青海大西沟金矿超基性岩体与矿化的关系

大西沟金矿超基性岩体是呈岩墙状产出的深成侵入体．岩体内金矿化受自变质作用与断裂构造的控制,超基性岩性不仅提供了成矿溶液,也提供了成矿物质．     

坡面非均匀沙输移机理实验方法

在分析坡面泥沙输移现象的基础上,以室内沙堆模型实验量化其输沙特征,得出其在空间上具有自相似分形的动力学过程,从理论上应用水动力学弥散特性进一步证实,结果符合较好。     

非对称自复位SMA连接的力学性能研究

提出了一种用于梁柱节点中的非对称自复位形状记忆合金(shape memory alloy, SMA)连接,可有效提高相应钢框架结构的抗震性能和震后功能恢复能力。设计8个考虑SMA面积、SMA预应变、滑移螺杆预拉力的非对称自复位SMA连接,并进行低周循环加载试验研究,得到相应滞回曲线、骨架曲线、割线刚度、耗能能力和复位性能等。研究结果表明：新型连接具有良好的自复位能力和耗能能力,滞回曲线呈明显的旗帜型,最大自复位率达到87.2%,且整个加载过程无任何构件发生损伤。增大SMA面积、SMA预应变可提高连接的承载力、耗能能力和自复位能力,并减小其残余变形;螺杆预拉力取30 N·m时新型连接的性能最佳。基于Umat子程序编制SMA本构模型并用于ABAQUS软件中,可较准确地模拟其力学性能,为相应连接的有限元参数化分析提供理论基础。     

澜沧江流域(云南段)人口密度空间自相关分析

本文介绍了空间自相关的理论方法,利用澜沧江流域(云南段)人口分布数据计算了MoranI和Local Moran I.详细论述了自相关分析的技术路线,对人口分布的空间特征进行研究探讨,把GIS技术的空间拓扑关系及可视化制图功能等很好地融合于地理现象的空间模式中,分析了研究区域人口分布的时空特征,反映了该区域人口地理分布的...     

自升式钻井平台抗冰特性试验研究

自升式钻井平台在设计时通常不考虑冰荷载的作用,要实现冰区作业,首先需要对该类平台的抗冰能力进行准确评估。本文通过开展冰池试验,对自升式钻井平台冰载荷作用机理、结构冰激特性以及抗冰方法等进行研究。海洋结构受到的冰荷载大小以及结构响应值与冰厚密切相关,冰激振动机理与冰厚无关,探究不同冰速和冰厚下冰荷载及振动响应的时程曲线,可发现低冰速下结构展现出的准静态响应特征以及高冰速下的随机响应特征。冰激振动的发生是结构固有特性、冰速、冰厚、冰材料参数等因素共同影响的结果,其作用机理尤为复杂,本研究侧重于桁架式自升式平台冰区作业中结构冰激振动特性研究。     

基于小波分析的我国台风风暴潮直接经济损失周期分析及预测

本文选取1989-2021年我国台风风暴潮直接经济损失统计数据,依据线性趋势法和Mann-Kendall非参数检验法进行分析,结果表明,32年间我国风暴潮灾害经济损失呈现显著下降趋势,整体呈厚尾分布特征,采用对数化处理后呈显著的正态分布特征。采用Morlet小波变换对我国台风风暴潮直接经济损失的周期变化规律进行分析,t检验结果显示,全域存在准两次高频振荡,1～2年及7～8年的周期振荡,但随时间变化年际周期逐渐缩短为3～5年,说明风暴潮经济损失序列存在高频振荡和多周期嵌套的低频振荡规律。在此基础上,采用Daubechies小波分解分离高频信号和低频信号,均方根误差和信噪比精度分析结果表明,当小波基设置消失矩为7,分解层数为2时,我国台风风暴潮直接经济损失时间序列具有最优分解重构效果。对各分解层进行小波系数平稳性检验和白噪声检验,建立的小波分解-ARMA组合模型的模拟精度和预测精度均优于传统的自回归移动平均模型和Fourier级数拓展模型,证明了小波分解法在我国台风风暴潮经济损失快速评估中具有可靠性和优越性。     

基于空间分析的北疆残余盐土盐分变异性研究

应用统计学与空间分析相结合的方法,对北疆典型残余盐土区不同土层土壤盐分的空间分布特征及其变化规律进行对比分析。结果显示,随着土层深度的增加土壤盐分依次增大,底聚现象比较明显;30cm以下土壤盐分相关性较强,土壤母质等结构性因素成为影响土壤盐分空间变异的主导因素;表层土壤盐分之间的自相关距明显大于中、底层;随着土层深度的增加,土壤盐分间的Moran’s I系数增大,高-高聚集区域明显增大,主要集中在荒地区域。该研究结果将为北疆残余盐土区域土壤盐渍化改良及农业管理提供理论依据。     

深度学习地震数据重建方法研究综述

由于自然条件限制和人为因素的影响,实际采集得到的地震数据往往会出现地震道数据缺失的情况,会对后续的地震数据处理和解释制造困难,需要对地震数据进行重建.而传统地震数据重建方法通常存在着重建效果受先验条件约束、超参数选择需要人工干预、自动化程度低等问题.于是人们将目光投向发展迅速的深度学习领域,截至今日已经有不少深度学习方法应用于地震数据重建领域以解决上述地震数据重建过程中的问题.本文将着重分析具有代表性的深度学习地震数据重建方法,分别基于卷积神经网络、循环神经网络、卷积自编码器、生成对抗性网络.通过重建结果残差对比图,重建结果信噪比分析等方法对深度学习地震数据重建方法的优势和不足进行深入探讨.并进一步阐述深度学习地震数据重建方法的研究现状、方法优势、存在的问题以及未来发展趋势,对现今的深度学习重建方法进行总结和展望.     

低频标准振动台系统的相对复合自反馈技术

地震计的校准需低频标准振动台系统产生失真度较低的正弦波,速度反馈广泛用于低频标准振动台系统的失真度降低,然而却会提升整个系统的高频共振峰。为了降低该共振峰,文中提出一种不需要传感器就可以提取振动台加速度信号的技术,并将该信号与速度反馈信号叠加从而降低了该共振峰,然后再通过加大电子阻尼的方法来改善振动台的低频特性。仿真结果表明：加速度反馈可以有效降低整个校准系统的高频共振峰,但反馈量过大会增加低频共振峰,选择合适的参数可以避免低频共振峰的产生。通过加大阻尼进一步降低了振动台的低频下限。最后通过实验验证了复合反馈的作用。为进一步改善电动式振动台的低频失真度,研究低频下限与低频失真度的关系打下一定的基础。     

长短期记忆压缩激励全卷积神经网络建筑物变化检测

针对当前遥感影像建筑物变化检测未考虑时序信息,导致变化特征提取效果欠佳,本文提出了一种长短期记忆压缩激励全卷积神经网络。在全卷积神经网络框架下,搭建了结合长短期记忆网络与压缩激励网络原理的长短期记忆压缩激励单元,使算法能够充分结合纹理特征及时序特征优势,提高遥感影像建筑物变化检测精度。以遥感影像建筑物变化检测公开数据集LEVIR-CD作为实验数据对该方法进行验证,结果显示,F1-score达86.35%,相较于FC-EF、FC-CONC、FC-DIFF算法,F1-score分别高出2.35%、3.47%、4.52%。