XiaoMi-AI文件搜索系统
World File Search SystemGeosciences
苏珊·布兰特利（Susan Brantley） - 地球科学系
08/1980-8/1981秘鲁的富布赖特学者09/1981-8/1986 Dept.地质与地球物理科学，普林斯顿大学08/1986-06/1991宾夕法尼亚州助理教授，宾夕法尼亚州07/1991-06/1997宾夕法尼亚州副教授，宾夕法尼亚州立大学01/1995-07/1995-07/1995访问科学家，美国地球地球中心01/1995年7 1995年7月7日71/1995年7月7日77 7日7日。宾夕法尼亚州教授，宾夕法尼亚州07/1998-04/2003 PSU环境化学与地球化学中心主任08/1999-01/2003 PSU生物地质学教育研究计划01/2003-07/2007/2003，2003-2003-07/2003美国地理学院访问者，美国地理研究所MENLO MENLO CENTER，MENLO MENLO MENLO CERTAIN 04/2003-16/2022222222222222-22-22-22-22-22-22-22-22-22-22-22-22-22-22-22-22-2222222222 01/2004-05/2024环境中的同位素和金属实验室主任01/2004-01/2006年地球化学学会副主席09/2004-09/2011 PSU环境动力学分析总监01/2006-01/2006-01/2006-01/2008年2008年，地球社会总裁01/2008年，2010年10月1日页岩网络2013-2015地球科学委员会主席能源，基础能源科学01/2008-08/2021杰出教授，宾夕法尼亚州立大学2012 - 2021年由总统任命的成员核废料技术。审查委员会08/2021-12/2024 Hubert Barnes博士和Mary Barnes地球科学教授07/2022-12/2024 Evan Pugh大学教授01/2025-PRESENT EVAN PUGH大学教授Emerita emerita emerita emerita Geosciences 01/2025-Present-Present-Present-Present-Present Atherton Atherton Honor Emerita Honoremerita and emerita and
1 月19 日下午Artificial Intelligence in Geosciences 期刊编委会 ...
17:00-17:15 Application of Stacking stacking model in reservoir lithology identification Yu Ye 西南石油大学
地球科学博士学校-SZTE博士存储库
位于中欧的Pannonian盆地是地热能剥削的最有希望的地区之一。盆地的特征是有利的地热条件，包括高地热梯度和明显的热流密度。这些特征使盆地成为地热能生产的理想选择（Dövényi＆Horváth，1988;Kovács等，2007）。盆地的地质历史是由复杂的构造相互作用和沉积过程塑造的。这一历史导致了广泛的沉积沉积物，主要是砂岩，粘土和泥浆。这些地层，尤其是Dunántúl组（DG）中的地层，以其孔隙率和渗透性而闻名。这些属性增强了其对地热能生产的适用性（Horváth等，2015；Nádor等，2020）。
地球科学理学学士
在地球物理专业中，我们使用观察性，正向和反向建模方法研究地球和其他行星的动力学和结构。 主题包括环境研究，海洋过程，水文学，冰川学，火山，地震，构造，影响，资源，浅层危害以及行星地幔的对流。 从全球研究到微观量表，以及从几秒钟到数十亿年的时间尺度上发生的过程，地球物理学家对地球的物理过程和特性提供了基本见解。 拥有地球物理学位，学生能够在各种学科中解决尖端问题，从基本的地球和气候科学研究到能源领域的应用，数据科学和技术以及国家安全。在地球物理专业中，我们使用观察性，正向和反向建模方法研究地球和其他行星的动力学和结构。主题包括环境研究，海洋过程，水文学，冰川学，火山，地震，构造，影响，资源，浅层危害以及行星地幔的对流。从全球研究到微观量表，以及从几秒钟到数十亿年的时间尺度上发生的过程，地球物理学家对地球的物理过程和特性提供了基本见解。拥有地球物理学位，学生能够在各种学科中解决尖端问题，从基本的地球和气候科学研究到能源领域的应用，数据科学和技术以及国家安全。
可解释的机器学习如何使地球科学中的过程理解受益
近年来抽象的可解释的机器学习（IML）迅速发展，提供了新的机会来提高我们对复杂地球系统的理解。iml不仅要进行预测，而且还试图阐明这些预测背后的推理，这超出了传统的机器学习。预测能力和增强透明度的结合使IML成为发现数据中可能被传统分析忽视的数据的有前途的方法。尽管具有潜力，但对该领域的广泛含义尚未得到充分的理解。同时，IML的快速扩散仍处于早期阶段，并伴随着粗心的应用实例。应对这些挑战，本文重点介绍了IML如何有效，适当地帮助地球科学家推进过程的理解 - 这些问题通常在对IML的更多技术讨论中经常被忽视。具体来说，我们在典型的地球科学研究中确定了IML的务实应用方案，例如在特定环境中量化关系，生成有关潜在机制的假设以及评估基于过程的模型。此外，我们提出了使用IML解决特定研究问题的一般和实用的工作流程。特别是，我们确定了使用IML的几个关键和常见的陷阱，这可能会导致误导性结论，并提出相应的良好实践。我们的目标是促进IML在地球科学研究中的更广泛，更谨慎和周到的整合，将其定位为一种有价值的数据科学工具，能够增强我们当前对地球系统的理解。
能源与地球科学研究所2023 EGI年度技术...
•办公室，实验室和制造设施（24,000英尺2）•NASA，DOE，DOD和商业合同•胶带铸造，牢房和堆栈生产以及测试•Synfuels Pilot Pilter工厂的端到端功率•1个美国4个美国固体氧化物堆栈技术制造商中的1个
地球科学和能量过渡
到2050年，全球经济的实质性快速脱碳需要将人为气候变化限制为平均全球供暖。然而，化石燃料能源产生的排放（主导全球温室气体排放）一直处于历史最高水平。能量过渡到净零碳的进展和行动至关重要，而地球科学部门和地球科学家将扮演多个角色。在这里，我们在气候危机的背景下概述了地球科学的景观和能量过渡，以及关于气候和社会正义的政府间政策。我们展示了地球科学部门，技能，知识，数据和基础架构如何直接和间接地在能源过渡中起关键作用。这可能是低碳能源技术的原材料负责采购；在加热的脱碳中；以及通过新型技术开发的近乎永久地质捕获和储存碳的储存。一个新的且前所未有的挑战是达到零地质净，在那里，通过永久地质存储实现了地质资源生产和消费的零碳排放。我们确定了可持续且公平的零碳能源过渡和相关地球科学的挑战和机遇的总体和跨裁切问题。最后，我们呼吁地球科学专业人员认识到他们在确保按照所需的速度和规模的公平和可持续能源过渡中的作用承担责任。
Gly4930/Gly6932课程提纲数据科学和机器学习方法
讲师：Emma“ Mickey” Mackie电子邮件：emackie@ufl.edu办公室：Williamson 221位置：Williamson 218时间：星期五10：40-11：30 AM Office小时：星期三4-5 pm，通过预约欢迎来到Gly4930/Gly6932/gly6932，地理位置上的数据科学和机器学习方法！本课程使用地球科学中的示例为Python中的数据科学和机器学习方法提供了介绍。本课程将在进行地球科学主题进行数据科学分析时向学生介绍该理论以及实施注意事项。它是以混合形式进行的，其中大多数讲座将被预先录制并发布在画布上。我们将每周一次见面一次讨论申请。课程目标：在本课程结束时，学生应该能够：
