• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文学位 >Improvement of an intelligent system to aid in lithostratigraphic and geochemical correlation, Mono and Inyo Tephras, California.
【24h】

Improvement of an intelligent system to aid in lithostratigraphic and geochemical correlation, Mono and Inyo Tephras, California.

机译：加利福尼亚州莫诺和因约特弗拉斯的智能系统的改进，以帮助进行岩石地层学和地球化学对比。

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

We are developing an intelligent system for tephra correlation to aid geologists in interpreting eruption patterns in volcanic chains and fields. The intelligent system is used to define groups of tephra source vents and to correlate tephra layers based on combination of geochemical data and lithostratigraphic characteristics (Bursik and Rogova, 2006). Understanding the eruption history of volcanic fields from stratigraphic studies is important for forecasting future eruptive behavior and hazards.;The data processing is performed by a suite of both unsupervised and supervised classifiers, built and combined within the framework of the Belief Theories (Shafer, 1976, Smets and Kennes, 1994, Smets and Ristic, 2004). The spatial distribution of eruption deposits is important to determining eruption patterns and the correlation of tephra layers. I have developed algorithms to calculate isopleth maps of thickness, lithic and pumice size, which are used in the processing of the lithostratigraphic data. Geochemical data for defining groups of tephra sources are processed by a suit of fuzzy k-means classifiers. Improved clustering results of geochemical data are achieved by the fusion of individual clustering results with an evidential combination method (Rogova et al., 2008).;The intelligent system aids correlation by showing matches and disparities between data patterns from different outcrops that may have been overlooked. The intelligent system produces a useful recognition result, while dealing with the uncertainty from sparse data and imprecise description of layer characteristics.
机译：我们正在开发一种用于特弗拉相关的智能系统，以帮助地质学家解释火山链和野外的喷发模式。该智能系统用于根据地球化学数据和岩石地层学特征的组合来定义特菲拉源喷口组，并关联特菲拉层（Bursik和Rogova，2006）。从地层学研究中了解火山场的爆发历史对于预测未来的喷发行为和危害非常重要。;数据处理是由一套在信念理论框架内构建和组合的无监督和有监督的分类器进行的（Shafer，1976） ，Smets and Kennes，1994年； Smets and Ristic，2004年）。喷发沉积物的空间分布对于确定喷发模式和特菲拉层的相关性很重要。我已经开发出算法来计算厚度，岩性和浮石尺寸的等值线图，这些算法用于处理岩性地层数据。用一组模糊k均值分类器处理用于定义特菲拉源群的地球化学数据。通过将单个聚类结果与证据组合方法融合，可以改善地球化学数据的聚类结果（Rogova等，2008）。智能系统通过显示可能来自不同露头的数据模式之间的匹配和差异，来辅助相关性。被忽略了。智能系统产生有用的识别结果，同时处理稀疏数据的不确定性和层特征的不精确描述。

著录项

  • 作者

    Hanson-Hedgecock, Sara.;

  • 作者单位

    State University of New York at Buffalo.;

  • 授予单位 State University of New York at Buffalo.;
  • 学科 Geology.;Geochemistry.
  • 学位 M.S.
  • 年度 2009
  • 页码 130 p.
  • 总页数 130
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类 地质学;地质学;
  • 关键词

相似文献

  • 外文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号