mixing

دسترسی آزاد مقاله

1 - بررسی تحولات ماگمایی در توده گرانیتی نصرند و دایک‌های همراه آن
زهرا حمزه‌ای فاطمه سرجوقیان جمشید احمدیان علی کنعانیان

توده گرانیتوئیدی نصرند در جنوب شرق اردستان با ترکیب سنگ‎شناسی گرانیت و گرانودیوریت، پس از ائوسن در داخل سنگ‌هاي آتشفشاني ائوسن تزريق شده و با دایک‌های دلريتي داراي روند‌هاي شمال‏غربی- جنوب‌‏شرقی قطع شده است. سنگ‌هاي گرانيتي دارای بافت‌های دانه‏ای، پرتیتی، گرانوفیری و پو چکیده کامل

توده گرانیتوئیدی نصرند در جنوب شرق اردستان با ترکیب سنگ‎شناسی گرانیت و گرانودیوریت، پس از ائوسن در داخل سنگ‌هاي آتشفشاني ائوسن تزريق شده و با دایک‌های دلريتي داراي روند‌هاي شمال‏غربی- جنوب‌‏شرقی قطع شده است. سنگ‌هاي گرانيتي دارای بافت‌های دانه‏ای، پرتیتی، گرانوفیری و پوئی‏کلیتیک می‏باشند. برخی پلاژیوکلازها بافت غربالی و زونینگ نشان می‏دهند و در برخی نمونه‏ها نیز شاهد حضور دو نسل مختلف پلاژیوکلاز می‏باشیم. وجود بافت‌هاي غير‏تعادلي مشخص در سنگ‌هاي گرانيتي حاكي از آن است که علاوه بر فرایند تفریق بلوری، اختلاط ماگمایی نیز در شكل‌گيري و تحول آن‌ها نقش داشته است. از بررسي نحوه توزیع اندازه بلورها (CSD) براي ارزيابي شرايط تبلور و فرايندهاي ماگمايي موثر در تشكيل سنگ‌هاي منطقه استفاده شده است. در نمونه‏های گرانیتی و دایک‌ها، روند افزایشی اندازه بلورهای فلدسپار در نمودارهاي نيمه لگاريتمي تغييرات اندازه در برابر چگالی جمعيتی كاني‌ها، نشان‏دهنده عملکرد تبلور و تفریق بلوری است و در عين حال وجود شکستگی و انحنا در نمودارهای نیمه لگاریتمی تغییرات چگالی تجمعی بلورهای پلاژیوکلاز و ارتوکلاز در برابر اندازه آن‌ها، مويد عملكرد فرایند اختلاط ماگمایی در‏حين شكل‌گيري نمونه‌ها به‏خصوص گرانيت‌ها است. در ضمن روند تغييرات Rb در برابر Rb/Sr و روند افزايشي Nb در برابر Nb/Y در كنار ساير داده‌هاي ژئوشیمیایی، تاييد كننده وقوع فرایند اختلاط ماگمایی در این سنگ‌ها است. پرونده مقاله

دسترسی آزاد مقاله

2 - اختلاط ماگمایی در گرانودیوریت¬ها و انکلاوهای مافیک ده بالا: شاهدی برای ماگماتیسم کالک-آلکالن نوع I از دو منشا پوسته زیرین و گوشته لیتوسفریک
زینب قرامحمدی فاطمه نجمی

توده گرانودیوریتی ده بالا با روند شرقی - غربی در 45 کیلومتری جنوب غرب بویین‌زهرا، در استان قزوین برونزد دارد. این توده حاوی انکلاوهای میکروگرانولار مافیک متعدد با ترکیب دیوریت - کوارتزمونزودیوریت است. انکلاوها با اشکال گرد شده و بیضوی با اندازه های دو تا 20 سانتی متر در چکیده کامل

توده گرانودیوریتی ده بالا با روند شرقی - غربی در 45 کیلومتری جنوب غرب بویین‌زهرا، در استان قزوین برونزد دارد. این توده حاوی انکلاوهای میکروگرانولار مافیک متعدد با ترکیب دیوریت - کوارتزمونزودیوریت است. انکلاوها با اشکال گرد شده و بیضوی با اندازه های دو تا 20 سانتی متر در گرانودیوریت های میزبان پراکنده شده اند. انکلاوها عموماً تماس ناگهانی با گرانودیوریت های میزبان دارند و از مجموعه کانی های آذرین تشکیل شده اند. وجود شواهد بافتی نشان‌دهنده عدم تعادل از قبیل حضور پلاژیوکلازهایی با زونینگ ترکیبی و سطوح تحلیلی مکرر، سوزن های آپاتیت و کوارتزهای اوسلی در انکلاوها نشانه تغییرات شیمیایی و یا حرارتی مذاب در حین رشد بلور و شاهدی برای وقوع اختلاط ماگمایی هستند. انکلاو ها از LREES و LILES غنی شده و از HFSES تهی شده هستند. گرانودیوریت ها با محتوای 9/66-2/64= SiO2، از نوع کالک آلکالن غنی از پتاسیم بوده و مشخصات سنگ های متا آلومین (1/1>A/CNK) را نشان می دهند. غنی شدگی از عناصر ناسازگار La, Ce, Rb, Th, K وNd در کنار آنومالی منفیTi, Ba, Eu, Nb و P دلالت بر نقش پوسته زیرین در شکل گیری ماگمای سازنده گرانودیوریت ها دارد، اما محتوای نسبتاً بالای≠Mg ( 43/0- 039/0) پیشنهاد می کند که گرانودیوریت های ده بالا از اختلاط ماگمای مافیک حاصل از گوشته با ماگمای فلسیک پوسته به وجود آمده باشند. انکلاوها با مقادیر نسبتاً پایین 2/58- 8/52=SiO2، 92/0- 77/0=A/CNK، مقدار متوسط پتاسیم 8/3-4/1=K2O و مقدار نسبتاً بالای (46/0-4/0)≠Mg مشخص می شوند. بر اساس ویژگی های ژئوشیمیایی و مقادیر 8/1-6/1=Dy/Yb، به نظر می رسد ماگمای سازنده انکلاوها از ذوب بخشی گوه گوشته در زون انتقالی اسپینل- گارنت حاصل شده و در تماس با ماگماهای فلسیک حاصل از ذوب پوسته، تا حدی متحول شده باشد. پرونده مقاله

دسترسی آزاد مقاله

3 - اختلاط ماگمایی در گرانودیوریت¬ها و انکلاوهای مافیک ده بالا: شاهدی برای ماگماتیسم کالک-آلکالن نوع I از دو منشا پوسته زیرین و گوشته لیتوسفریک
زینب قرامحمدی علی کنعانیان محسن ضرغام

توده گرانودیوریتی ده بالا با روند شرقی - غربی در 45 کیلومتری جنوب غرب بویین‌زهرا، در استان قزوین برونزد دارد. این توده حاوی انکلاوهای میکروگرانولار مافیک متعدد با ترکیب دیوریت - کوارتزمونزودیوریت است. انکلاوها با اشکال گرد شده و بیضوی با اندازه های دو تا 20 سانتی متر در چکیده کامل

توده گرانودیوریتی ده بالا با روند شرقی - غربی در 45 کیلومتری جنوب غرب بویین‌زهرا، در استان قزوین برونزد دارد. این توده حاوی انکلاوهای میکروگرانولار مافیک متعدد با ترکیب دیوریت - کوارتزمونزودیوریت است. انکلاوها با اشکال گرد شده و بیضوی با اندازه های دو تا 20 سانتی متر در گرانودیوریت های میزبان پراکنده شده اند. انکلاوها عموماً تماس ناگهانی با گرانودیوریت های میزبان دارند و از مجموعه کانی های آذرین تشکیل شده اند. وجود شواهد بافتی نشان‌دهنده عدم تعادل از قبیل حضور پلاژیوکلازهایی با زونینگ ترکیبی و سطوح تحلیلی مکرر، سوزن های آپاتیت و کوارتزهای اوسلی در انکلاوها نشانه تغییرات شیمیایی و یا حرارتی مذاب در حین رشد بلور و شاهدی برای وقوع اختلاط ماگمایی هستند. انکلاو ها از LREES و LILES غنی شده و از HFSES تهی شده هستند. گرانودیوریت ها با محتوای 9/66-2/64= SiO2، از نوع کالک آلکالن غنی از پتاسیم بوده و مشخصات سنگ های متا آلومین (1/1>A/CNK) را نشان می دهند. غنی شدگی از عناصر ناسازگار La, Ce, Rb, Th, K وNd در کنار آنومالی منفیTi, Ba, Eu, Nb و P دلالت بر نقش پوسته زیرین در شکل گیری ماگمای سازنده گرانودیوریت ها دارد، اما محتوای نسبتاً بالای≠Mg ( 43/0- 039/0) پیشنهاد می کند که گرانودیوریت های ده بالا از اختلاط ماگمای مافیک حاصل از گوشته با ماگمای فلسیک پوسته به وجود آمده باشند. انکلاوها با مقادیر نسبتاً پایین 2/58- 8/52=SiO2، 92/0- 77/0=A/CNK، مقدار متوسط پتاسیم 8/3-4/1=K2O و مقدار نسبتاً بالای (46/0-4/0)≠Mg مشخص می شوند. بر اساس ویژگی های ژئوشیمیایی و مقادیر 8/1-6/1=Dy/Yb، به نظر می رسد ماگمای سازنده انکلاوها از ذوب بخشی گوه گوشته در زون انتقالی اسپینل- گارنت حاصل شده و در تماس با ماگماهای فلسیک حاصل از ذوب پوسته، تا حدی متحول شده باشد. پرونده مقاله

دسترسی آزاد مقاله

4 - بررسی شیمی کانیها، جایگاه زمینساختی و پتروژنز تودههای نفوذی کمپلکس سورسات (شمال غرب تکاب)- ایران
ثریا دادفر فرهاد آلیانی علی‌اکبر بهاری فر محمدحسین زرین¬کوب

تودههاي نفوذي کمپلکس سورسات بخشي از تودههاي نفوذي زون سنندج – سيرجان را تشکيل ميدهند. براساس مشاهدات صحرايي و مطالعات ميکروسکوپي، منطقه مورد مطالعه از هورنبلند گابرو، کوارتزدیوریت، مونزودیوریت، گرانودیوریت و تونالیت تشکیل شده است. تجزیه مایکروپروب کانیهای آمفیبول چکیده کامل

تودههاي نفوذي کمپلکس سورسات بخشي از تودههاي نفوذي زون سنندج – سيرجان را تشکيل ميدهند. براساس مشاهدات صحرايي و مطالعات ميکروسکوپي، منطقه مورد مطالعه از هورنبلند گابرو، کوارتزدیوریت، مونزودیوریت، گرانودیوریت و تونالیت تشکیل شده است. تجزیه مایکروپروب کانیهای آمفیبول (درگرانودیوریت و مونزودیوریت)، پلاژیوکلاز و آلکالی فلدسپار (در مونزودیوریت، گرانودیوریت و تونالیت) نشان میدهد که آمفیبولها از نوع مگنزیوهورنبلند، پلاژیوکلازها از نوع آلبیت تا اولیگوکلاز و آلکالیفلدسپارها از نوع ارتوکلاز هستند. با توجه به مطالعات ژئوشيميايي، واحد مونزودیوریت (تودههای خانقلی و ترکهدره) از نوع I، با ماهیت کالکآلکالن و متاآلومين، در محدوده کمان ماگمایی (VAG) و دارای میزان نسبت 87Sr/86Sr اولیه و εNd به ترتیب برابر با 70448/0 و 12/0- است و از ماگمایی گوشتهای، که تحت فرایندهای آلایش پوستهای قرار گرفته، ایجاد شده است. واحد گرانودیوریت (تودههای پیچاقچی، حمزه قاسم و شمال شرق خانقلی)، از نوع I با ماهیت متاآلومین تا پرآلومین و کالکآلکالن است که در محدوده کمان ماگمایی VAG همراه با انکلاو ریز دانه مافیک، میزان نسبت 87Sr/86Sr اولیه و εNd به ترتیب برابر با 70529/0 و 82/2-، از اختلاط ماگمای مشتق شده از گوشته با مذاب حاصل از ذوب پوسته، ایجاد شده است. تونالیت –ترنجمیتها از نوع I با ماهیت کالکآلکالن و پرآلومین بوده که با توجه به مقادیر پایین عدد منیزیم Mg# (9/2- 6/11)، Cr (20-46) و Ni (1-4/2(، مقادیر پایین نسبتهای La/Yb، Sr/Y و Nb/Ta و الگوهای کمتر تفریق یافته عناصر نادر خاکی و آنومالی منفی Eu، حاصل ذوب پوسته آمفیبولیتی هستند که خود از ذوب پوسته مافیک ضخیم شده یا بازالتهای زیر صفحهای در اعماق و فشار پایین با حضور پلاژیوکلاز در ناحیه منشا تشکیل شده است. پرونده مقاله

دسترسی آزاد مقاله

5 - تعیین منشا سیال کانه¬ساز در کانسار روی و سرب گل¬زرد، الیگودرز با استفاده از مطالعات زمین شیمیایی و میان‌بارهای سیال
علیرضا زراسوندی منا صامتی زهرا فریدونی محسن رضایی هاشم باقری

کانسار روی و سرب گل زرد در شمال شرق شهرستان الیگودرز (استان لرستان)، در فیلیت ها و ماسه‌سنگ‌های تریاس بالایی- ژوراسیک در زون ساختاری سنندج سیرجان رخنمون دارد. کانه زایی در این کانسار شامل اسفالریت، گالن و کالکوپیریت است که عمدتاً در امتداد رگه های کوارتزی قرارگرفته‌اند. چکیده کامل

کانسار روی و سرب گل زرد در شمال شرق شهرستان الیگودرز (استان لرستان)، در فیلیت ها و ماسه‌سنگ‌های تریاس بالایی- ژوراسیک در زون ساختاری سنندج سیرجان رخنمون دارد. کانه زایی در این کانسار شامل اسفالریت، گالن و کالکوپیریت است که عمدتاً در امتداد رگه های کوارتزی قرارگرفته‌اند. دو افق کانه زا، فیلیت های با کانه زایی بالا و ماسه سنگ های دگرگون‌شده با کانه زایی اندک می باشند. مطالعات کانی‌شناسی نشان می‌دهد که گالن، اسفالریت و کالکوپیریت کانه های فلزی و کوارتز نیز مهم ترین کانی باطله در کانسار مورد مطالعه می‌باشد. شواهد نشان می‌دهد کانه زایی در کانسار گل زرد، همزاد و دیرزاد می‌باشد. بارزترین الگوی ساختاری در منطقه، کانه زایی چینه‌کران است .هدف از انجام این مطالعه، تعیین نوع و ویژگی های سیال کانه ساز در تفکیک افق های کانه زا بعلاوه تعیین منشا سیال کانه ساز در کانسار گل زرد می‌باشد. غنی‌شدگی LREE، (La/Lu میانگین 8/4) و بی هنجاری مثبت Eu (میانگین 67/1) شرایط کاهشی و سیال گرمابی را نشان می‌دهد. داده های میانبار سیال دمای همگن‌شدگی °C5/199-139، شوری (wt%equ.NaCl) 38/30-21/5 و چگالی (gr/cm3) 1/1-9/0 را در کانسار نشان می‌دهد. بررسی سیر تکاملی سیال، نشان‌دهنده اختلاط هم‌دمای سیالات در حین کانه زایی است که شامل اختلاط سیالات گرمابی با آب دریا و همچنین آب جوی می‌باشد. می‌توان گفت، خروج سیال گرمابی از عمق، ورود به محیط دریایی و کاهش دما در اثر اختلاط با آب دریا، بالاآمدن تا نزدیک سطح آب دریا، ورود به رسوبات دریایی و چرخش در فضاهای خالی این رسوبات و سپس، آبشویی فلزات از رسوبات و ته‌نشست آن‌ها در امتداد فضاهای خالی و رگه‌های کوارتزی صورت گرفته است. پرونده مقاله

دسترسی آزاد مقاله

6 - Edge Detection and Identification using Deep Learning to Identify Vehicles
Zohreh Dorrani Hassan Farsi Sajad Mohammadzadeh

10.52547/jist.16385.10.39.201

A deep convolution neural network (CNN) is used to detect the edge. First, the initial features are extracted using VGG-16, which consists of 5 convolutions, each step is connected to a pooling layer. For edge detection of the image, it is necessary to extract informati چکیده کامل

A deep convolution neural network (CNN) is used to detect the edge. First, the initial features are extracted using VGG-16, which consists of 5 convolutions, each step is connected to a pooling layer. For edge detection of the image, it is necessary to extract information of different levels from each layer to the pixel space of the edge, and then re-extract the feature, and perform sampling. The attributes are mapped to the pixel space of the edge and a threshold extractor of the edges. It is then compared with a background model. Using background subtraction, foreground objects are detected. The Gaussian mixture model is used to detect the vehicle. This method is performed on three videos, and compared with other methods; the results show higher accuracy. Therefore, the proposed method is stable against sharpness, light, and traffic. Moreover, to improve the detection accuracy of the vehicle, shadow removal conducted, which uses a combination of color and contour features to identify the shadow. For this purpose, the moving target is extracted, and the connected domain is marked to be compared with the background. The moving target contour is extracted, and the direction of the shadow is checked according to the contour trend to obtain shadow points and remove these points. The results show that the proposed method is very resistant to changes in light, high-traffic environments, and the presence of shadows, and has the best performance compared to the current methods. پرونده مقاله

دسترسی آزاد مقاله

7 - فرایندهای پلیمری در پرتو هوش‌ مصنوعی
زینب سادات حسینی

هوش ‌مصنوعی (Artificial Intelligence) (AI) با ورود به زمینه‌های مختلف، در حال متحول کردن زندگی روزمره بشر در کره خاکی است. این ابزار پنجره جدیدی را بر روی فعالان در زمینه علوم و مهندسی پلیمر مانند ساير علوم گشوده است و قادر است به‌طور گسترده در ساخت پلیمرها و مشتقات آن چکیده کامل

هوش ‌مصنوعی (Artificial Intelligence) (AI) با ورود به زمینه‌های مختلف، در حال متحول کردن زندگی روزمره بشر در کره خاکی است. این ابزار پنجره جدیدی را بر روی فعالان در زمینه علوم و مهندسی پلیمر مانند ساير علوم گشوده است و قادر است به‌طور گسترده در ساخت پلیمرها و مشتقات آن‌ها، فرایند‌های اختلاط، شکل‌دهی پلیمرها، کامپوزیت‌ها و طراحی و ساخت تجهیزات مربوط استفاده شود. الگوریتم‌های هوش مصنوعی می‌توانند تجزیه و تحلیل حجم وسیع و نامحدودی از داده‌های اخذ شده از حسگرها و سامانه‌های نظارت بر فرایند را میسر سازند. این الگوها و روندها، توانایی پردازش مواردی که تشخیص دستی آن‌ها دشوار یا ناممکن است، فراهم کرده‌اند و در مدل‌سازی و شبیه‌سازی، کنترل ‌فرایند، تشخیص خطا و سامانه‌های توصیه‌کننده، کاربرد دارند و می‌تواند برای حصول اختلاط بهینه با عنایت به خواص اجزای مخلوط و مشخصات فنی محصول مورد ‌نظر، توصیه‌هایی ارائه دهد. هوش مصنوعی می‌تواند عوامل فرایندی را برای اطمینان از سازگاری و پراکندگی یکنواخت افزودنی‌ها، پرکننده‌ها و رنگ‌ها که منجر به مخلوطی با کیفیت بالاتر و محصولات با خواص بهینه می‌شود، کنترل کند. همچنین می‌تواند به کاهش زمان چرخه، بدون به خطر انداختن کیفیت محصول کمک کند که می‌تواند منجر به صرفه‌جویی قابل‌توجهی در هزینه و بهره‌وری بیشتر شود و می‌تواند امکان تعمیر و نگه‌داری پیشگیرانه را فراهم کند. در این مطالعه به کاربرد هوش مصنوعی در برخی از فرایند‌های پلیمری به‌طور خاص در آمیزه‌سازی لاستیک، تهیه کامپوزیت و اکستروژن اشاره می‌شود که نوید‌بخش مسیر جدیدی در فرایند‌های پلیمری است. پرونده مقاله

فهرست مقالات mixing

رایمگ

پیوندهای سایت

مراکز مرتبط

پشتیبانی

صفحات رسمی