反(剥露速率以向上为正,而剥蚀速率以向下为正)。对于千年尺度几米范围的剥露而言,由于受研究方法和技术手段的制约,从岩石剥露历史的角度来研究尚属空白。而且,小尺度岩石的剥露历史又与人类密切相关,对于揭示地表过程及其人类活动的影响意义重大。
自上世纪80年代以来,随着加速器质谱(AMS)技术的发展,宇宙成因核素在地质年代学研究方面得到了广泛的重视和应用,这也使研究和恢复千年尺度数米范围的岩石剥露历史成为可能。然而,宇宙成因核素也存在一些亟待解决的问题,其中比较突出的是数据的解释问题。通常在计算暴露年龄时会假设连续均一的剥蚀速率或者假设剥蚀速率为0,这就忽略了岩石暴露地表之前在近地表附近的垂向位移变化,也忽略了剥露过程的存在性以及具有的潜在复杂性。因此,当前宇宙成因核素研究中缺乏对基岩样品的剥露历史的相关研究。
发明内容
本申请提供了基于宇宙成因核素恢复基岩剥露历史的方法及相关装置,可以为通过宇宙成因核素恢复基岩的剥露历史研究提供一种高效可行的方案。
有鉴于此,本申请第一方面提供了基于宇宙成因核素恢复基岩剥露历史的方法,包括:
采用蒙特卡洛算法假设多条剥露历史曲线,并计算每一条所述剥露历史曲线对应的模拟最小暴露年龄;
根据目标最小暴露年龄和所述模拟最小暴露年龄计算拟合度;
通过所述拟合度在所述剥露历史曲线中选取所述目标最小暴露年龄对应的目标模拟剥露历史曲线;
计算所述目标模拟剥露历史曲线的平均值,得到所述目标最小暴露年龄对应的平均剥露历史曲线。
可选的,所述目标最小暴露年龄的获取过程为:
根据有限差分变换后的预置核素浓度公式绘制预设剥露历史曲线;
根据所述预设剥露历史曲线计算所述目标最小暴露年龄。
可选的,所述计算所述目标模拟剥露历史曲线的平均值,得到所述目标最小暴露年龄对应的平均剥露历史曲线,之后还包括:
将所述平均剥露历史曲线与所述预设剥露历史曲线进行对比,得到模拟精确度。
可选的,所述根据有限差分变换后的预置核素浓度公式绘制预设剥露历史曲线,还包括:
依据最小暴露年龄偏差值对所述预设剥露历史曲线的绘制时间步长进行测试,得到最佳时间步长。
本申请第二方面提供了基于宇宙成因核素恢复基岩剥露历史的装置,包括:
模拟单元,用于采用蒙特卡洛算法假设多条剥露历史曲线,并计算每一条所述剥露历史曲线对应的模拟最小暴露年龄;
第一计算单元,用于根据目标最小暴露年龄和所述模拟最小暴露年龄计算拟合度;
选取单元,用于通过所述拟合度在所述剥露历史曲线中选取所述目标最小暴露年龄对应的目标模拟剥露历史曲线;
第二计算单元,用于计算所述目标模拟剥露历史曲线的平均值,得到所述目标最小暴露年龄对应的平均剥露历史曲线。
可选的,所述目标最小暴露年龄的获取过程为:
根据有限差分变换后的预置核素浓度公式绘制预设剥露历史曲线;
根据所述预设剥露历史曲线计算所述目标最小暴露年龄。
可选的,还包括:
对比单元,用于将所述平均剥露历史曲线与所述预设剥露历史曲线进行对比,得到模拟精确度。
可选的,还包括:
测试单元,用于依据最小暴露年龄偏差值对所述预设剥露历史曲线的绘制时间步长进行测试,得到最佳时间步长。
本申请第三方面提供了基于宇宙成因核素恢复基岩剥露历史的设备,所述设备包括处理器以及存储器;
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行第一方面所述的基于宇宙成因核素恢复基岩剥露历史的方法。
本申请第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质用于存储程序代码,所述程序代码用于执行第一方面所述的基于宇宙成因核素恢复基岩剥露历史的方法。
从以上技术方案可以看出,本申请实施例具有以下优点:
本申请中,提供了基于宇宙成因核素恢复基岩剥露历史的方法,包括:采用蒙特卡洛算法假设多条剥露历史曲线,并计算每一条剥露历史曲线对应的模拟最小暴露年龄;根据目标最小暴露年龄和模拟最小暴露年龄计算拟合度;通过拟合度在剥露历史曲线中选取目标最小暴露年龄对应的目标模拟剥露历史曲线;计算目标模拟剥露历史曲线的平均值,得到目标最小暴露年龄对应的平均剥露历史曲线。
本申请提供的基于宇宙成因核素恢复基岩剥露历史的方法,采用蒙特卡洛算法进行随机模拟,得到一些剥露历史曲线,每一条曲线都可以计算到对应的模拟最小暴露年龄,作为供筛选的数据集;计算目标最小暴露年龄与模拟最小暴露年龄之间的拟合度是为了在剥露历史曲线中选取更加贴合目标最小暴露年龄的曲线,即目标模拟剥露历史曲线;以均值曲线的方式表示目标最小暴露年龄的剥露历史曲线能够提升表征准确性,操作过程简单可执行,且筛选得到的剥露历史曲线可靠性高。因此,本申请可以为通过宇宙成因核素恢复基岩的剥露历史研究提供一种高效可行的方案。
附图说明
图1为本申请实施例提供的基于宇宙成因核素恢复基岩剥露历史的方法的流程示意图;
图2为本申请实施例提供的基于宇宙成因核素恢复基岩剥露历史的装置的结构示意图;
图3为本申请实施例提供的假设剥露历史曲线图一;
图4为本申请实施例提供的假设剥露历史曲线图二;
图5为本申请实施例提供的时间步长测试曲线图一;
图6为本申请实施例提供的时间步长测试曲线图二;
图7为本申请实施例提供的模拟剥露历史曲线对比图一;
图8为本申请实施例提供的模拟剥露历史曲线对比图二;
图9为本申请实施例提供的秦岭太白山基岩10Be剥露历史模拟结果;
图10为本申请实施例提供的青藏高原Drolung Co湖10Be与26Al剥露历史模拟结果;
图11为本申请实施例提供的喜马拉雅山南坡10Be剥露历史模拟结果;
图12为本申请实施例提供的图11深度接近0处的曲线局部放大走势图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
为了便于理解,请参阅图1,本申请提供的基于宇宙成因核素恢复基岩剥露历史的方法的实施例一,包括:
步骤101、采用蒙特卡洛算法假设多条剥露历史曲线,并计算每一条剥露历史曲线对应的模拟最小暴露年龄。
蒙特卡洛算法(Monte Carlo method)也称统计模拟方法,是一种以概率统计理论为指导的一类非常重要的数值计算方法。是指使用随机数(或伪随机数)来解决多种计算问题的方法。本申请实施例中采用蒙特卡洛算法获取N各随机数,然后将这些随机数的点进行连接,绘制出剥露历史曲线;获取的随机数的点数量较多,得到的剥露历史曲线条数也较多,可以根据实际情况调整数量大小。
每一条剥露历史曲线可以表达一种基岩随时间的剥露过程,通过核素的浓度变化情况可以计算到一个模拟最小暴露年龄。一条剥露历史曲线对应一个最小暴露年龄,但是一个最小暴露年龄可以对应多条不同的暴露历史曲线,即最小暴露年龄与剥露历史曲线是一对多的关系。
步骤102、根据目标最小暴露年龄和模拟最小暴露年龄计算拟合度。
拟合度的计算是为了找到与目标最小暴露年龄最接近的一些模拟最小暴露年龄,具体的可以通过拟合度计算公式进行计算:
其中,O为待测样品的目标最小暴露年龄,M为模拟最小暴露年龄,σ为标准差。不同的标准差值可以得到不同的拟合度,例如当σ=0.67时,GOF=0.5;当σ=1.96时,GOF=0.05;本实施例中可以设置在GOF≥0.05为可接受范围,GOF≥0.5为高精度范围。
进一步地,目标最小暴露年龄的获取过程为:
根据有限差分变换后的预置核素浓度公式绘制预设剥露历史曲线;
根据预设剥露历史曲线计算目标最小暴露年龄。
需要说明的是,不同的深度宇宙成因核素的生成速率是不同的,所以导致最终的核素浓度成为样品在一定时间内经历不同深度的累积结果。核素生成速率随深度变化的关系可以表达为:
P(z)=P0·e-ρz/Λ;
其中,P为距地表深度为z(m)处的核素生成速率(原子数/(g·a));Λ为宇宙射线在岩石中的平均吸收自由程(g/cm2);ρ为岩石的密度(g/cm3);P0为地表核素生成速率(原子数/(g·a));P0可以采用地表岩石中石英的10Be和26Al产生率的估计模型:
P0(L,y)=a(L)+b(L)y+c(L)y2+d(L)y3;
其中,L为不同地磁纬度;y为海拔高度;a、b、c和d均为常数,随地磁纬度而变化。
在假设地表生成速率不变的情况下,核素浓度随时间的变化关系记作预置核素浓度公式,表达为:
dN/dt=P(z)-λN(t);
其中,N(t)为核素浓度(原子数/g);λ为核素衰变常数;t为时间。
将预置核素浓度公式进行有限差分处理,可以得到:
(Nj+1-Nj)/Δt=P(z)-λNj;
其中,核素初始浓度为N1=0,是位于模拟区间最大深度zmax处的核素浓度。当zmax超过10cm深度后,P接近于0,因此,设N1=0。根据此公式可以进行预设剥露历史曲线绘制,并根据预设剥露历史曲线计算对应的目标最小暴露年龄。
请参阅图3和图4,给出两种不同剥露过程,假设剥露的深度范围是0-15m;时间范围是0-50ka(ka为时间单位,1ka为1千年);正演过程中,设置时间步数为2000,地磁纬度为30°,10Be和26Al衰变常数分别是0.51×10-6(a-1)与0.967×10-6(a-1),Λ=160g/cm2,ρ=2.7g/cm3。图3对应的10Be、26Al地表核素浓度计算结果分别为2.2、13.5(105原子数/g),最小暴露年龄均为0.6ka;最小暴露年龄标准误差取最小暴露年龄值的20%。图4对应的10Be、26Al地表核素浓度计算结果分别为4.0、23.9(105原子数/g),最小暴露年龄均为10.7ka;最小暴露年龄标准误差取最小暴露年龄值的10%。
可以理解的是,上述仅给出两种岩石的剥露历史走势示例,不同的核素在不同的情况下可以获取到多种不同的上述曲线,具体的计算如上例,在此不再赘述。另外,以上为实验室中为了获取基准数据进行正演试验,实际情况一般是直接计算获取到的未知岩石的目标最小暴露年龄,进行后续的反演操作。实验室获取的目标最小暴露年龄是根据已知的输入剥露历史曲线得到的,因此,预设剥露历史曲线可以作为下述反演过程中模拟得到的剥露曲线的准确度验证基准。
进一步地,还包括:
依据最小暴露年龄偏差值对预设剥露历史曲线的绘制时间步长进行测试,得到最佳时间步长。
为了提升实验室得到的预设剥露历史曲线的精确度,可以增设时间步长测试实验,将从100到10000的时间按照100的时间步长进行划分,得到不同的预设剥露历史曲线,并计算相应的最小暴露年龄,接着计算对应的最小暴露年龄偏差百分比值。
具体的,请参阅图5和图6,对应于上述的实验,两种不同剥露过程对应的时间步长与偏差值的变化如图5和图6所示,即图5对应与图3,图6对应于图4。当时间步长大于2000时,图5的偏差约为2%(10Be、26Al的偏差相同),图6的偏差约为0.1%左右;这说明在离地表最近的几米范围内的剥露过程中,剥露速率越小,时间步长越大,得到的偏差越小。依据这一特性可以确定最佳时间步长,减小最小暴露年龄的偏差。
步骤103、通过拟合度在剥露历史曲线中选取目标最小暴露年龄对应的目标模拟剥露历史曲线。
根据上述设置的拟合度不同的范围,可以筛选出最接近于目标最小暴露年龄的模拟最小暴露年龄,以及对应的目标模拟剥露历史曲线;一般会存在多条符合条件的剥露历史曲线;只要符合条件均可保留。
步骤104、计算目标模拟剥露历史曲线的平均值,得到目标最小暴露年龄对应的平均剥露历史曲线。
对应于上述实验,可以求取所有目标模拟剥露历史曲线的平均值,得到一条平均剥露历史曲线作为目标最小暴露年龄对应的剥露历史。请参阅图7和图8,其中虚线为平均剥露历史曲线,实线为预设剥露历史曲线。可以发现,模拟得到的平均剥露历史曲线与预设剥露历史曲线的吻合度较高,但深度较大的区间的偏差较大,这说明剥露历史反演过程中,距离地表最近的几米范围内是最敏感的模拟区间,模拟准确度较高。
图7中5m处的剥露历史曲线吻合度最佳;图8中10ka至今的范围内的剥露历史曲线吻合度最佳,15ka的转折趋势吻合度也较高。因此,本申请实施例的方法能够为短时间尺度的基岩剥露历史研究提供一定的理论指导。
进一步地,步骤104之后还包括:将平均剥露历史曲线与预设剥露历史曲线进行对比,得到模拟精确度。
图7和图8中的双曲线拟合的过程即为两种曲线的对比过程,主要分析曲线的吻合度的高低,以及曲线走势是否相同。
本申请实施例提供的基于宇宙成因核素恢复基岩剥露历史的方法,采用蒙特卡洛算法进行随机模拟,得到一些剥露历史曲线,每一条曲线都可以计算到对应的模拟最小暴露年龄,作为供筛选的数据集;计算目标最小暴露年龄与模拟最小暴露年龄之间的拟合度是为了在剥露历史曲线中选取更加贴合目标最小暴露年龄的曲线,即目标模拟剥露历史曲线;以均值曲线的方式表示目标最小暴露年龄的剥露历史曲线能够提升表征准确性,操作过程简单可执行,且筛选得到的剥露历史曲线可靠性高。因此,本申请实施例可以为通过宇宙成因核素恢复基岩的剥露历史研究提供一种高效可行的方案。
为了便于理解,本申请提供几个实例分析:
1)秦岭太白山基岩10Be反演:对采自秦岭太白山三爷海冰坎基岩TBS-1001-1样品的10Be进行了剥露历史反演,研究区地处北纬30度左右,因此地磁纬度取30度,海拔3490m,10Be浓度6.71±0.21(105原子数/g),获得的反演结果见图9,即平均剥露历史曲线。从图9中可以看出在14ka左右,模拟精确度明显增高;在14ka左右样品已经进入最后1m以内的剥露,剥露速率变为0.02~0.03m/ka左右;在14ka左右之前剥露速率发生转折,在14ka左右之前呈现相对快速的剥露。图9中的不同程度的阴影区域反映的是不同的拟合度,浅灰度大面积区域是拟合度可接收范围,深灰度小面积区域是高精度范围,下述示例图中的灰度区域同此理,不再赘述。
2)青藏高原Drolung Co湖10Be与26Al的联合反演:对采自雅鲁藏布江南岸的Drolung Co湖基岩的TB02样品的10Be与26Al进行了剥露历史联合反演,研究区地处北纬30度左右,因此地磁纬度取30度,10Be与26Al的地表浓度产生率分别为82.3与502(原子数/(g·a))。10Be与26Al的浓度分别为0.31±0.02与1.97±0.15(106原子数/g),获得的反演操作后的平均剥露历史曲线见图10。从图10中可以看出,4ka左右以内,模拟精确度明显增高;在4ka左右样品已经进入最后1m以内的剥露,剥露速率变为0.1m/ka左右;在5ka左右之前剥露速率发生转折,在5ka左右之前呈现相对快速的剥露。
3)喜马拉雅山南坡10Be反演:对采自喜马拉雅山南坡盆地中的03WBS1样品的10Be进行了剥露历史反演。研究区地处北纬30度左右,因此地磁纬度取30度。其样品为快速堆积沉积物,源区海拔为643–1325m,本文假设源区高度为其均值984m,10Be浓度6.0±0.5(103原子数/g)。获得的反演操作后的平均剥露历史曲线见图11,图12为图11的局部放大图。从图11和图12可以看出,1ka左右以内,模拟精确度明显增高;在1ka左右样品已经进入最后1m的剥露,剥露速率变为1m/ka左右;在1ka左右之前,剥露速率并没有发生明显转折,说明这种快速剥露从几千年前一直持续至今。
综合所述可以发现,原地宇宙核素的剥露历史可以半定量恢复,且距离地表越近,模拟结果精确度越高。这对当前基岩的剥露历史研究具有一定理论指导意义。
以上为本申请提供的基于宇宙成因核素恢复基岩剥露历史的方法的一个实施例,以下为本申请提供的基于宇宙成因核素恢复基岩剥露历史的装置的一个实施例。
为了便于理解,请参阅图2,本申请提供了基于宇宙成因核素恢复基岩剥露历史的装置的实施例,包括:
模拟单元201,用于采用蒙特卡洛算法假设多条剥露历史曲线,并计算每一条剥露历史曲线对应的模拟最小暴露年龄;
第一计算单元202,用于根据目标最小暴露年龄和模拟最小暴露年龄计算拟合度;
选取单元203,用于通过拟合度在剥露历史曲线中选取目标最小暴露年龄对应的目标模拟剥露历史曲线;
第二计算单元204,用于计算目标模拟剥露历史曲线的平均值,得到目标最小暴露年龄对应的平均剥露历史曲线。
进一步地,目标最小暴露年龄的获取过程为:
根据有限差分变换后的预置核素浓度公式绘制预设剥露历史曲线;
根据预设剥露历史曲线计算目标最小暴露年龄。
进一步地,还包括:
对比单元,用于将平均剥露历史曲线与预设剥露历史曲线进行对比,得到模拟精确度。
进一步地,还包括:
测试单元,用于依据最小暴露年龄偏差值对预设剥露历史曲线的绘制时间步长进行测试,得到最佳时间步长。
本申请实施例提供的基于宇宙成因核素恢复基岩剥露历史的方法,采用蒙特卡洛算法进行随机模拟,得到一些剥露历史曲线,每一条曲线都可以计算到对应的模拟最小暴露年龄,作为供筛选的数据集;计算目标最小暴露年龄与模拟最小暴露年龄之间的拟合度是为了在剥露历史曲线中选取更加贴合目标最小暴露年龄的曲线,即目标模拟剥露历史曲线;以均值曲线的方式表示目标最小暴露年龄的剥露历史曲线能够提升表征准确性,操作过程简单可执行,且筛选得到的剥露历史曲线可靠性高。因此,本申请可以为通过宇宙成因核素恢复基岩的剥露历史研究提供一种高效可行的方案。
以上为本申请提供的基于宇宙成因核素恢复基岩剥露历史的装置的一个实施例,以下为本申请提供的基于宇宙成因核素恢复基岩剥露历史的设备的实施例。
本申请还提供了基于宇宙成因核素恢复基岩剥露历史的设备,设备包括处理器以及存储器;
存储器用于存储程序代码,并将程序代码传输给处理器;
处理器用于根据程序代码中的指令执行上述方法实施例中的基于宇宙成因核素恢复基岩剥露历史的方法。
本申请还提供了一种计算机可读存储介质,计算机可读存储介质用于存储程序代码,程序代码用于执行上述方法实施例中的基于宇宙成因核素恢复基岩剥露历史的方法。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以通过一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文全称:Read-OnlyMemory,英文缩写:ROM)、随机存取存储器(英文全称:Random Access Memory,英文缩写:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.基于宇宙成因核素恢复基岩剥露历史的方法,其特征在于,包括:
采用蒙特卡洛算法假设多条剥露历史曲线,并计算每一条所述剥露历史曲线对应的模拟最小暴露年龄;
根据目标最小暴露年龄和所述模拟最小暴露年龄计算拟合度;
通过所述拟合度在所述剥露历史曲线中选取所述目标最小暴露年龄对应的目标模拟剥露历史曲线;
计算所述目标模拟剥露历史曲线的平均值,得到所述目标最小暴露年龄对应的平均剥露历史曲线。
2.根据权利要求1所述的基于宇宙成因核素恢复基岩剥露历史的方法,其特征在于,所述目标最小暴露年龄的获取过程为:
根据有限差分变换后的预置核素浓度公式绘制预设剥露历史曲线;
根据所述预设剥露历史曲线计算所述目标最小暴露年龄。
3.根据权利要求2所述的基于宇宙成因核素恢复基岩剥露历史的方法,其特征在于,所述计算所述目标模拟剥露历史曲线的平均值,得到所述目标最小暴露年龄对应的平均剥露历史曲线,之后还包括:
将所述平均剥露历史曲线与所述预设剥露历史曲线进行对比,得到模拟精确度。
4.根据权利要求2所述的基于宇宙成因核素恢复基岩剥露历史的方法,其特征在于,所述根据有限差分变换后的预置核素浓度公式绘制预设剥露历史曲线,还包括:
依据最小暴露年龄偏差值对所述预设剥露历史曲线的绘制时间步长进行测试,得到最佳时间步长。
5.基于宇宙成因核素恢复基岩剥露历史的装置,其特征在于,包括:
模拟单元,用于采用蒙特卡洛算法假设多条剥露历史曲线,并计算每一条所述剥露历史曲线对应的模拟最小暴露年龄;
第一计算单元,用于根据目标最小暴露年龄和所述模拟最小暴露年龄计算拟合度;
选取单元,用于通过所述拟合度在所述剥露历史曲线中选取所述目标最小暴露年龄对应的目标模拟剥露历史曲线;
第二计算单元,用于计算所述目标模拟剥露历史曲线的平均值,得到所述目标最小暴露年龄对应的平均剥露历史曲线。
6.根据权利要求5所述的基于宇宙成因核素恢复基岩剥露历史的装置,其特征在于,所述目标最小暴露年龄的获取过程为:
根据有限差分变换后的预置核素浓度公式绘制预设剥露历史曲线;
根据所述预设剥露历史曲线计算所述目标最小暴露年龄。
7.根据权利要求5所述的基于宇宙成因核素恢复基岩剥露历史的装置,其特征在于,还包括:
对比单元,用于将所述平均剥露历史曲线与所述预设剥露历史曲线进行对比,得到模拟精确度。
8.根据权利要求5所述的基于宇宙成因核素恢复基岩剥露历史的装置,其特征在于,还包括:
测试单元,用于依据最小暴露年龄偏差值对所述预设剥露历史曲线的绘制时间步长进行测试,得到最佳时间步长。
9.基于宇宙成因核素恢复基岩剥露历史的设备,其特征在于,所述设备包括处理器以及存储器;
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行权利要求1-4任一项所述的基于宇宙成因核素恢复基岩剥露历史的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质用于存储程序代码,所述程序代码用于执行权利要求1-4任一项所述的基于宇宙成因核素恢复基岩剥露历史的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110390878.0A CN113076651B (zh) | 2021-04-12 | 2021-04-12 | 基于宇宙成因核素恢复基岩剥露历史的方法及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110390878.0A CN113076651B (zh) | 2021-04-12 | 2021-04-12 | 基于宇宙成因核素恢复基岩剥露历史的方法及相关装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113076651A true CN113076651A (zh) | 2021-07-06 |
CN113076651B CN113076651B (zh) | 2023-05-12 |
Family
ID=76617411
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110390878.0A Active CN113076651B (zh) | 2021-04-12 | 2021-04-12 | 基于宇宙成因核素恢复基岩剥露历史的方法及相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113076651B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113325458A (zh) * | 2021-08-02 | 2021-08-31 | 中国科学院地质与地球物理研究所 | 一种地外样品氩-氩年龄和宇宙暴露年龄的联测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107729595A (zh) * | 2017-08-25 | 2018-02-23 | 上海同继地质科技有限公司 | 低温年代学热史模拟方法及系统 |
CN108133072A (zh) * | 2017-11-17 | 2018-06-08 | 上海同继地质科技有限公司 | 云母Ar-Ar年代学热史模拟方法及系统 |
CN111009179A (zh) * | 2019-10-23 | 2020-04-14 | 上海同继地质科技有限公司 | 剥蚀厚度的确定方法及装置 |
CN111582554A (zh) * | 2020-04-17 | 2020-08-25 | 北京农业信息技术研究中心 | 一种农作物长势预测方法及系统 |
CN111753406A (zh) * | 2020-06-08 | 2020-10-09 | 上海同继地质科技有限公司 | 基于单扩散域Ar-Ar阶段加热年龄谱的热史模拟方法和装置 |
-
2021
- 2021-04-12 CN CN202110390878.0A patent/CN113076651B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107729595A (zh) * | 2017-08-25 | 2018-02-23 | 上海同继地质科技有限公司 | 低温年代学热史模拟方法及系统 |
CN108133072A (zh) * | 2017-11-17 | 2018-06-08 | 上海同继地质科技有限公司 | 云母Ar-Ar年代学热史模拟方法及系统 |
CN111009179A (zh) * | 2019-10-23 | 2020-04-14 | 上海同继地质科技有限公司 | 剥蚀厚度的确定方法及装置 |
CN111582554A (zh) * | 2020-04-17 | 2020-08-25 | 北京农业信息技术研究中心 | 一种农作物长势预测方法及系统 |
CN111753406A (zh) * | 2020-06-08 | 2020-10-09 | 上海同继地质科技有限公司 | 基于单扩散域Ar-Ar阶段加热年龄谱的热史模拟方法和装置 |
Non-Patent Citations (3)
Title |
---|
周祖翼,许长海,P.W.REINERS,杨凤丽,R.A.DONELICK: "大别山天堂寨地区晚白垩世以来剥露历史的(U-Th)/He和裂变径迹分析证据", 科学通报 * |
胡宗凯 等: "博罗可努-阿齐克库都克断裂精河段晚更新世以来的断错地貌和走滑速率", 《地震地质》 * |
黄费新 等: "原地生成宇宙成因核素测年技术思考(一) : 稳态侵蚀等式解出的ε 是当前地表侵蚀速率", 《地质与勘探》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113325458A (zh) * | 2021-08-02 | 2021-08-31 | 中国科学院地质与地球物理研究所 | 一种地外样品氩-氩年龄和宇宙暴露年龄的联测方法 |
CN113325458B (zh) * | 2021-08-02 | 2021-10-29 | 中国科学院地质与地球物理研究所 | 一种地外样品氩-氩年龄和宇宙暴露年龄的联测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113076651B (zh) | 2023-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Rigby et al. | Role of atmospheric oxidation in recent methane growth | |
Beck et al. | Spatial bias in the GBIF database and its effect on modeling species' geographic distributions | |
Rood et al. | Chronology of glaciations in the Sierra Nevada, California, from 10Be surface exposure dating | |
Gao et al. | Long-term, medium spatial resolution annual land surface phenology with a Bayesian hierarchical model | |
Bodri | A neural-network model for earthquake occurrence | |
Yip et al. | A hidden Markov model for earthquake prediction | |
CN116360000B (zh) | 一种地壳物质结构的航空磁法探测方法 | |
CN112668238A (zh) | 一种降雨量处理方法、装置、设备和存储介质 | |
Abril | On the use of 210Pb-based records of sedimentation rates and activity concentrations for tracking past environmental changes | |
CN113076651A (zh) | 基于宇宙成因核素恢复基岩剥露历史的方法及相关装置 | |
Mir et al. | An improved imputation method for accurate prediction of imputed dataset based radon time series | |
Yu et al. | The Medium‐to‐Short‐Term Earthquake Predictions in China and Their Evaluations Based on the R‐Score | |
Abril-Hernández | 210Pb-based dating of recent sediments with the χ-mapping version of the Constant Sediment Accumulation Rate (CSAR) model | |
Rundle et al. | Nowcasting earthquakes with stochastic simulations: Information entropy of earthquake catalogs | |
EP2972513B1 (en) | Direct fluid indicators in multiple segment prospects | |
Mukherjee et al. | Bayesian statistical modeling of spatially correlated error structure in atmospheric tracer inverse analysis | |
Thompson et al. | The Gumbel hypothesis test for left censored observations using regional earthquake records as an example | |
Shaochuan | Scalable Bayesian multiple changepoint detection via auxiliary uniformisation | |
Iwata | Decomposition of seasonality and long‐term trend in seismological data: A Bayesian modelling of earthquake detection capability | |
Trenary et al. | Advancing interpretability of machine-learning prediction models | |
Lasocki et al. | Assessing the role of stress transfer on aftershock locations | |
Bermúdez et al. | A new Poissonian algorithm for the determination of fission-track ages | |
Michalak | Adapting a fixed-lag Kalman smoother to a geostatistical atmospheric inversion framework | |
Zhao et al. | Identification of multi-mineral-species geochemical anomalies using Bayesian maximum entropy and the spectrum separable module-constrained convolutional autoencoder | |
Baughman et al. | Nowcasting ETAS Earthquakes: Information Entropy of Earthquake Catalogs |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |