中美建筑抗震设计规范中工程场地类别的对比和换算关系

本文依据分布于全国的6 824个钻孔数据,按照双参数的不同取值,将GB50011—2010《建筑抗震设计规范》（以下简称中国建抗规）的场地类别进一步划分为更加同质的子类,分析了双参数体系对场地分类结果的影响,建立了每个子类与美国《NEHRP对新建建筑和结构物的推荐地震条款》（National Earthquake Hazards Reduction Program Recommended Provisions for Seismic Regulations for New Buildings and Other Structures,以下简称美国建抗规）的场地类别的对应关系,并对比分析中、美建抗规的场地类别差异,在此基础上建立了中国建抗规与美国建抗规场地类别相互转换的概率表达。研究结果表明:用v_S20近似表示中国场地分类标准的等效剪切波速并不可靠;中国建抗规中Ⅱ类场地和Ⅲ类场地内部不同子类与美国建抗规中场地类别的对应关系截然不同;中国建抗规中覆盖层厚度有效地区分了浅部波速类似而深部波速不同的场地;中国建抗规的Ⅱ类和Ⅲ类场地主体均对应美国建抗规的D类场地,中国Ⅱ类场地略偏对应美国C类场地,中国Ⅲ类场地略偏对应美国E类场地;中国Ⅳ类场地对应美国E类场地,绝大多数美国C类和D类场地均对应中国Ⅱ类场地,说明中国Ⅱ类场地的范围极宽。      

一种正样本单分类框架下的高分辨率遥感影像建筑物变化检测算法

高分辨率遥感影像建筑物变化检测对于城市规划、城市执法等方面具有非常重要的意义。文中提出一种基于正样本单分类器学习框架下的建筑物变化检测算法。首先提取影像形态学建筑物指数特征(MBI),通过卡方变换将其与光谱特征进行融合;然后利用一种单分类器完成建筑物变化初始判定;最后利用改进的长宽比形状特征完成最终建筑物变化判定。通过与现有建筑物变化检测算法、传统的多分类器算法对比,本文算法精度有一定提升并具有更强的鲁棒性。     

基于机器学习的稀疏样本下的土壤有机质估算方法

采用GRNN（Generalized Regression Neural Network）和RF（Random Forest）2种机器学习方法构建土壤有机质预测模型,以提高稀疏样本情况下的土壤有机质估算精度。依据北京市大兴区农用地2007年的土壤有机质采样数据,按MMSD准则（Minimization of the Mean of the Shortest Distances）抽稀为8种不同采样密度的样本（分别为2703、1352、676、339、169、85、43、22个样本）,分别采用GRNN、RF和Ordinary kriging对各采样密度下的未知采样点进行预测,采用交叉检验的方式验证各采样密度下未知样点的预测精度。随着采样点密度的下降,样点间的空间自相关性逐渐减弱,半变异函数的拟和精度变差,预测点结果误差增大,预测的置信度降低。当抽稀到43个和22个采样点时,样点间的空间自相关性接近歼灭,半变异函数的决定系数较低且残差较大。普通克里格受到采样点数量和采样密度、样点的空间结构的影响比较明显,其预测精度随采样点数量的下降而下降。在85个采样点及以下时,其预测值与观测值之间没有显著的相关性。GRNN和RF的预测精度受采样密度的影响不大,其预测精度在一个较小的范围内波动,其预测值围绕观测值在一定阈值空间内震荡波动,具有较好的相关性,在85个及以下的采样密度时,预测精度相对普通克里格有较大的提升。普通克里格法不适合在稀疏样本条件下空间插值计算,尤其是在空间自相关性比较弱的情况下。机器学习模型能充分学习土壤间环境信息、样点空间邻近效应信息,兼顾属性相似性和空间自相关,具有更好的稳定性和适应性,不容易受到采样点数量、构型和采样密度等因素的影响,即使在采样点空间自相关性很弱的情况下也能做出稳定预测精度。     

采用不同样本集合同化地面观测对一次飑线过程的影响

针对夏季黄淮地区一次飑线过程,利用WRF (Weather Research and Forecasting) 模式及其Hybrid ETKF-3DVAR同化系统,考察不同生成方案的样本对同化地面观测的影响。集合样本创建方式包括3类:扰动初始背景场的方案 (RCV)、使用不同的物理参数化方案 (PPMP) 以及前两者集成方案 (BLE)。基于增量场分析,同化地面观测主要调整850 hPa以下水平风和水汽混合比的空间结构,其中RCV方案侧重于改变水平风的空间分布,PPMP方案侧重于改变水汽混合比的空间结构,BLE方案兼具二者特征。同化地面观测可以间接改善6 h降水预报,其中PPMP试验的降水预报最好,尤其是对降水位置和强度的预报。对比雷达回波观测,RCV试验和BLE试验对弓状回波模拟得较好,BLE试验的模拟较多体现RCV特征。PPMP试验和RCV试验还可改变冷池的位置和强度,同时影响飑线出现和消亡时间,相对而言,PPMP试验影响更大。     

类星体样本光变研究进展

光变是活动星系统的共同特征,光变规律的研究已成为人类探索活动星系核物理的有力手段,综述了类星体样本光变的研究现状,对样本的光变比例,光变类星体的平均光变幅,光变时间尺度,光变幅与类星体物理参量的相关情况,类星体样本光变和其它活动星系核样本的关系进行了详细评述,并评述了样本光变的星暴模型,微透镜模型,吸积盘模型三种理论模型。     

基于样本与因子优化的黄冈南部地区地质灾害易发性评价

为对比信息量模型中灾害数量和灾害面积2种样本的适用性，以黄冈南部地区作为研究对象，探讨了评价因子的优化组合形式，采用信息量模型，根据研究区工程地质条件和地质灾害的特征初选评价因子，结合成功率曲线确定2种样本的因子优化组合，进而通过灾害比率及典型地质灾害点验证易发性评价结果。结果表明:①在单因子评价结果中，2种样本的单因子评价结果的AUC值排列顺序不尽相同，但呈现出一定规律性；②各叠加因子评价结果的准确度均达到因子优化组合的94.9%以上，变化幅度相对较小，且呈现出随因子数量增加而增大的趋势，但并不是越多越好；③2种样本的易发性评价结果都显示出高、较高易发区主要集中于研究区中部及北部地区，低易发区和较低易发区多集中于长江沿岸以及研究区南部，与灾害分布位置相符；④2种样本均为地质灾害易发性评价中信息量模型的有效计算样本，且面积样本的准确度明显优于数量样本。      

硅藻群落结构的差异:比较样本采集过程与空间梯度

硅藻种群的分布与其所处的生境条件密切相关,但在实际过程中的一些人为因素,例如取样方法、样本的制备以及藻种鉴定都可能会干扰到种群结构的分析结果.因此很有必要探究这些人为因素是否会对真实的硅藻群落生态学研究产生误导性的判断,以免干扰硅藻生物水质评价的客观性.选取采样方法及样本制备为代表的人为因素对硅藻群落生态分析结果引入的误差大小进行评估.结果显示,子样本之间(同一样品重复制作的玻片样本)和样品之间(同一样点重复取样)群落结构差异大小分别是1.26%和1.97%,同一条河流的样点之间则为3.38%,而所选定的跨河流研究区域的样点间群落结构差异最大(42.03%).生态学的排序结果和数理统计分析表明,在硅藻群落结构分析中,现场取样方法和样本制备过程相对于不同生境条件所引起的变化,并不会带来较大的差异.因此在河流附生硅藻的群落生态学研究中,可基本不考虑取样方法等因子的干扰,而是侧重于环境因子对硅藻生态分布的影响.     

从抗震设防类别探讨室内地震应急避难场所的选择

区分建筑物的抗震设防类别是进行抗震设计的前提和依据。本文针对当前我国室内地震应急避难场所认定面临的现有建筑的抗震安全性问题,根据不同版本的《建筑工程抗震设防分类标准》和《建筑抗震设计规范》,对现有体育、会展、教育建筑等设计、施工时依据的抗震设防类别、标准、规范进行分析研究,以为室内地震应急避难场所的选择提供参考,从而推动室内地震应急避难场所的认定工作。     

抗震设计反应谱特征周期研究

搜集整理1933—2015年美国西部地区166个有详细钻孔资料台站场地上的1 237条水平方向强震记录,按照我国建筑抗震设计规范(GB 50011-2010)中反应谱的形状对强震记录的加速度反应谱进行拟合,提取反应谱的特征周期。分析特征周期随场地类别、震级、震中距的变化特征;按特征周期分区统计计算不同场地类别上的特征周期平均值,并与我国现行的建筑抗震设计规范中给定的特征周期值进行对比研究;最后探讨地震动峰值加速度对特征周期的影响。根据研究分析结果提出关于抗震设计反应谱特征周期值的改进建议。     

遥感自动解译在农作物种植结构调查中的应用

农作物遥感分类识别中应用遥感解译和地理信息等技术手段,为农作物种植结构调查工作奠定了基础。在每年度的高分辨率遥感影像的基础上,按照统一的技术标准,在自动解译分类的基础上辅以人工,快速获得每年度主要的农作物耕地图斑,完成本年度的农作物种植结构调查工作。遥感技术的应用加快了农作物种植结构调查各个环节的数据流动,提高解译准确率,数据的采集精度和时效性都要比以往的效果更好,可为有效落实耕地轮作休耕等政策提供技术和数据支持。本文以逊克县为试验区,针对当前农作物分类工作过程中应当注意的问题进行分析与整理,总结经验和方法,更好地将遥感技术应用到农作物种植结构调查工作中去。