A critical state model for sands dependent on stress and density

An elastoplastic model for sands is presented in this paper, which can describe stress–strain behaviour dependent on mean effective stress level and void ratio. The main features of the proposed model are: (a) a new state parameter, which is dependent on the initial void ratio and initial mean stress, is proposed and applied to the yield function in order to predict the plastic deformation for very loose sands; and (b) another new state parameter, which is used to determine the peak strength and describe the critical state behaviour of sands during shearing, is proposed in order to predict simply negative/positive dilatancy and the hardening/softening behaviour of medium or dense sands. In addition, the proposed model can also predict the stress–strain behaviour of sands under three-dimensional stress conditions by using a transformed stress tensor instead of ordinary stress tensor. Copyright © 2004 John Wiley & Sons, Ltd.     

A neural network approach to ship track-keeping control

This paper presents an on-line trained neural net work controller for ship track-keeping problems. Following a brief review of the ship track-keeping control development since the 1980's, an analysis of various existing backpropagation-based neural controllers is provided. We then propose a single-input multioutput (SIMO) neural control strategy for situations where the exact mathematical dynamics of the ship are not available. The aim of this study is to build an autonomous neural controller which uses rudder to regulate both the tracking error and heading error. During the whole control process, the proposed SIMO neural controller adapts itself on-line from a direct evaluation of the control accuracy, and hence the need for a “teacher” or an off-line training process can be removed. With a relatively modest amount of quantitative knowledge of the ship behavior, the design philosophy enables real time control of a nonlinear ship model under random wind disturbances and measurement noise. Three different track-keeping tasks have been simulated to demonstrate the effectiveness of the training method and the robust performance of the proposed neural control strategy     

彭州市立体农业气候资源的研究(二)热量资源分析

利用彭州市境内市气象站，新兴，白果坪的日平均气温资料，进行热量资源分析。结果表明，彭州市7－8月为最热月，多年平均温度低于24．9℃，12－2月为最冷月，多年平均温度高于1．7℃。大多数年全年稳定通过0℃，可一年四季进行农业耕作，有利于作物越冬和多年生作物的种植，生长期长，积温丰富。界限温度的初，终日期及持续日数变化较大，积温际变化显著，热量资源随海拔高度增加而减少，各界限温度的初日推迟，终日提前，持续日数和积温减少，温度强度也降低，形成显著的立体农业气候。     

COORDINATING DEVELOPMENT OF AGRICULTURAL RESOURCES AND ENVIRONMENT OF THE TROPIC REGION IN YUNNAN PROVINCE

（姚建衢）（杨焕宗）ＣＯＯＲＤＩＮＡＴＩＮＧＤＥＶＥＬＯＰＭＥＮＴＯＦＡＧＲＩＣＵＬＴＵＲＡＬＲＥＳＯＵＲＣＥＳＡＮＤＥＮＶＩＲＯＮＭＥＮＴＯＦＴＨＥＴＲＯＰＩＣＲＥＧＩＯＮＩＮＹＵＮＮＡＮＰＲＯＶＩＮＣＥ￥ＹａｏＪｉａｎｑｕ（Ｉｎｓｔｉｔｕｔｅｏｆ...     

彭州市立体农业气候资源的研究(一)降水资源分析

分析了彭州市境内位于不同海拔高度的4个观测站的降水资料，结果表明，彭州市雨量充沛，但降水量的年际变化显著，雨季起、止时间和雨季长、短的年际变化很大，降水的时间分配极不均匀，因为这4个站具有相同的气候背景、，降水量的年、季、月变化呈现基本一致的规律和趋势，但因为海拔高度不同等气候背的差异，4站的降水特点又显著不同。降水量随海拔高度的升高而增加，降水变幅和雨日也阴海拔高度的升高而增加，大降水过程具有明显的局地性，不同海拔高度的旱、涝情况亦有差异，降水的空间分布表现出明显的立体性特征。     

案例推理的地学应用背景和方法

案例推理 (CBR)研究 ,是人类认知的一种合理性模型 ,接近于人类认识、解决问题最原始的思维方式 ,具有在无法获取机理模型、确定规则或统计模型时 ,采用简单的历史相似性推理实现问题的定量求解和预测 ,成为人工智能领域近年来的研究热点。     

基于WS-Security的安全动态电子商务

Web服务方式的动态电子商务是电子商务的最终目标，安全问题是制约动态电子商务实现的主要因素。在介绍了WS-Security规范后，给出了一个建立动态电子商务的案例，分析了这个过程中可能面临的安全风险，提出了一种如何实现电子商务中重要的机密性、完整性问题的方法。     

云南官房铜矿床矿石矿物特征及银的赋存状态

通过显微镜鉴定、电子探针(EPMA)及扫描电镜能谱分析(SEM/EDS)等方法,首次对官房铜矿的矿物组合和银的赋存状态进行了研究。初步查明,矿石矿物为中-低温热液成因,并受火山机构及断裂构造的控制;银矿物主要为碲银矿和辉银矿。矿石中银与铜呈明显正相关关系,而方铅矿中不含银。银主要以类质同象的形式赋存于含铜矿物或黄铁矿中;银的独立矿物含量低,且多呈包裹体的形式存在于黄铜矿、斑铜矿及黄铁矿中,或以微细粒状赋存于矿物颗粒间和斑铜矿的表面。     

CFG桩复合地基在河北廊坊地区的应用

通过分析河北廊坊地区的地质条件和建筑情况,以及多个工程的实际应用情况,认为CFG桩复合地基比较适合于河北廊坊地区应用。同时分析了应用中存在的一些问题,并提出了预防措施。     

基于BP神经网络的抚河水环境质量评价研究

水环境质量评价中.评价因子和评价等级之间是一种复杂的非线性关系.人工神经网络权重因子可以通过学习自动调节,不需要人为设置权重,能较好的处理复杂的非线性关系.通过构建基于BP(反向传播)算法的人工神经周络模型.对抚河水质进行评价.评价结果与模糊聚类方法得出的结果进行对比可发现,神经网络法可以客现、准确的得出评价等级,同时还可以分析出同一类别河段污染程度的不同,实例证明它是一种较好的水环境质量评价方法.