|
|
Short-term cyclic paleoenvironmental variations in Middle Turonian hemipelagic deposits, Bohemian Cretaceous Basin
Voženílková, Kristýna ; Uličný, David (vedoucí práce) ; Chadimová, Leona (oponent)
Sedimentární záznam stupně turonu (svrchní křída) poskytuje příležitost pro studium klimatických výkyvů v době vrcholného skleníkového klimatu. V české křídové pánvi se dosavadní cyklostratigrafické studie zabývaly cyklickými změnami sedimentárních prostředí spodního a svrchního turonu, avšak cyklostratigrafie středního turonu nebyla zatím podrobně studována. Tato diplomová práce aplikovala metody spektrální analýzy na karotážní data a prvkové složení několika vrtů umístěných v centrální části české křídové pánve, s cílem lépe porozumět změnám paleoprostředí ve středním turonu a jejich možným kauzálním vztahům s astronomickými cykly. V karotážních datech a obsahu vápníku z vrtu Bch-1 byl nalezen signál krátké excentricity (~100 kyr), který byl korelován na vzdálenosti cca 20 km v rámci studované oblasti a lze jej korelovat v části záznamu i dále. Za příčinu změn v obsahu Ca, resp. CaCO3, považujeme fluktuace v produktivitě biogenního karbonátu. Ve spodní části se zvýšeným vlivem změn klastického přínosu v bazální části středního turonu. Karbonátová cykličnost je zřejmě nezávislá na přínosu klastického materiálu, kromě spodní části středního turonu, v níž jsou tyto dva proxy parametry ve fázi. K záznamu astronomických cyklů v sedimentárním sledu vedla pravděpodobně kombinace regionálních a...
|
|
|
Umělá inteligence a její možnosti v automatické determinaci kokolitů
Voženílková, Kristýna ; Holcová, Katarína (vedoucí práce) ; Svobodová, Andrea (oponent)
Automatická determinace objektů pomocí neuronových sítí je aplikována již v řadě odvětví, avšak v paleontologii byl tento přístup zatím použit jen zřídka. Cílem bakalářské práce bylo zhodnocení perspektivnosti metody automatické determinace kokolitů pomocí neuronové sítě, kterou navrhla společnost Cogniware. Pro testování neuronové sítě byly zvoleny druhy vápnitého nanoplanktonu Cyclicargolithus floridanus a Cyclicargolithus abisectus. Prozatím byla síť trénována na druhu C. floridanus a naučila se rozpoznávat jeho typické jedince s přesností 99%. V práci je poskytnut základní přehled o kokolitech a neuronových sítích. Následně je popsána použitá metoda přípravy dat pro neuronovou síť. Klíčová slova: vápnitý nanoplankton, Reticulofenestra, morfologie, umělá inteligence, neuronová síť
|
host ::
RSS.