大海马游泳行为及游泳能力测定与分析

利用自制的鱼类游泳能力测定装置,观察了大海马垂直和水平方向的最大临界游速,描述了大海马的游泳行为,并评估其游泳能力。结果表明:水温25.5℃±1.0℃条件下,体长6 cm个体水平方向的临界游速达到峰值为4.23 cm/s±0.23 cm/s;随体长的增加和减少,临界游速都有所下降,体长至约10 cm时临界游速为2.86 cm/s±0.02 cm/s。该物种在水平游泳时,游泳速度与尾部的倾斜角度有关,倾角越大,速度越大,当倾角达到55°时,速度达到最大值,而大于该角度,身体就失去平衡不能进行逆水流游动。大海马体长在6 cm时达到垂直方向的临界游速峰值,为0.372 cm/s±0.014 cm/s,此时的绝对临界速度为0.085 BL/s±0.010 BL/s。至体长增长到13 cm时,基本趋于稳定,与水平方向游速变化趋势相似。     

板翼动力锚沉贯深度模型试验研究

板翼动力锚是依靠自重完成安装并靠自重和海床土的抗力来锚固的新型动力锚。板翼动力锚高速(15~25 m/s)贯入地基过程中涉及到高应变率、流固耦合、土体软化和大变形等难题,模型试验可避免上述计算困难,能直接得出不同的贯入速度所对应的沉贯深度。本文首先推导了模型相似关系,然后在常规重力条件下,进行了两组26个工况的板翼动力锚在均质黏土中动力安装过程的模型试验,根据试验结果确定了率效应参数的取值范围,并研究了每一项受力对沉贯深度的影响。最后提出了在均质黏土中预测板翼动力锚沉贯深度的经验公式。     

纵览九州

正龙岩:促进军民融合产业加快发展2016年以来,福建省龙岩市通过实施军民融合产业发展专项行动、推进产业集聚发展、强化服务落实责任等措施,以促进军民融合产业深度发展,培育新经济增长点,推动产业转型升级。推进产业集聚发展。加快推进龙岩经济技术开发区(龙岩高新区)为主体、一区多园的国家军民结合新型工业化产业示范基地创建工作,支持地方政府规划建设军民融合产业园(基地)。对获得国家、省级新型工业     

便携式高频地波雷达海流探测长周期工作性能试验

2013年1月29日至3月15日在台湾海峡西南部海域进行了OSMAR-S100便携式高频地波雷达与浮标观测海流数据的长周期对比试验,验证了雷达系统在探测海流方面的准确性、可靠性和稳定性.通过实测海流与雷达矢量流的复相关分析,选定3 m层的海流为对比代表层.试验期间实测流速为0.0~120.0 cm/s,雷达海流有效探测区内的矢量流流速、流向的观测误差较小,能够满足实时监测海洋表层流的需要,高精度区流速、流向的均方根误差分别为9.1 cm/s和24.8°,边缘区的均方根误差为13.3~24.8 cm/s和39.4°~39.6°,与国内外达到业务化运行要求的同类产品实际观测精度相当.     

中国航磁大地构造单元划分

本文以我国截止到2011年基本覆盖陆域及部分海域的航磁数据编制的全国航磁系列图为基础,以航磁反映的区域磁场和磁性基底起伏特征为依据,汲取主流大地构造观的划分理念,以板块构造理论及大陆动力学思想为指导,以磁场反映的构造特征为切入点,结合重力、遥感、地质资料对中国陆域构造单元进行划分。大地构造单元划分4个级别:一级构造单元为陆块区和造山系,共划分出8个;二级构造单元为陆块、弧盆系和地块,共划分出32个;三级构造单元为盆地、坳陷带(区)和隆起带(区),共划分出85个;四级构造单元为隆起和坳陷,共划分出332个。本划分方案旨在为油气地质构造背景研究及油气勘探提供一份地球物理资料。文中重点讨论了一、二级构造单元界线厘定的磁场依据及与前人划分存在的不同之处,而三、四级构造单元完全依据磁场及磁性基底起伏情况进行划分,并在盆地和坳陷区给出了深度信息,这为油气勘探者提供了必要的技术支撑。同时,借助丰富的航磁信息提示出一些地质构造方面难解现象,供同行专家参考与讨论。     

包气带反硝化强度空间分布规律的整合分析

依据1970~2017年间发表的3955篇包气带反硝化强度相关论文,筛选出197组反硝化强度数据,利用整合分析,重点研究了包气带反硝化强度在典型生态类型（水平）和不同采样深度（垂向）的空间分布规律,识别了包气带反硝化强度的主控因素并研究其函数关系。结果表明:水平空间上,包气带表层0~0.5 m反硝化强度的分布特征显著,由大到小排序为:森林（8.03±0.21 mg/（kg·d））、农田（3.54±0.08 mg/（kg·d））、草地（3.38±0.12 mg/（kg·d））、湿地（2.32±0.23 mg/（kg·d））、沙漠（2.15±0.56 mg/（kg·d））。垂向空间上（6 m内）,各生态类型反硝化强度随深度的增加均呈“S”型变化规律。不同生态类型和不同采样深度下包气带反硝化强度的主控因素存在一定差异,主要为黏粒、有机质、全氮、硝态氮、有效磷,并给出了包气带反硝化强度与主控因素的回归方程。     

水射流破碎南海含水合物沉积物数值模拟研究

为研究高压水射流切割、破碎南海天然气水合物储层的过程,采用著名的LS—DYNA显示动力分析有限元程序,对淹没状态下,水射流破碎海底含水合物沉积物过程进行数值模拟研究,研究了不同射流速度对高压水射流作用下含水合物沉积物破碎效果的影响规律。随着射流速度的增大,冲蚀深度逐渐增大,两者呈线性递增关系。含水合物沉积物冲蚀体积是轴向冲蚀与径向冲蚀共同作用的结果,射流速度越大,对含水合物沉积物的轴向与径向冲蚀作用增强,加大了含水合物沉积物冲蚀体积递增速率。     

基于岩石图像深度学习的岩性自动识别与分类方法

岩石岩性的识别与分类对于地质分析极为重要,采用机器学习的方法建立识别模型进行自动分类是一条新的途径。基于Inception-v3深度卷积神经网络模型,建立了岩石图像集分析的深度学习迁移模型,运用迁移学习方法实现了岩石岩性的自动识别与分类。采用此方法对所采集的173张花岗岩图像、152张千枚岩图像和246张角砾岩图像进行了学习和识别分类研究,通过训练学习建立岩石图像深度学习迁移模型,并分别采用训练集和测试集中的岩石图像对模型进行了检验分析。对于训练集中的岩石图像,每组岩石分别用3张图像测试,三种岩石的岩性分类均正确,且分类概率值均达到90%以上,显示了模型良好的鲁棒性;对于测试集中的岩石图像,每组岩石分别采用9张图像进行识别分析,三种岩石的岩性分类均正确,并且千枚岩组图像分类概率均高于90%,但是花岗岩组2张图像和角砾岩组的1张图像分类概率值不足70%,概率值较其他岩石图像低,推测其原因是训练集中相同模式的岩石图像较少,导致模型的泛化能力减小。为了提高识别精确度,对准确率较低的岩石图像进行截取,分别取其中的3张图像加入训练集进行再训练,增加与测试图像具有相同模式的训练样本;在新的模型中,对3张图像进行二次检验,测试概率值均达到85%以上,说明在数据足够的状况下模型具有良好的学习能力。与传统的机器学习方法相比,所提出的岩石图像深度学习方法具有以下优点:第一,模型通过搜索图像像素点提取物体特征,不需要手动提取待分类物体特征;第二,对于图像像素大小,成像距离及光照要求低;第三,采用适当的训练集可获得较好的识别分类效果,并具有良好鲁棒性和泛化能力。     

钻孔多参量指标预测冲击地压危险性的试验研究

为准确预测预报冲击地压危险性,提出一种通过监测钻孔过程中钻杆推力、钻杆扭矩与钻屑量等钻孔多参量指标变化规律来预测冲击危险性的方法。利用自主研制的钻孔多参量一体化测试装置,在实验环境下对不同煤体应力状态下的多参量指标进行测试分析,发现钻杆扭矩与钻屑量均随着煤体应力的增大而增大,钻杆推力随着钻进时间的增加呈现先增大再减小,并出现波谷随后增大最后减小的规律。在相同钻机及钻具条件下,进行井下原位钻孔试验,结果表明:随着钻进深度增大,钻杆扭矩与钻屑量变化规律呈现较好一致性,在5 m深度前均先增大随后减小;钻杆推力在1~4 m内呈上升趋势,在5 m处下降至波谷位置,随后推力值再次上升,最后呈稳定趋势。对此区域应力分布带情况进行划分,可确定应力峰值点大致在孔深5 m处,并利用SPSS数据分析软件初步确定此试验点钻杆推力临界指标为7.5 kN,钻杆扭矩临界指标为50.0 N·m。研究结果可为冲击地压等煤矿动力灾害危险性的预测预报提供理论基础与工程指导。      

改进的GOTURN算法

随着基于深度学习的算法在计算机视觉领域中的应用不断拓展,GOTURN(Generic Object Tracking Using Regression Networks)算法是第1个满足目标跟踪实时性要求的深度学习算法(达到100 fps),但是该算法的跟踪精度有待提高。针对此问题,采用基于运动估计的卡尔曼滤波算法与基于卷积神经网络的深度学习算法相结合的方法,将卡尔曼滤波算法融入GOTURN算法进行目标跟踪。为了验证该算法的有效性,在ILSVRC2014数据集和ALOV300++数据集中进行了训练和评估。实验结果表明,该算法不仅能够满足目标跟踪的实时性要求,而且能够提高线性系统的跟踪精度。