铀矿物学

物理学家的名人故事精选篇11903年11月的一天，英国伦敦皇家学会把该会的最高奖赏——戴维奖章，挂在一对年轻夫妇的胸前，以表彰他们为人类发现了一种极其珍贵的放射性元素——镭。

这对年轻夫妇，就是举世闻名的科学家居里夫妇——彼埃尔·居里和他的夫人居里夫人。

夫妇两人望着纷纷前来祝贺的人们，同时流出了热泪。

人们只知道发现这种稀有元素的意义，可有谁知道他们付出多少艰辛的劳动。

尤其是居里夫人，她不仅是镭元素的主要发现者，更主要的是，她有着别人没有的艰难的历程。

居里夫人1867年11月7日出生在波兰，原名叫玛丽·斯可罗多夫斯卡。

少年的玛丽，虽然家境贫寒，但十分好学，16岁那年，她以优异的成绩毕业于华沙女子中学，并获得金质奖章。

但那时的波兰，已被俄、普、奥三国瓜分，波兰女子没有上大学的权利。

家境贫困，又无力到国外求学，因此只好到乡下当了5年家庭教师。

在此期间，她省吃节用，积了一点钱准备到国外求学。

1891年的冬天，这个年轻波兰女青年只身踏上了去巴黎的旅途。

虽然这时天气很冷，但这位女青年的胸中，蕴含着一股渴望的烈火，因为，她马上要到著名的巴黎大学学习，这是她多年梦寐以求和为之奋斗的理想。

现在，她的理想就要变为现实，怎么能不激动呢!进入巴黎大学理学院之后，这位贫穷的波兰姑娘每天上课来得很早，总是坐在教室的第一排，全神贯注地倾听教授讲解。

下课之后，除吃饭之外，不是到实验室搞实验，就是到图书馆读书。

很快，便成为全班中最优秀的学生，备受教师的重视和同学的尊敬。

在生活上，玛丽因经济拮据，过着非常艰苦的生活。

她在学校附近租了一间又小又矮的阁楼，忍受着夏天的闷热和冬天的寒冷。

为了挤时间学习，常常几天不做饭，只吃现成的涂上黄油的面包。

晚上为了节省灯油，就到附近图书馆看书，一直到图书馆关门后，才回家点起小煤油灯，伏案学习直到凌晨两三点钟才去休息。

由于长期劳累，再加上营养不良，玛丽得了贫血症。

有一天，她与一位同学刚走出教室突然头晕腿软，晕倒在地，在场的同学吓了一跳，赶忙把她送到附近的一所医院。

发现科学的经典事件一、牛顿的苹果坠落实验1665年，英国物理学家牛顿在伦敦郊外的爱普尔索夫爵士的果园中，发现了苹果从树上掉落的现象。

这一现象启发了他对地球引力的研究，最终导致了他的万有引力定律的发现。

二、达尔文的麦哲伦航海1831年，英国自然学家达尔文随英国皇家海军参加了一次环球航海，称为麦哲伦航海。

在这次航行中，他观察到了不同地理区域的动植物之间的差异，并且提出了进化论的思想，开创了现代生物学的基石。

三、爱因斯坦的相对论1905年，德国物理学家爱因斯坦提出了狭义相对论，这一理论揭示了时间和空间的相对性，并且解释了光的速度是相对不变的。

这一理论的提出彻底改变了人们对于时间和空间的认识。

四、居里夫人的放射性研究1898年，波兰物理学家居里夫人和法国物理学家居里夫人通过对铀矿石的研究，发现了放射性现象。

他们发现了镭元素，并且证明了放射性会导致物质的衰变，为核物理学的发展奠定了基础。

五、韦伯的音叉实验1834年，德国物理学家韦伯通过使用音叉实验，发现了声音的频率与音叉振动的频率相等，这一发现为声学的研究提供了重要的实验依据。

六、曼德尔布罗特集的发现1980年，法国数学家曼德尔布罗特发现了一种复杂的分形结构，即曼德尔布罗特集。

这一发现引起了数学界的广泛关注，对于深入研究混沌理论和分形几何学具有重要意义。

七、居里夫人的镭元素研究1898年，波兰物理学家居里夫人通过对矿石的研究，发现了镭元素。

她们发现了镭元素的放射性，以及它对细胞的破坏作用，从而为放射治疗的开发奠定了基础。

八、伽利略的斜面实验1604年，意大利物理学家伽利略通过斜面实验，研究了物体在斜面上滚动的规律。

他发现了物体在斜面上滚动的速度与高度之间的关系，为后来的力学研究奠定了基础。

九、哈勃的星系红移观测1929年，美国天文学家哈勃通过观测星系的光谱，发现了星系远离我们的运动，即星系红移现象。

这一发现为宇宙膨胀理论提供了重要的证据，并且为现代宇宙学的发展做出了巨大贡献。

物理学家的故事物理学这门科学是研究自然界物质和能量之间相互关系的学科。

在这个领域中，有许多杰出的物理学家创造了让世界为之惊叹的理论和发现。

他们的故事不仅展示了人类智慧的辉煌成果，也启发了无数追求知识的年轻人。

以下是几位伟大物理学家的故事，让我们在他们的足迹中一同探索。

1. 牛顿的苹果理论牛顿是一位英国物理学家和数学家，他被公认为现代物理学的奠基人之一。

据传，当时牛顿坐在苹果树下休息，一颗苹果掉在他头上，这一突发事件引发了他对万有引力法则的思考。

通过数学分析，牛顿发现质点间的引力与质量之间成正比，并与距离的平方成反比。

这个成就不仅帮助人们更好地理解了物体运动的规律，也为后续科学家提供了极大的启示。

2. 爱因斯坦的相对论爱因斯坦是德国裔的理论物理学家，他以其相对论的理论而闻名于世。

相对论是一种描述时间、空间和引力关系的理论。

爱因斯坦通过对光的研究和思考，提出了著名的等效原理和相对论的两个基本假设，即光速不变和加速运动对时间的影响。

相对论的提出颠覆了牛顿经典物理学的观念，对后来的物理学发展起到了重要的推动作用。

3. 居里夫人的放射性研究居里夫人是波兰裔的物理学家和化学家，她是第一个两次获得诺贝尔奖的女性。

她和丈夫居里共同研究了放射性元素，发现了铀矿石具有“放射性”这一独特现象。

她们的研究不仅揭示了一种新的物理现象，也为核物理学的发展奠定了基础。

居里夫人的辛勤工作和勇敢精神为后来的女性科学家树立了榜样。

4. 卢瑟福的原子核理论卢瑟福是新西兰裔的物理学家，他通过“阿尔法粒子散射”实验证明了原子有一个致密的核心。

这个实验为原子核理论的发展提供了直接的证据，并为后来的核物理学研究奠定了基础。

卢瑟福提出的原子核模型被后来的科学家广泛接受，并对核物理学的发展产生了重要影响。

5. 霍金的黑洞理论霍金是一位英国物理学家和宇宙学家，他以其对黑洞理论的贡献而闻名于世。

黑洞是一种极度紧密的天体，其引力非常强大，甚至都不让光逃逸。

5.4核裂变与核聚变〖教材分析〗前面已经学习了关于原子核方面的知识，已经有了一定的基础。

本节内容由核裂变、核聚变以及核能的利用三部分组成。

利用核能除了裂变，还可以利用聚变与热核反应，认识核能的和平利用能为人类造福。

在核裂变的三分裂和四分裂以及原子弹和氢弹的研制方面，可以介绍我国在这方面的成就，对学进行爱国主义教育。

〖教学目标与核心素养〗物理观念∶知道核聚变与和裂变的不同，通过核反应方程能计算所释放的能量。

科学思维∶能够分清楚裂变和聚变的含义，知道当前核聚变是不受控制的。

科学探究：通过核裂变的示意图推理出三分裂和四分裂的概念，了解物理学常用的方法一—推理法。

科学态度与责任∶通过观看我国原子弹氢弹的爆炸视频，激发学生献身国防的爱国主义热情。

〖教学重难点〗教学重点：核裂变、核聚变。

教学难点：核裂变。

〖教学准备〗多媒体课件等。

〖教学过程〗一、新课引入较重的核分裂成中等大小的核，较小的核合并成中等大小的核的过程中，都有可能释放出能量。

核电站以及原子弹、氢弹等核武器，利用的就是这些核能。

在这些装置中，核能是怎样被转化和使用的呢?20世纪30年代，物理学家的一个重大发现改变了人类历史。

原子核在"分裂或聚合"时，会释放出惊人的能量。

二、新课教学（一）核裂变的发现1.裂变的概念奥地利物理学家迈特纳和弗里施进一步研究了这个过程，发现铀核被中子轰击后会复合成一种不稳定的同位素，形状也从原来的球型被拉长成这样。

核子间距离远了，核力迅速减小，不足以克服库仑斥力使原子核恢复原来的形状，所以最后原子核会分裂成两块质量差不多的碎块，同时放出中子。

弗里施觉得这个过程和细胞分裂挺像的，所以把这类核反应定名为核裂变。

即重核分裂成质量较小的核，释放核能的反应的过程，叫做核裂变。

n 3Kr Ba n U 108936144561023592++→+裂变的生成物是多种多样。

比如会裂为先和斯，也可能会裂变为钡和氪，同时放出一些中子。

化学史上最美的10个化学实验如下：1、路易斯·巴斯德(Louis Pasteur)分离手性酒石酸盐(1848)路易·巴斯德（1822-1895）是法国的微生物学家、化学家。

巴氏消毒发就是他发明的，他还研制了狂犬病疫苗。

说到他手工分离酒石酸盐晶体，对化学研究而言，确实是“徒手”，他是在显微镜下用镊子一个一个挑的......2、安托万-洛朗·德·拉瓦锡(Antoine Lavoisier)著名的钟罩实验，拉瓦锡第一次提出了氧化和燃烧学说(1775)。

拉瓦锡把少量的汞放在密闭的容器里，连续加热达十二天之久，结果发现有一部分银白色的液态汞变成了红色的粉末，同时容器里的空气的体积差不多减少了五分之一。

拉瓦锡研究了剩余的那部分空气，发现这部分空气既不能供给人类及动物呼吸来维持人类及动物的生命，也不能支持可燃物的燃烧，他误认为这些气体都是氮气（拉丁文原意是“不能维持生命”）。

拉瓦锡再把汞表面上所生成的红色粉末（现已证明是氧化汞）收集起来，放在另一个较小的容器里经过强热后，得到了汞和氧气，而且氧气的体积恰好等于原来密闭容器里所减少的空气的那部分体积。

3、赫尔曼·埃米尔·费谢尔(Hermann Emil Fischer)测定葡萄糖的结构式，提出葡萄糖中有四个手性碳原子，提出费歇尔投影式。

(1890)费歇尔总结当时所有已知糖的立体构型并接受了雅各布斯·亨里克斯·范托夫的葡萄糖中存在四个手性碳原子的观点，确定了葡萄糖的链状结构，并认为葡萄糖应该有2的四次方=16种立体异构体。

并且自己合成了其中的异葡萄糖、甘露糖和伊杜糖。

4、汉弗莱·戴维(Humphry Davy)电离分解碱金属和碱土金属元(1807~1808)。

汉弗莱·戴维，英国化学家、发明家，电化学的开拓者之一，开辟了用电解法制取金属元素的新途径：即用伏打电池来研究电的化学效应。

物理学家——玛丽·居里基本简介玛丽·居里（1867-1934年）世称“居里夫人”，全名：玛丽亚·斯克沃多夫斯卡·居里。

法国著名波兰裔科学家、物理学家、化学家。

1867年11月7日生于华沙。

1903年，居里夫妇和贝克勒尔由于对放射性的研究而共同获得诺贝尔物理学奖，1911年，因发现元素钋和镭再次获得诺贝尔化学奖，成为历史上第一个两获诺贝尔奖的人。

居里夫人的成就包括开创了放射性理论、发明分离放射性同位素技术、发现两种新元素钋和镭。

在她的指导下，人们第一次将放射性同位素用于治疗癌症。

由于长期接触放射性物质，居里夫人于1934年7月3日因恶性白血病逝世。

人物生平读书时期1867年11月7日，生于波兰王国华沙市一个中学教师的家庭。

1891年9月，赴巴黎求学，11月进入索尔本大学（即巴黎大学）理学院1894年4月，经波兰学者、瑞士福利堡大学物理学教授约瑟夫·科瓦尔斯基的介绍，与比埃尔·居里结识，以便利用居里领导的设备较好的实验室。

1895年4月，玛丽·斯可罗多夫斯卡的论文《铀和钍的化合物之放射性》，由李普曼宣读于科学院。

1895年7月26日，玛丽与比埃尔·居里在巴黎郊区梭镇结婚。

玛丽·居里任女子中学教师。

研究阶段1896年8月，玛丽通过大学毕业生担任教师的职称考试。

得到理化学校校长舒曾伯格（1827—1897）的支持，玛丽谋得职位，在该校物理实验室工作，与比埃尔（室主任）共事。

1898年7月，居里夫妇向科学院提出《论沥青铀矿中一种放射性新物质》，说明发现新的放射性元素84号，比铀强四百倍，类似铋，居里夫人建议以她的祖国波兰的名字构造新元素的名称钋（polonium）。

从此居里夫妇密切合作，共同研究，建立最早的放射化学工作方法。

1898年12月，居里夫妇和同事贝蒙特向科学院提出《论沥青铀矿中含有一种放射性很强的新物质》，说明又发现新元素88号，放射性比铀强百万倍，命名为镭（Radium）。

成都理工大学地球化学专业人才培养方案一、专业简介地球化学研究地球(包括部分天体)的化学组成、化学作用及化学演化。

本校地球化学专业是以学士、硕士、博士三级学位授权点和博士后流动站为依托的地学类骨干专业，以服务国家资源环境需求为目标，以国家紧缺的放射性矿产等资源调查评价、西部复杂地质地形条件下资源环境勘查与保护为特色，目前已形成矿床地球化学、环境地球化学、勘查地球化学三个稳定的专业方向。

2004年被列为四川省重点学科，2009年被列为国家级特色专业，2009年地球化学教学团队被评为省级优秀教学团队，2008年“核资源与核技术实验中心”被评为省级教学实验示范中心。

专业负责人：施泽明。

二、培养目标培养德、智、体全面发展，具备坚实地质学基础和地球化学基本理论、基本技能，受到基础研究、应用研究和技术开发的基本训练，具有较高科学素养的研究应用型高级专门人才。

三、培养规格在具备扎实的地质学基础上，学习地球化学的基本理论、基本知识和基本技能，接受基础研究、应用基础研究和技术开发方面科学思维和科学实践的训练，掌握运用地球化学理论和先进技术手段，从事矿床地球化学、环境地球化学、勘查地球化学等学科专业领域的生产、科研、教学、管理工作。

毕业生应获得以下几方面的知识和能力：掌握数学、物理、化学等方面的基本理论和基本知识；具有较强的外语和计算机应用能力、外语要求“四会”，并能较熟练阅读本专业的外文资料；掌握矿物学、岩石学、矿床学、构造地质学等地质基础的基本理论、基本知识和基本技能以及野外和室内工作方法；在矿床地球化学、环境地球化学、勘查地球化学和铀矿地质等方面具有鲜明特色；掌握资料查询、文献检索及运用现代信息技术获取相关信息的基本方法；具有一定的设计实验，创造实验条件，归纳、整理、分析实验结果，撰写论文和生产、研究报告，参与学术交流的能力。

四、修业年限、毕业学分要求、授予学位修业年限：本专业以4年作为基本学制，在此基础上按照弹性学习年限的学籍管理办法，允许学生根据自己条件缩短或延续在校学习年限（在校学习年限为3-6 年）。

!第1*卷第5'期原子能科学技术d M S Z1*!%M Z5' !'-',年5'月9E M3J LV Q N)"I D L J N Q L N C Q&U N L A Q M S M"I P N L Z'-',基于集成学习的松辽盆地砂岩型铀矿地层岩性自动识别研究段忠义5 肖!昆5 ( 杨亚新5 黄!笑' 姜!山' 张!华5 罗齐彬5"5Z东华理工大学核资源与环境国家重点实验室!江西南昌!,,--5,)'Z核工业二四三大队!内蒙古赤峰!-'6---#摘要 地层岩性的准确识别与砂岩型铀矿层的圈定密切相关!岩性组合的正确分析对于开展砂岩型铀矿的勘查与异常识别具有重要意义%本文针对传统测井岩性识别方法与机器学习类方法中存在的问题!以北方松辽盆地砂岩型铀矿为研究对象!采用两种典型的集成算法模型"H^:M M R E和D!#U V随机森林#开展地层岩性自动识别研究!并将识别结果与0最近邻分类算法"0%%#$梯度提升决策树算法"^:P U#等典型机器学习算法进行对比%结果表明!H^:M M R E和D!#U V随机森林两种集成算法模型对砂岩型铀矿地层岩性识别的准确率都在.1@以上!且较0%%模型和^:P U模型的准确率有明显提高% H^:M M R E模型用于控制过拟合的正则项和节点分裂时支持特征多线程进行增益的计算!显著提高了运算效率!D!#U V合成少数过采样技术解决了样本数据不平衡的问题%基于集成算法的优化过程可为砂岩型铀矿岩性分类问题提供理论依据与技术支撑%关键词 H^:M M R E)D!#U V)集成学习)砂岩型铀矿)岩性识别中图分类号 U F..)U P./,文献标志码 9文章编号 5---$8.,5"'-',#5'$'66,$5'503 5-Z*1,/+I]\Z'-',Z I M>_J C Q Z-5-5H920=+234V32/0-0E8Q5.623<34+23060<P+657206.%28;.Y1+639=Z.;0732 36P06E-3+0T+736T+7.506C67.=,-.V.+1636EP`9%(A M Q"I J5!H+9#0>Q5!(!e9%^e C_J Q5!c`9%^H J C M'![+9%^D A C Q'!(c9%^c>C5!F`#f J G J Q5"5-?5053N39'0O<605<69<I@A%+306,34<A6%3401>71*/6<1K315!7045=;/10J1/*364/59<I(3%;1<+<89!@01%;018,,--5,!=;/10)'-@A%+306D1>A4569V6<A&@<-'6,!=;/I318-'6---!=;/10#H,721+42*!U A N C L L>)C E N J&N Q E J K J L C E J M QM K R E)C E J")C T A J L S J E A M S M"I J RL S M R N S I)N S C E N&E ME A N &N S J Q N C E J M QM KR C Q&R E M Q N$E I T N>)C Q J>3&N T M R J E R Z+QE A NK C L NM KL M3T S N_R E)C E J")C T A J L R E)>L E>)N!E A NL M))N L EC Q C S I R J RM K S J E A M S M"I L M3G J Q C E J M QJ RM K")N C ER J"Q J K J L C Q L NE ME A N N_T S M)C E J M QC Q&C Q M3C S I J&N Q E J K J L C E J M QM K R C Q&R E M Q N$E I T N>)C Q J>3&N T M R J E R Z+Q>)C Q J>3收稿日期 '-',$-,$-5)修回日期 '-',$-1$'*基金项目 江西省主要学科学术和技术带头人培养计划"'-'-6:W[',-'*#)核资源与环境国家重点实验室联合创新基金"'-''%O V$F c$5/#)江西省自然科学基金"'-',':9:'-,-*'#)东华理工大学研究生创新专项基金"P c e W$'-',51#(通信作者 肖!昆N_T S M)C E J M Q!"N M T A I R J L C S S M""J Q"&C E C!C RCG)J&"NG N E b N N QE A NL A C Q"NM K"N M T A I R J L C S T)M T N)E J N R C Q&E A N>Q&N)")M>Q&"N M S M"J L C S N Q a J)M Q3N Q E!J R C Q N K K N L E J a N C Q&J))N T S C L N C G S N 3N E A M&E M>Q&N)R E C Q&E A N>Q&N)")M>Q&)M L\R E)>L E>)NC Q&)N R N)a M J)L A C)C L E N)J R E J L R Z W M Q a N Q E J M Q C S S J E A M S M"I J&N Q E J K J L C E J M Q3N E A M&RR>L A C RL)M R R T S M E3N E A M&!T)M G C G J S J E I R E C E J R E J L3N E A M&!L S>R E N)C Q C S I R J R3N E A M&C Q&L M Q a N Q E J M Q C S3C L A J Q N S N C)Q J Q"L S C R R3N E A$ M&A C a N R M3N&N K N L E R!R>L AC R S M bC L L>)C L I!J&N Q E J K J L C E J M QN K K J L J N Q L I C Q&"N Q N)C S J]C E J M Q C G J S J E I Z V Q R N3G S N S N C)Q J Q"J R C3N E A M&M K C L A J N a J Q"L M Q R N Q R>R J Q T)N&J L E J M Q R G I J Q E N")C$ E J Q"R J"Q J K J L C Q E C E E)J G>E N R M K E b MM)3M)N3M&N S R!3C\J Q"E A N K J Q C S S N C)Q J Q"K)C3N b M)\ 3M)N L M3T)N A N Q R J a N E A C QE A C EM K CR J Q"S NL M3T M Q N Q E3M&N S!)N&>L J Q"N))M)RC Q&M E A N) K C L E M)R Z W M3T C)N&b J E AM)&J Q C)I3C L A J Q N S N C)Q J Q"C S"M)J E A3R!J Q E N")C E N&S N C)Q J Q"C S"M$ )J E A3RA C a N3M)NC&a C Q E C"N R J Q&C E C T)M L N R R J Q"Z+QE A J R T C T N)C J3J Q"C E E A N T)M G S N3R N_J R E J Q"J QE)C&J E J M Q C SS M""J Q"S J E A M S M"I J&N Q E J K J L C E J M Q3N E A M&RC Q&3C L A J Q NS N C)Q J Q" 3N E A M&R!E A N R C Q&R E M Q N$E I T N>)C Q J>3M)N J QD M Q"S J C MG C R J Q J QQ M)E AW A J Q Cb C R E C\N Q C R E A N)N R N C)L AM G g N L E!C Q&E A N M)J"J Q C S&C E Cb N)N C Q C S I]N&C Q&T)N E)N C E N&Z W M3G J Q N&b J E A T)N a J M>RR E>&J N R!E b M E I T J L C SJ Q E N")C E N&C S"M)J E A33M&N S R"H^:M M R EC Q&D!#U V )C Q&M3;M)N R E#b N)N>R N&E ML C))I M>E C>E M3C E J L S J E A M S M"I J&N Q E J K J L C E J M QM K R C Q&R E M Q N$ E I T N>)C Q J>3M)N J QD M Q"S J C MG C R J Q!C Q&E A N)N L M"Q J E J M Q)N R>S E RM K E A NE b MJ Q E N")C E N& C S"M)J E A33M&N S Rb N)N L M3T C)N&b J E A0$%N C)N R E%N J"A G M)"0%%#!^)C&J N Q E:M M R E J Q" P N L J R J M QU)N N"^:P U#C Q&M E A N)E I T J L C S3C L A J Q N S N C)Q J Q"C S"M)J E A33M&N S Rb N)NC S R M L M3T C)N&Z U A N)N R>S E R R A M bE A C E E A N C L L>)C L I M KH^:M M R E C Q&D!#U VR E M L A C R E J L K M)N R E J Q E N")C E N&C S"M)J E A33M&N S K M)S J E A M S M"I J&N Q E J K J L C E J M QM K R C Q&R E M Q N$E I T N>)C Q J>3M)N J R C G M a N.1@!C Q&E A N C L L>)C L I M K0%%3M&N S C Q&^:P U3M&N S J R R J"Q J K J L C Q E S I J3T)M a N&Z +QM)&N)E M R M S a N E A N T)M G S N3M K M a N)K J E E J Q"J QM T N)C E J M Q!H^:M M R E C S"M)J E A33M&N Sb C R >R N&E M L M Q E)M S E A N)N">S C)E N)3M K M a N)K J E E J Q"C Q&Q M&N R T S J E E J Q"!C Q&R>T T M)E L A C)C L E N)$ J R E J L3>S E J E A)N C&J Q"E ML C S L>S C E NE A N"C J Q!b A J L AJ3T)M a N RE A NM T N)C E J M QN K K J L J N Q L I C Q& N Q R>)N R E A N)N S J C G J S J E I M KE A NJ Q E N")C E N&C S"M)J E A33M&N S Z D!#U VR I Q E A N E J L3J Q M)J E I M a N)R C3T S J Q"E N L A Q J i>NR M S a N RE A N T)M G S N3M KR C3T S N&C E CJ3G C S C Q L NJ QE A N)C Q&M3 K M)N R E C S"M)J E A33M&N S Z U A NM T E J3J]C E J M Q T)M L N R RG C R N&M Q J Q E N")C E N&C S"M)J E A33M&N S T)M a J&N R C E A N M)N E J L C S G C R J R K M)S J E A M S M"I L S C R R J K J L C E J M QM K R C Q&R E M Q N$E I T N>)C Q J>3&N T M R$ J E R!C Q&T)M a J&N R E N L A Q J L C S R>T T M)E K M)R E)C E N"J LG)N C\E A)M>"A J Q>)C Q J>3N_T S M)C E J M Q Z I.8@0157*H^:M M R E)D!#U V)N Q R N3G S NS N C)Q J Q")R C Q&R E M Q N$E I T N>)C Q J>3&N T M R J E) S J E A M S M"I J&N Q E J K J L C E J M Q!!北方沉积盆地砂岩型铀矿作为我国储量最多的铀矿类型!区内仍有大面积的铀异常亟待查证!铀矿资源勘探潜力巨大'5(%在铀矿勘查中!地球物理测井数据作为连接地球物理性质变化和地下地质环境的桥梁!是了解地下岩层结构和储层特征的有效且不可替代的方法%因此!测井数据解释在铀矿勘查中具有重要意义''$,(%对测井数据的分析和挖掘已成为提高勘查效率的重点之一'6$*(%随着测井勘探技术的发展!在地下地质结构环境多变且复杂的情况下!对测井数据的解释和地层分析也提出了更高的要求'/$55(%利用测井数据的分析结果对地下空间目标进行准确的识别与划分是测井资料解释的重要环节!包括地层结构划分$沉积相$岩性识别$以及储层识别等'5'$5,(%其中岩性识别在理解地质体结构$成矿信息预测等研究中发挥着重要作用'56$51()储层识别是复杂储层勘探开发的基础!储层的正确表征是降低勘探开发风险的重要手段!可为更好地设计和制定方案提供依据%666'原子能科学技术!!第1*卷岩性识别是测井数据分析的核心!目前广泛使用的岩性识别方法主要有*传统岩性识别方法!包括交会图法'58$5/($概率统计方法'5.$'-($聚类分析方法''5$',()机器学习类岩性识别方法!包括支持向量机D d!''6$'8($神经网络''*$'/($集成学习类方法''.(%传统的岩性识别$储层识别方法存在精度$识别效率和泛化能力低等问题',-(%针对异常值$不平衡性和高复杂性的测井数据!传统的测井解释方法有很大的局限性%随着储层地质条件的复杂性以及测井数据的多样性和数量不断增加!主观的专业知识和经验无法更好地解释%在面对复杂且更具挑战性问题时!机器学习类方法为实现自动化$性能提升提供了新的解决方案!在大量数据中学习复杂的模式和关系方面显示出巨大的优势!使得岩性识别$储层识别有了新的突破',5$,,(%集成学习是通过融合两个或多个模型的显著属性在预测中达成共识的方法!使得最终的学习框架较单个构成模型更全面!减少了误差和其他因素影响%相对于普通机器学习算法!集成学习算法在数据处理方面有更多优势!面对复杂度较高的问题!可以增强分类性能的信息融合!以获取更可靠的决策%基于:M M R E J Q"的H^:M M R E模型借助由回归树组成的强学习器!引入了正则项与并行计算技术!在提高效率的同时!确保了模型的可靠性',6()基于:C""J Q"优化的D!#U V随机森林算法借助人工合成少数过采样技术!解决了数据样本的不平衡问题',1(%因此!本文采用集成学习算法中的H^:M M R E和D!#U V随机森林模型开展砂岩型铀矿地层岩性识别研究!对松辽盆地的砂岩型铀矿建立岩性自动识别模型!以模型岩性识别的准确率为评价标准!并与0%%模型和^:P U模型进行对比分析!考察改进集成模型的可行性!以提升我国北方砂岩型铀矿储层识别的效率与精度!为实现我国铀矿资源勘查战略性突破提供技术支撑%!!理论与方法!"!!W>T0072算法在;)J N&3C Q',8(提出的:M M R E J Q"算法基础上!W A N Q等',*(通过改进目标函数与优化导数信息!并针对性地处理缺失值和模型过拟合!提出了一种优于^:P U的模型!即H^:M M R E模型%相较于^:P U!H^:M M R E精度更高$灵活性更强!并行计算与列抽样的引入提高了H^:M M R E的计算效率%H^:M M R E的目标函数如下*'"##"0/+"W9+!9/##0U."I U#"5#其中*'"##为整体目标函数!即最小化的目标) #为模型的参数!其最佳值需要通过优化目标函数来确定)+"W9+!9/#为预测值W9+与真实值9/之间的损失函数!W9+为模型预测值!9/为样本/的真实值!/为样本的索引)."I U#7+(< 5'&1G1'!I U为树的结构!该结构将输入样本映射到一个确定的叶子节点上!+和&为惩罚系数!(为决策树的叶子节点数!1G1'为决策树叶子节点上的输出分数的平方%式"5#右边第一项是损失函数!第二项是对模型复杂度的惩罚项"正则项#%经过5次迭代得到目标函数*'"5#"01/"5+"9/!W9"5$5#+#I5")/###."I5##="'# !!对式"'#进行二阶泰勒展开*'"5#+01/"'5+"9/!W9"5$5#+##8/I5")/##5';/I'5")/(##."I5##=",#其中*8/7,W9"545#+"9/!W9"545#+#表示+"W9"545#+#对W9"545#+的一阶导数);/7,'W9"545#+"9/!W9"545#5#表示+"W9"545#+#对W9"545#+的二阶导数)=为常数项%最终简化函数的目标形式如下*'"5#"01/"'58/I5")/##5';/I'5")/(##."I5#"6# !"#!基于P$)*C的随机森林算法随机森林算法属于集成算法中的:C""J Q"方法!作为一种集成学习方法!它在随机选择的数据样本上构建了许多决策树%然后从每棵树上获得预测!并通过多数投票!选择获得多数票的决定%其中构建随机森林算法模型的步骤如下*5#从给定数据或训练集中随机挑选N个数据点作为随机样本)'#构建与N个数据点相关联的决策树),#选择要构建的树的数量!166'第5'期!!段忠义等*基于集成学习的松辽盆地砂岩型铀矿地层岩性自动识别研究定义为@!然后重复前两步)6#对于一个新数据点!让已经构建的@棵树来预测新数据点所属的类别!并将新数据点分配给赢得多数票的类别%对于处理高维数据的分类问题!随机森林表现出不错的效果!通过:C""J Q"算法弥补了单个决策树对训练集噪声的敏感问题!降低了训练多棵决策树存在的关联问题!有效解决了模型过拟合问题%针对数据集中出现的分类不平衡问题!采用D!#U V合成少数过采样技术!在保持样本各自形态的基础上进行插值!使各类数据平衡!以此提高少数类的分类精度',/$,.(!在D!#U V合成邻近样本示意图中!横纵坐标通常代表数据点的某些特征%假设一个二维数据集的每个数据点都有两个特征组成*特征5和特征'%这种情况下!示意图的横坐标通常代表特征5!纵坐标则代表特征'%具体过程如图5所示%图5!D!#U V合成邻近样本"据W A C b S C等',.(#;J"Z5!D!#U VL M3T M R J E N C&g C L N Q E R C3T S N"3M&J K J N&K)M3W A C b S C N E C S',.(##!建模与应用本文以我国北方松辽盆地典型砂岩型铀矿区为研究对象!砂岩型铀矿地球物理测井资料为基础数据!提取研究区目的井次'/8-个数据点作为训练数据集!5'*-个数据点作为验证数据集%#"!!样本构建根据岩石粒级的粗细程度与综合测井曲线对岩性进行划分!依次为黏土$泥岩$粉砂岩$细砂岩$中砂岩$粗砂岩和砂砾岩%以多维数据为样本进行训练!划分岩性作为样本的可靠分类标签!结合砂岩型铀矿中不同岩性在不同地球物理测井数据中的响应规律!进行测井属性的优选!挑选在砂岩型铀矿岩性研究中常见的测井曲线作为输入变量*井径"W9F#$岩石密度"P V%#$声波时差"P U#$放射性"+#$自然伽马"^O#$三侧向电阻率"F F P,#$视电阻率"O U#$自然电位"D=#共/条曲线'6-(!每种岩性的不同测井曲线幅值差异如表5所列%由表5可知!岩石的致密程度与各物性参数存在一定的相关性!如密度和视电阻率随岩石粒级的增加呈增长趋势!声波时差则相反)自然伽马数值相对较高!但在中砂岩中存在局部高自然伽马值!表明研究区含矿主岩为砂岩%对于同岩性的岩石!其数值变化范围较大%泥岩一般放射性伽马值相对较高!砂岩放射性伽马值相对较低%但从粉砂岩$细砂岩以及中砂岩的自然伽马值来看!出现了部分高自然伽马值!指示一定的铀矿异常或矿化特征%为了进一步分析岩性类别在测井变量组合之间的区分度!通过交会图分析测井响应参数对岩性储层的敏感性!结果如图'所示%由图'可看出!在二维测井交会图中!岩性样本点的分布越离散!对岩性的区分度越好%黏土较其他,种岩性分区明显!其密度相对较高!聚集程度较高!而粉砂岩$中砂岩$细砂岩与粗砂岩重叠在一起!不易分类%总体来看!二维测井曲线交会图不能很好地划分砂岩型铀矿岩性!故需要采用分类功能更全面的集成学习法来进行精确岩性划分%#"#!数据处理5#曲线校深与曲线滤波测井过程中!受地下地质环境客观因素以及操作方法等影响!测井响应值在深度上存在866'原子能科学技术!!第1*卷表!!不同岩性类别测井数据*+,-.!!V 0E E 36E 5+2+0<53<<.1.62-32/0-0E 84-+77.7岩性统计量++"Q W +\"&A #W 9F +33^O +9=+P V %+""+L 3,#F F P ,+",&3#O U +",&3#D =+3d P U +"$R +3#样本总数黏土平均值5?8.58/?,/,.?,5'?-/'68?616,?8.4,/?185-66?'881'最大值,?'85*6?-**1?--'?5/5*-8?/5,-5?8'45/?**55',?15最小值-?/6518?--5*?--5?../*?5551?1145-/?'/*81?51标准差-?,/8?.//?51-?-,55.?8''5?5,55?6.61?.6粉砂岩平均值'?6656.?6*8,?/-'?-,/,?5,56?/1456?*.55,.?,1'11最大值,?/*5*,?88'-/?--'?',5.*?58,6?./4*?6*558/?/.最小值5?-55'5?6/,'?--5?/1,*?*-8?/'4,5?.65-*-?81标准差-?6/5.?8''5?*/-?5-6'?***?118?'8'1?-8细砂岩平均值'?*65,6?1/1.?1.'?--5-.?.,5.?1/45.?-,55''?61816最大值8?/-5*,?1/,1*?--'?'',--?,11,?'54*?-,55*-?15最小值5?--55.?'-'.?1-5?**,6?*/8?,5465?6.5-,'?88标准差-?*'5/?85''?5'-?5'6.?**/?*.*?-*'/?'/中砂岩平均值'?/.5,1?5-8-?,.'?-,55.?86'5?'.4'-?6,5558?*.6'/最大值58?5'5*6?-.*-.?1-'?'-,-5?6/1,?654.?5-558'?5*最小值5?5-558?8.,1?--5?/,68?'8/?,,46,?/85-',?'/标准差5?1.58?.5,8?*.-?-.86?,.55?,*.?5.,8?*.粗砂岩平均值'?5-5*'?*666?.5'?5-566?*''1?*'4'6?*55-..?855*最大值'?8/5*,?151-?1-'?5,588?5-'.?1-4'-?815551?.-最小值5?155*5?'8,6?1-'?-/5-8?555/?.-4'8?8'5-.5?/8标准差-?,,-?/*6?,'-?-'51?-''?815?*58?/*泥岩平均值'?/.56,?/-*'?-*'?-'8-?./5-?.,455?-,5516?6,5*.5最大值*?1/5*6?5/6*.?1-'?'.,/5?*,8*?1.48?8-55*'?,-最小值5?,,558?*-,1?--5?*1,'?-,1?/'46,?*'5-',?16标准差-?*55*?,,''?/--?556-?-/*?-/1?,-'5?'5砂砾岩平均值'?1-58'?5*86?'5'?55'-/?**,*?-,4,'?./5-88?1/'.-最大值6?865*,?*1566?1-'?''6',?5**6?.-45-?'/551*?*1最小值5?,*55.?'8'.?1-5?/861?,6/?5*418?58.*,?.*标准差-?815,?8.'-?,*-?-8..?1*5*?1.5,?5*1'?8*图'!二维测井参数交会图;J "Z '!W )M R R T S M E M K E b M $&J 3N Q R J M Q C S S M ""J Q "TC )C 3N E N )R *66'第5'期!!段忠义等*基于集成学习的松辽盆地砂岩型铀矿地层岩性自动识别研究不一致性!不能有效完成后续处理解释工作%本文采用W+;F M"'?5测井软件中的数据预处理模块对工区原始测井数据进行校深和滤波!使同一口井中所有测井数据之间的深度关系保持一致!以满足后续测井资料处理与训练要求!具体过程如图,所示%滤波采用5-点移动平均滤波以过滤序列中的高频扰动!保留有用低频趋势%C,,,密度校深曲线)G,,,视电阻率校深曲线图,!曲线校深图;J"Z,!W M))N L E N&&N T E AL A C)E!!'#标准化在利用集成算法进行岩性识别时!不同类型的测井曲线具有不同的量纲和数量级!其差异性会对模型的识别精度产生影响'65(%本文采用D L J\J E$S N C)Q中的D E C Q&C)&D L C S N)模块对数据的特征维度进行去均值和方差归一化!使数据符合正态分布!转化函数如下*)(")$-)"1#其中*-为所有样本的均值))为所有样本数据的标准差%#"A!模型应用与对比5#模型参数设置对于由H^:M M R E模型建立的岩性识别模型!可以根据其高度的灵活性优势!自定义优化目标和评价标准!在参数调优过程中!除通用参数和学习目标函数外!对模型预测结果影响较大的参数是学习率"S N C)Q J Q"0)C E N#和树的最大深度"3C_0&N T E A#%在初始化模型参数时!尽量让模型的复杂度较高!然后通过网格搜索^)J&D N C)L A W d超参数空间调优来降低模型复杂度%学习率和最大迭代次数这两个参数的调优是联系在一起的!学习率越大!达到相同性能的模型所需要的最大迭代次数越小)学习率越小!达到相同性能的模型所需要的最大迭代次数越大%H^:M M R E 每个参数的更新都需要进行多次迭代!因此!学习率和最大迭代次数是首先需要考虑的参数!且学习率和最大迭代参数的重点不是提高模型的分类准确率!而是提高模型的泛化能力%因此!当模型的分类准确率很高时!最后一步应减图6!学习率和树最大深度的变化;J"Z6!F N C)Q J Q"0)C E N C Q&3C_0&N T E A E N Q&N Q L I L A C)E 小学习率的是调节树的最大深度!以提高模型的泛化能力!逐步降低模型复杂度%调参过程如图6所示!其中!纵坐标为数损失函数"F M"F M R R#!用于衡量模型对真实标签的概率预测与实际标签之间的差异!较小的学习率通常需要在模型中添加更多的树!可以通过调整参数组合来探索这种决策关系)横坐标表示树的最大深度!从1!6-不等)学习率从-?5!-?1不等!/66'原子能科学技术!!第1*卷3C_0&N T E A有/个变量!S N C)Q J Q"0)C E N有1个变量%每个组合使用5-倍交叉验证进行评估!因此共需要训练和评估6--个H^:M M R E模型%调参目标是针对给定的学习率!使性能随树的数量的增加而提高!然后稳定下来%由于算法或评估过程的随机性或数值精度的差异!结果可能会有所不同!需要多次运行并比较平均结果!多次迭代后将输出每个评估的最佳组合以及对数损失函数%最终可以得到最佳结果的学习率为-?'!树的最大深度为5-%在构建提升树之后!检索每个属性的重要性分数%通常!重要性分数反映的是每个特征在构建模型内的增强决策树中的有用性或价值%使用决策树做出关键决策的属性越多!其相对重要性就越高!为数据集中的每个属性明确计算此重要性!允许对属性进行排名和相互比较%单个决策树的重要性是通过每个属性分割点改进性能度量的量计算的!由节点负责的观察数加权%性能度量可以是用于选择分割点的纯度"^J Q J指数#也可以是另一个更具体的误差函数%对于集成模型中的多棵决策树!可以计算每个决策树的特征重要性!并对所有决策树的特征重要性取平均值!以此更全面地评估特征的重要性%使用的内置H^:M M R E特征重要性图!因算法或评估程序的随机性或数值精度的差异而有所不同!因此多次运行该示例!并比较平均结果!如图1所示!其中横坐标;R L M)N表示每个特征的重要性得分!衡量的是特征在模型中的相对重要程度)纵坐标;N C E>)N R表示测井特征参数%从图1可知!重要性相对较高的特征参数为W9F和P V%%图1!H^:M M R E特征重要性筛选;J"Z1!H^:M M R E K N C E>)N J3T M)E C Q L N R L)N N Q J Q"'#模型预测结果及与真实结果的对比经过模型参数调整和交叉验证后!两种模型样本测试集中的岩性分类结果如图8所示!其中横坐标为岩性*5!粗砂岩)'!粉砂岩),!泥岩)6!砂砾岩)1!细砂岩)8!黏土)*!中砂岩%用混淆矩阵分析模型的分类结果!按照真实类别与模型预测类别两个标准进行统计!最终以矩阵形式呈现%其中矩阵的行表示真实值!矩阵的列表示预测值%上述混淆矩阵的每个单元格"/!S#表示模型将真实类别为/的样本预测为类别S的数量!观测值在对角线位置!数值越多越好)反之!在其他位置出现的观测值则越少越好%对于*种岩性!两种集成模型都表现出较好的识别效果!其中泥岩和细砂岩的分类结果与其他岩性的差异明显!H^:M M R E模型略优于D!#U V随机图8!混淆矩阵预测数据;J"Z8!W M Q K>R J M Q3C E)J_T)N&J L E J M Q&C E C.66'第5'期!!段忠义等*基于集成学习的松辽盆地砂岩型铀矿地层岩性自动识别研究森林模型%受试者工作特征"O #W #曲线是模型的另一种评价指标!O #W 曲线下与坐标轴围成的面积"9`W #用于衡量分类模型的准确性%O #W 曲线反映的是不同阈值下真正例率和假正例率之间的权衡关系%在O #W 曲线中!完美测试的9`W 值为5!表示模型在所有阈值下都能完美区分正例和反例%对角线表示随机猜测的模型性能!即真正例率等于假正例率%利用所计算的9`W 值!可以衡量分类器在不同阈值下的整体性能!面积越大!表示模型的分类准确性越高%O #W 曲线越接近左上角!说明模型在预测样本为正样本的同时还尽可能地减少了错误分类%采用H ^:M M R E 模型和D !#U V随机森林模型所得O #W 曲线如图*所示%由图*可知!两个模型的O #W 曲线都靠近左上角的点!且9`W 值均大于-?*!说明两种模型都具有较高的诊断价值!最佳边界点是曲线最靠近左上角的点!其中H ^:M M R E 模型最佳边界点的敏感度为-?/!特异度为-?'1%D !#U V 随机森林模型最佳边界点的敏感度为-?8!特异度为-?'8%可见H ^:M M R E 模型较D !#U V随机森林模型诊断价值更高!整体预测结果更优%图*!O #W 曲线;J "Z *!O #WL >)a N !!为了检验本文所建立的集成模型的准确性!将H ^:M M R E 模型与D !#U V 随机森林模型的识别结果与0%%模型和^:P U 模型的识别结果进行对比%利用W +;F M "'?5测井软件绘制部分井段钻井取心的岩性剖面与模型预测剖面!如图/所示%从图/可知!H ^:M M R E 模型和D !#U V 随机森林模型能更准确地对地层不同岩性做出响应!与钻井取心的岩性剖面的对比可知!H ^:M M R E 模型和D !#U V 随机森林模型对于砂岩型铀矿岩性的识别较其他模型更准确%针对岩性连续变化的井段!H ^:M M R E 模型的岩性识别效果与钻井取心岩性剖面基本一致!D !#U V 随机森林模型的岩性识别效果与钻井取心岩性剖面绝大部分对应较好!但对于少部分数据集较少的井段会出现岩性不对应的情况!这是因为随机森林算法对于小数据或低维数据"特征较少的数据#!不能达到很好的分类效果%而0%%模型和^:P U 模型在面对高维数据和不平衡数据时所表现出的局限性!导致部分岩性不能准确对应!识别效果与H ^:M M R E 模型和D !#U V 随机森林模型相比较差%各模型的运行时间和准确性如表'所列%由表'可知*H ^:M M R E 模型的识别效果最好!准确率高达.1?'*@!其次是D !#U V 随机森林模型!准确率为.1?-'@)^:P U 模型和0%%模型的分类效果较弱!准确率分别为.,?/5@和.,?*'@%H ^:M M R E 模型之所以准确率最高!在于H ^:M M R E 模型采用并行计算技术使得多个弱分类器组合进行学习!模型学习的结果优于以决策树作为基学习器的^:P U 模型!同时还借鉴了随机森林的列抽样!降低过拟合%从运行时间来看!基于模型本身的原理简单!模型训练较快来考虑!0%%模型和^:P U 模型所用时间较短%整体上!H ^:M M R E 模型和D !#U V 随机森林模型优于0%%模型和^:P U 模型!这是因为集成学习通过不同方法改变原始训练样本的分布构建分类器!最终集合弱分类器成强分类器!并且在每轮迭代中使用内置交叉验证!方-16'原子能科学技术!!第1*卷图/!单井段岩性识别效果;J"Z/!D J Q"S Nb N S S J Q E N)a C S S J E A M S M"I J&N Q E J K J L C E J M Q)N R>S E便获得最优迭代次数!减少了计算量!提高了模型准确率%其中:M M R E J Q"方法每次迭代时训练集的选择与前面各轮的学习结果有关!而且每次通过更新各样本权重的方式来改变数据分布):C""J Q"方法每次迭代前!采用有放回的随机抽样来获取训练数据!这使得每次迭代不依赖之前建立的模型!生成的各弱模型之间没有关联!可以彻底实现训练数据之间的并行训练%表#!各模型的准确率和运行时间*+,-.#!H4491+48+65196636E23=.0<.+4/=05.-模型准确率+@运行时间+R H^:M M R E.1?'*,?1 D!#U V随机森林.1?-',?-^:P U.,?/5'?80%%.,?*''?*A!结论5#通过测井资料和交会图分析!确定了与模型相关的/条曲线作为输入变量!并运用模型评价指标对两种集成学习模型进行评估!验证了模型的可行性)利用网格搜索^)J&D N C)L A W d从超参数空间寻找最优的参数组合!运用5-倍交叉验证结合参数组合!通过迭代确定了初步最优化模型%'#H^:M M R E模型对损失函数添加正则项以及二阶泰勒展开!弥补了传统:M M R E J Q"算法的缺陷!提升了优化效果!通过对缺失值切分方法的优化!使得每个特征的缺失值学习到一个最优的切分方向!特征的正确排序与分割结合多线程并行极大提高了运算准确率%,#:M M R E J Q"和:C""J Q"两种集成学习在预测分类中都表现出不错的性能!H^:M M R E模型对砂岩型铀矿地层岩性识别的准确率最高!达到了.1?'*@!D!#U V随机森林模型次之! 0%%模型的识别效果最差%参考文献'5(!李子颖!秦明宽!蔡煜琦!等Z鄂尔多斯盆地砂岩型铀矿成矿作用和前景分析'[(Z铀矿地质!'-'-!,8"5#*5$5,ZF+(J I J Q"!f+%!J Q"\>C Q!W9+e>i J!N EC S Z9Q C S I R J RM QE A N3J Q N)C S J]C E J M Q C Q&T)M R T N L EM KR C Q&R E M Q NE I T N>)C Q J>3&N T M R J EJ Q M)&M R G C R J Q'[(Z`)C Q J>3^N M S M"I!'-'-!,8"5#*5$5,"J Q516'第5'期!!段忠义等*基于集成学习的松辽盆地砂岩型铀矿地层岩性自动识别研究W A J Q N R N#Z''(!操应长!姜在兴!夏斌!等Z利用测井资料识别层序地层界面的几种方法'[(Z石油大学学报"自然科学版#!'--,!'*"'#*',$'8ZW9#e J Q"L A C Q"![+9%^(C J_J Q"!H+9:J Q!N EC S ZD N a N)C S3NE A M&RM K J&N Q E J K I J Q"R N i>N Q L N R E)C$E J")C T A J L J Q E N)K C L NG I S M""J Q"&C E C'[(Z[M>)Q C S M KE A N`Q J a N)R J E I M K=N E)M S N>3"%C E>)C S D L J N Q L NV&J E J M Q#!'--,!'*"'#*',$'8"J QW A J Q N R N#Z',(!O`P!9%9[!F9%0D U#%O2Z D E)C E J")C T A$ J L L M))N S C E J M QM Kb N S S S M"R G I L M3T>E N)E N L A Q J i>N R'[(Z99=^:>S S N E J Q!5.*,!1*"5,#*1**$1//Z '6(![#D c+P!=9U+P9O90!!+D c O99!N E C S Z =)N&J L E J M QM K R M Q J L S M"C Q&L M))N S C E J M Q M K S J E A M S M"IG I L M3T C)J Q""N M T A I R J L C S b N S SS M"&C E C>R J Q"3C L A J Q N S N C)Q J Q"T)J Q L J T S N R'[(Z^N M[M>)Q C S!'-'5!/*"8#*5$''Z'1(!杨兴!李娜!赵旭Z砂岩型铀矿勘查中密度测井曲线的校正研究及应用'[(Z新疆地质!'-'5!,.",#*6.*$1-5Ze9%^H J Q"!F+%C!(c9#H>ZD E>&I C Q&C T T S J L C E J M QM K&N Q R J E I S M"L M))N L E J M Q J QR C Q&R E M Q NE I T N>)C Q J>3N_T S M)C E J M Q'[(Z^N M S M"I M K H J Q$g J C Q"!'-'5!,.",#*6.*$1-5"J QW A J Q N R N#Z'8(!杨怀杰!乔宝强!冯延强Z小口径砂岩型铀矿测井资料处理解释系统设计'[(Z铀矿地质!'-5.!,1",#*5*-$5*6Ze9%^c>C J g J N!f+9#:C M i J C Q"!;V%^e C Q$i J C Q"ZP N R J"Q M KS M""J Q"&C E C T)M L N R R J Q"C Q&J Q E N)T)N E C E J M Q R I R E N3K M)R3C S S&J C3N E N)R C Q&$R E M Q N E I T N>)C Q J>3&N T M R J E'[(Z`)C Q J>3^N M S M$"I!'-5.!,1",#*5*-$5*6"J QW A J Q N R N#Z'*(!邓小卫!赵军辉!李继安!等Z可地浸砂岩型铀矿测井资料自动化处理解释系统的开发研究'[(Z铀矿地质!'--*!',"8#*,8,$,*-ZP V%^H J C M b N J!(c9#[>Q A>J!F+[J/C Q!N E C S ZO N R N C)L AM QE A NC>E M3C E J L T)M L N R R J Q"C Q&J Q E N)$T)N E C E J M Q R I R E N3M K S M""J Q"&C E CM K E A N S N C L A C G S NR C Q&R E M Q N E I T N>)C Q J>33J Q N'[(Z`)C Q J>3^N M S$M"I!'--*!',"8#*,8,$,*-"J QW A J Q N R N#Z'/(!c#D D9+%U!!29U9P9[!9(+(+9!N E C S ZF J E A M S M"IT)N&J L E J M Q>R J Q"b N S S S M"R*9")C Q>S C)L M3T>E J Q"C T T)M C L A'[(Z+Q E N)Q C E J M Q C S[M>)Q C S M K +Q Q M a C E J a NW M3T>E J Q"!+Q K M)3C E J M QC Q&W M Q E)M S!'-'5!5*"5#*''1$'66Z'.(!徐建国!吴显礼!王卫国Z自组织竞争人工神经网络在砂岩型铀矿测井数据解释中的应用'[(Z世界核地质科学!'--/!'1"'#*556$55/ZH`[J C Q">M!2`H J C Q S J!29%^2N J">M Z9T T S J$L C E J M Q M K R N S K$M)"C Q J]J Q"L M3T N E J E J a N C)E J K J L J C S Q N>$)C S Q N E b M)\J Q S M""J Q"&C E C J Q E N)T)N E C E J M Q M KR C Q&R E M Q N E I T N>)C Q J>33J Q N'[(Z2M)S&%>L S N C)^N M S M"I!'--/!'1"'#*556$55/"J QW A J Q N R N#Z'5-(张成勇!聂逢君!刘庆成!等Z二连盆地巴彦乌拉地区砂岩型铀矿目的层电测井曲线响应分析'[(Z铀矿地质!'-5-!'8"'#*5-5$5-*!55.Z(c9%^W A N Q"I M Q"!%+V;N Q"g>Q!F+`f J Q"$L A N Q"!N EC S Z9Q C S I R J RM QN S N L E)J L S M""J Q"L>)a NM K E C)"N E S C I N)M K R C Q&R E M Q N E I T N>)C Q J>3&N T M R J E J Q:C I C Q b>S C C)N C!V)S J C Q G C R J Q'[(Z`)C Q J>3^N M S M"I!'-5-!'8"'#*5-5$5-*!55."J Q W A J$Q N R N#Z'55(陈钢花!余杰!张孝珍Z基于小波时频分析的测井层序地层划分方法'[(Z新疆石油地质!'--*!'/",#*,11$,1/ZW c V%^C Q"A>C!e`[J N!(c9%^H J C M]A N Q ZF M""J Q"R N i>N Q L NR E)C E J")C T A J L&J a J R J M Q3N E A M&G C R N&M Q b C a N S N E E J3N$K)N i>N Q L I C Q C S I R J R'[(ZH J Q g J C Q"=N E)M S N>3^N M S M"I!'--*!'/",#*,11$,1/"J QW A J Q N R N#Z'5'(潘保芝!李舟波!付有升!等Z测井资料在松辽盆地火成岩岩性识别和储层评价中的应用'[(Z石油物探!'--.!6/"5#*6/$1'!18Z=9%:C M]A J!F+(A M>G M!;`e M>R A N Q"!N EC S Z9T T S J L C E J M QM K S M""J Q"&C E C J Q S J E A M S M"I J&N Q E J K J L C$E J M QC Q&)N R N)a M J)N a C S>C E J M QM K J"Q N M>R)M L\J QD M Q"S J C M:C R J Q'[(Z^N M T A I R J L C S=)M R T N LE J Q"K M)=N E)M S N>3!'--.!6/"5#*6/$1'!18"J Q W A J$Q N R N#Z'5,(吴灿灿!李壮福Z基于:=神经网络的测井相分析及沉积相识别'[(Z煤田地质与勘探!'-5'!6-"5#*8/$*5Z2`W C Q L C Q!F+(A>C Q"K>Z F M""J Q"K C L J N R C Q C S I$R J RC Q&R N&J3N Q E C)I K C L J N R)N L M"Q J E J M Q G C R N&M Q:=Q N>)C S Q N E b M)\'[(Z W M C S^N M S M"I C Q&V_T S M$)C E J M Q!'-5'!6-"5#*8/$*5"J QW A J Q N R N#Z'56(U+!`O!!O9D D`F e!9!+O^9F+e V d eZ !C L A J Q N S N C)Q J Q"C S"M)J E A3R K M)L S C R R J K J L C E J M Q"N$M S M"I&C E C K)M3b N S S S M""J Q"'W('56E A+Q E N)Q C$E J M Q C SW M Q K N)N Q L NM Q V S N L E)M Q J L R W M3T>E N)C Q&W M3T>E C E J M Q"+W V W W##Z0C R\N S N Q*'R ZQ Z(!'-5/Z'51(杨怀杰!何中波!吴仙明Z基于测井曲线的小波分析识别地层岩性界面,,,以三江盆地钻孔为'16'原子能科学技术!!第1*卷。

物理学三大发现著名物理学家开尔文说: “19世纪已经将物理大厦全部建成，今后物理学家只是修饰和完美这所大厦。

”但这种固步自封的思想很快被打破。

19世纪末物理学的三大发现（X射线1895年、放射线1896年、电子1897年），揭开了物理学革命的序幕，它标志着物理学的研究由宏观进入到微观，标志着现代物理学的产生。

列宁曾谈到，现代物理学的临产诞生了辩证唯物主义。

一、1895年，妙手偶得之的“Ｘ”光1895年11月8日晚, 德国的维尔芝堡大学的伦琴用黑的厚纸板把阴极射线管子包起来，意外的发现1米以外的荧光屏在闪光，而这绝不是阴极射线，因阴极射线穿不透玻璃，只能行进几厘米远。

伦琴断定这是一种新射线，用它拍出了一张手掌照片，一时引起轰动。

由于Ｘ射线与原子中内层电子的跃迁有关，这说明了物理学还存在亟待搜索的未知领域。

X射线本身在医疗、研究物质结构等方面都有很多的实用价值。

很多人都曾观察到过Ｘ射线的现象，但未深究而错过机会。

伦琴善于观察，精心分析，因此他发现了“Ｘ”光。

1901年，伦琴获首届诺贝尔物理奖，当之无愧。

二、1896年，天然放射性现象的发现法国巴黎的贝克勒尔在一次阴雨绵绵的日子，将用黑纸包的感光底片与铀盐一起锁进了抽屉，结果底片仍旧被铀盐感光了，这是人类第一次发现某些元素自身也具有自发辐射现象，引起了人们对原子核问题的关注。

贝克勒尔因此获1903 年诺贝尔奖。

原子核物理学起源于放射性的研究，1933年中子的发现，核物理学诞生。

核能的开发利用，大大促进了核物理和高能物理的发展，这其中居里夫妇功不可没。

居里夫人(1867-1934) 波兰中学毕业，获金质奖章，由于波兰当时女子不能上大学，做了8年家庭教师，筹了费用，于1891年到巴黎大学学习。

1893年获物理硕士学位。

1894年与法国物理学家皮埃尔·居里相恋。

1903年获诺贝尔物理奖，1911年获诺贝尔化学奖。

居里夫妇进行了艰苦的提炼工作，从铀矿渣中提炼出了钋，它比纯铀放射性强400倍!1898年7月，为纪念自己的祖国波兰，居里夫人宣布这种元素为“钋”。

112号化学元素112号化学元素是钋（Polonium）。

钋是一种放射性元素，化学符号为Po，原子序数为84，属于第16族元素。

钋的发现和研究对于放射性物质的研究具有重要意义，也为后来的核物理学做出了贡献。

钋的发现可以追溯到1898年，由波兰科学家玛丽·居里和皮埃尔·居里夫妇首次提取出纯钋。

他们从铀矿石中提取出镭，经过一系列分离和萃取过程，最终发现了钋。

居里夫妇为了纪念玛丽的祖国波兰，将这个元素命名为“钋”。

钋是一种非常稀有的元素，自然界中几乎不存在，只存在于铀矿石中。

它的放射性非常强，能够发射出α粒子，因此具有较高的毒性。

由于钋的毒性和放射性，它被广泛应用于科学研究和工业领域。

钋可以用于静电除尘器、烟雾探测器和光电池等设备中。

此外，钋还可以用于治疗癌症和其他疾病。

钋的物理和化学性质也是研究的重点之一。

钋是一种银白色的金属，具有较低的熔点和沸点。

它的密度很高，是铅的两倍多。

钋在常温下不稳定，会迅速氧化。

钋的化学性质活泼，容易与其他元素发生反应。

它可以与氧、氯和硫等元素形成化合物。

钋的同位素有多种，其中最稳定的同位素是钋-209，它的半衰期约为103年。

其他同位素的半衰期都很短，只有几分钟到几秒钟不等。

由于钋的放射性非常强，处理和储存钋需要特殊的设备和技术。

在使用钋的过程中，必须采取严格的防护措施，以保护人员的安全。

钋的应用范围也在不断扩大。

近年来，钋被用于研究新型材料、生物医学和环境保护等领域。

钋的放射性特性可以用于追踪和测量环境中的放射性物质。

此外，钋还可以用于制备核燃料和核武器。

总的来说，钋作为一种放射性元素，具有重要的科学和工业价值。

它的发现和研究为放射性物质的研究和应用奠定了基础。

然而，由于钋的放射性和毒性，使用和处理钋需要非常谨慎。

在今后的研究和应用中，需要继续加强对钋的了解，以确保安全和可持续发展。

科学家偶然发现原理的例子科学家偶然发现原理是科学史上的重要组成部分，许多重要的科学原理都是通过偶然的观察或实验发现的。

以下是一些例子：1. 万有引力定律的发现：牛顿在休息的时候，在花园里看到了一只苹果从树上掉下来。

他突然意识到，为什么苹果会掉下来而不是飞向天空呢？这个简单的观察启发了他研究重力的思路，最终导致了他发现了万有引力定律。

2. X射线的发现：1895年，德国物理学家伦琴放置一块覆盖着荧光屏的物质在实验室中，当他打开附近的真空管时，他发现荧光屏上的荧光明亮了起来。

他意识到这些射线可以穿透物体，并在荧光屏上产生影像，这就是后来被称为X射线的发现。

3. 皮埃尔·居里的放射性的发现：1896年，居里夫妇正在研究铀矿石。

在他们的实验室中，他们注意到一些矿石发出了一种未知的辐射能量，这种辐射能够通过纸和金属屏蔽物质。

他们将这种现象称为放射性，这一发现最终导致了放射性物质的研究和应用。

4. 亨利·贝克雷尔的射线发现：1896年，贝克雷尔正在研究居里夫妇的放射性现象。

他把一块覆盖着黑纸的铀矿石放在一个底片上进行实验，结果他发现矿石放射出的辐射能通过纸射入底片，产生了一个清晰的影像。

这一偶然的发现启发了他对射线的进一步研究，为后来的放射学奠定了基础。

5. 亚历山大·弗莱明的青霉素发现：1928年，弗莱明在实验室里培养细菌时，意外发现一个细菌培养皿上有一块被霉菌污染的区域，而周围的细菌却没有生长。

他推断这是由于这种霉菌产生的一种物质对细菌有杀灭作用。

这个偶然的发现为后来青霉素的发现和应用奠定了基础。

6. 亨德森·哈斯尔巴赫的超新星发现：1934年，哈斯尔巴赫在观测天空时发现了一个明亮的天体，他最初认为是一颗新发现的恒星。

然而，随后的观测表明它实际上是一颗超新星，这是人类历史上首次发现的超新星。

这一偶然的发现为天文学家研究超新星提供了重要的线索。

7. 约瑟夫·普利斯特利的DNA结构发现：1950年，普利斯特利和他的同事正在研究DNA的结构。

放射性地质学方法在矿产勘查中的应用矿产勘探是矿产资源开发的基础工作，其精度和效率直接关系到矿山的开发和利用效果。

矿产勘探的方法有很多种，其中放射性地质学方法是一种常用的技术。

那么，放射性地质学方法是如何应用于矿产勘探的呢？放射性地质学方法简介放射性地质学方法是指利用地壳中某些元素（如铀、钍、钾等）具有放射性的特性，采取一系列测量和分析手段，来探测地下岩石、矿体、构造等物质性质以及勘查矿床储量和矿体分布范围的方法。

其主要分为以下两类：1、岩石放射性测量法通过岩石放射性的分析，可以推测出该岩石的物质成分和性质，例如，岩石的年龄、形成环境、结构及变化等。

这种方法对勘探矿床的储量、形态、分布情况、深度等有一定的指导作用。

2、地球物理放射性法利用放射性同位素的特殊性质，通过测量岩石中的自然射线放射性强度和邻近物质自然射线的反应，来推测出地下矿产的物质成分、存在状态和分布范围等。

放射性地质学方法在矿产勘探中的应用放射性地质学方法具有灵敏度高、准确度高、可靠性高等优点，因此被广泛应用于矿产勘探领域。

以下是几种常见的应用：1、铀矿床勘查地球上绝大部分的铀都是以钍和钝化物的形式存在于岩石和土壤中。

放射性地质学方法可以通过测量岩石和土壤中的铀、钍含量，反演铀矿床的分布范围和储量。

在铀矿床勘探过程中，还可以利用γ射线仪测量铀矿体的放射性，进一步判断矿体是否为含铀矿石。

2、石油勘探放射性地质学方法可以通过土壤和岩石中的放射性元素含量来揭示地下透明和不透明岩层的发育情况，进而推断石油蕴藏可能的位置和规模。

同时，该方法还可用于确认油气田边界位置，研究油气运移规律以及油气藏中储层性质等。

3、金属矿床勘探在金属矿床勘探中，放射性地质学方法也扮演了重要的角色。

例如，通过对作为某些金属的萃取剂的放射性元素的测量和分析，可以探测某些金属矿的可能位置。

此外，放射性探测技术还可用于黄铜矿、钨矿等金属矿的勘探。

总结随着科技的不断发展，放射性地质学方法也会不断创新和迭代，应用领域也会逐渐拓展。

M.Marie Sklodowska Curie (1867～1934)法国物理学家和放射化学家。

1867年11月7日生于波兰华沙，1934年7月4日卒于法国上萨瓦省。

1883年中学毕业，并获得金质奖章。

由于家中经济困难和当时波兰的大学不接受女生，她担任家庭教师八年。

1891年到法国深造，1893年以优异成绩毕业于巴黎大学理学院物理系,1894年毕业于数学系。

1895年与P.居里结婚。

1904年被巴黎大学聘为助教；1906年P.居里去世后，她接替了丈夫的工作，成为巴黎大学第一位女教授。

她是法国科学院第一个女院士，并被15个国家的科学院选为院士。

在H.贝可勒尔发现铀的放射现象以后，M.居里和P.居里首先对各种物质进行放射性考察，发现元素钍也具有放射性,铀矿物则有着比纯铀高得多的放射性;依靠科学推测和精巧实验技术，1898年在铀矿物中发现了放射性元素钋和镭，开创了一门新的科学──放射化学。

按照传统的概念，确证一个元素的发现应该提供可以目睹的该元素的足够纯的化合物或单质样品。

他们在十分困难的条件下，从数以吨计的铀矿物废渣中提取少量的纯镭盐。

最终经光谱分析和原子量测定，证实了元素镭的存在。

因对放射性研究的贡献，他们和贝可勒尔共同获得1903年诺贝尔物理学奖。

1910年 9月在比利时布鲁塞尔召开的放射学大会上，她和一些专家提出建立镭的放射性标准的建议，这对放射性研究和辐射治疗都是必需的。

大会通过镭的放射性单位为居里,以纪念P.居里,并决定由M.居里负责制备镭的标准。

M.居里因发现元素镭和钋、分离出镭和对镭的性质及其化合物的研究，又获得1911年诺贝尔化学奖。

在第一次世界大战期间，她和她的长女I.约里奥－居里一起参加战地医疗服务，担负伤员的 X射线透视工作。

她积极提倡把镭用于医疗方面，使辐射治疗(早期也称为居里治疗)得到推广和提高，使核能造福于人类。

M.居里一生中担任25个国家的104个荣誉职位,接受过 7个国家的24次奖金或奖章。