饱水黄土隧道变形规律研究

新松树湾隧道位于饱和的砂粘土中,土体的稳定性极差,施工难度较大。为此,在隧道施工期间,通过土工试验、隧道收敛和围岩内部位移的现场监测、隧道变形的三维有限元仿真计算等手段,对该隧道的变形规律进行了系统研究,获得了大量试验数据。研究成果对隧道的施工组织和支护参数的确定起到了重要作用,为此类隧道的施工积累了经验。     

吉林-日本区深震特征及板块俯冲图像分析

根据USCS地震资料：分析了吉林-日本深震区地震的深度特征．结果表明：吉林-日本深震区地震位于太平洋板块与欧亚大陆板块的交界带上．其北支地震活动强于南支．同时也揭示了该区地震深度、地震频次以及地震能量之间的关系．指出其最容易发生强震的地震层位在570-580km左右。由深度资料推断板块间的作用方式，太平洋板块向欧亚大陆的挤压是一个由浅入深的过程，在不同的部位其俯冲角度与俯冲距离是不一样的，一般来说，倾角越大，俯冲越陡．水平延伸距离越短；反之，倾角越小．俯冲越平缓，水平延伸距离越长。     

储层建模中几种原型模型的建立

储层地质知识库的建立是储层建模过程中极为重要的一步，它为建模提供基本的条件数据及各种统计参数。本文总结了建立地质知识库的主要步骤及基本内容。在资料较少的情况下，需要借助原型模型来提供一些无法直接获得但对建模十分重要的参数，如砂体宽厚比、水平方向变差函数等。文中用3个实例较详细的介绍了建立原型模型的3种主要方法，分别是利用露头、成熟油田和沉积模拟实验建立原型模型，并比较了各自的优缺点。     

用L-曲线法确定半参数模型中的平滑因子

提出了一种新的方法——L-曲线法确定平滑因子。通过确定合适的平滑因子，更好地控制了残差部分V^TPV与光滑度部分S^TRS之间的平衡，得到了更准确的参数估值。通过算例，将基于L-曲线法确定平滑因子的半参数模型解算方法和其他方法进行了比较。结果表明，用L-曲线法确定平滑因子后，提高了半参数模型计算结果的精度，可以更好地将观测值中的系统误差分离出来。     

用L-曲线法确定岭估计中的岭参数

运用L 曲线法来确定岭估计中的岭参数 ,推导了用L 曲线法确定岭参数的基本公式 ,在此基础上实现了其算法 ,并用两个算例 ,比较了新方法和以往方法。结果表明 ,L 曲线法不仅容易收敛 ,而且其计算结果的精度较高     

青藏高原东南缘构造应力场重构

采用有限元方法，针对青藏高原东南缘建立更细致、更精确的三维有限元弹性模型。选取9种不同的应力边界条件，分别进行优化分析后处理，将对应台站形变模拟值与GPS实测值进行误差分析，最终选取最佳方案作为古构造应力场。结果表明，青藏高原东南缘4 Ma BP的古应力场主要起源于中国大陆周围板块的相互作用，特别是印度板块NNE向强烈碰撞作用，成为中国大陆尤其是西南部青藏高原地区构造应力场最主要的动力来源，控制各个块体相互作用的方式和运动格局。青藏高原东南缘古应力场主要包括几个力源：西北部青藏高原侧向挤压造成的WE向应力约105 MPa；西南部直接来自于印度板块的NE-WS向应力约70 MPa；南部NS向作用力33 MPa；东南部扬子块体侧向NW-SE阻挡力56 MPa；北东部受扬子块体强烈EW向阻挡力90 MPa。这些力源共同作用于青藏高原东南缘，形成现今复杂应力场。
     

一种基于灰度块匹配的视野监测算法

针对视野移动方向的判断问题,该文介绍了运动补偿的常用方法及应用,提出了基于灰度块匹配的视野移动监测算法。通过对比各种算法计算复杂度和计算时间,发现灰度投影算法准确率低、计算量较小;块匹配搜索算法中的穷尽搜索算法准确率高,但是计算量较大。为了发挥以上两者算法的优势,将两者结合形成了灰度块匹配算法,并通过实验证实了灰度块匹配算法在实时监测系统中的可行性。     

怀柔应急水源地地下水水质变化研究

本文综合怀柔应急水源地开采期间开采量、水质等系列动态监测资料,对水源地地下水水质变化规律以及引起水质变化的主要因素进行了分析。随着地下水的开采,地下水中硬度、溶解性总固体、硝酸盐等含量呈现逐年增高的趋势,其中,浅层地下水年际增速较快,深层地下水年际增速较缓。另外,利用同位素分析技术识别地下水中NO3-污染的来源,分析结果表明,NO3-主要来源是人工化肥和中水/污水,经土壤微生物硝化作用转为硝酸盐。针对怀柔应急水源地水质变化情况,为保障供水安全,提出了改善地下水水质的对策。     

An Innovative Bias-Correction Approach to CMA-GD Hourly QuantitativePrecipitation Forecasts

This paper proposes a simple and powerful optimal integration (OPI) method for improving hourly quantitative precipitation forecasts (QPFs, 0-24 h) of a single-model by integrating the benefits of different bias- corrected methods using the high-resolution CMA-GD model from the Guangzhou Institute of Tropical and Marine Meteorology of China Meteorological Administration (CMA). Three techniques are used to generate multi-method calibrated members for OPI: deep neural network (DNN), frequency-matching (FM), and optimal threat score (OTS). The results are as follows: (1) The QPF using DNN follows the basic physical patterns of CMA-GD. Despite providing superior improvements for clear-rainy and weak precipitation, DNN cannot improve the predictions for severe precipitation, while OTS can significantly strengthen these predictions. As a result, DNN and OTS are the optimal members to be incorporated into OPI. (2) Our new approach achieves state-of-the-art performances on a single model for all magnitudes of precipitation. Compared with the CMA-GD, OPI improves the TS by 2.5%, 5.4%, 7.8%, 8.3%, and 6.1% for QPFs from clear-rainy to rainstorms in the verification dataset. Moreover, OPI shows good stability in the test dataset. (3) It is also noted that the rainstorm pattern of OPI relies heavily on the original model and that OPI cannot correct for deviations in the location of severe precipitation. Therefore, improvements in predicting severe precipitation using this method should be further realized by improving the numerical model’s forecasting capability.