基于离散和不均匀点追踪剖分等值线的关键技术

等值线图是在二维平面上把一种空间分布现象中具有相同数值的点连接而成的图形。它是数据与图像的结合,使人能够很好地看到数据变化的趋势,直观地看到计算机模拟的结果,因此它是众多领域成果表示的重要图件之一。本文以MapGIS软件为例探讨了如何根据离散高程点(或者其他特征点)绘制等值线,以及绘制过程中一些关键技术问题及其处理方法;详细介绍了绘制等值线的方法步骤以及笔者在工作中的经验技巧。     

基于MAPGIS“校正”功能解决特殊问题的案例

在实际制图过程中运用MAPGIS软件的误差校正功能,能进行传统的标准图幅及非标准图幅的误差校正工作,保证了制图的速度和精度.但是,在实际工作中,常常因操作者的失误或资料提供者专业知识的欠缺,而造成原始资料的不合格.结合笔者科研和实际工作学习中遇到的特殊问题,提供了若干巧用MAPGIS"校正"功能解决GIS或非GIS领域中该类问题的案例,为MAPGIS软件的普及提供了经验.     

加筋土挡墙在填方高边坡中的应用

文章以一个具体工程为例，介绍了加筋土挡墙在填方高边坡工程中的设计与施工，得出了一些有参考价值的结论。     

GIS软件功能多样化背景下其应用模式的另类思考

随着地理信息系统(GIS)技术的发展,GIS软件功能日趋多样化,其应用范围也由传统领域扩展到其他越来越多的新兴或交叉学科.GIS技术的逐步深入和拓展,使得GIS的思想得以渗透到更多的领域.从一定程度上讲,其应用模式正在逐步影响和改变着人们惯有的思维方式.本文基于若干实例探讨了GIS软件功能多样化所带来的其应用模式的改变,认为GIS思想的应用正从专业化走向基础化和大众化;探讨了GIS技术对空间信息处理的方式带给人们的启发.     

武汉地区地震效应影响研究

虽然武汉市地震影响及地震危险性的水平较低 ,强震也不是武汉市工程地质环境的主要问题 ,但在城市生命线工程和高层超高层建筑方面必须考虑单体抗震设防。而且 ,随着武汉市城市建设的不断发展 ,地震效应影响逐渐成为武汉市工程地质环境评价的一个重要因子。文章在分析了武汉地区地震动衰减规律 ,进行了地震危险性评价 ,深入研究了各土层动力参数性质的基础上 ,指出武汉地区地震地面破坏主要存在砂土液化和软土震陷两种型式及各自可能的空间分布.     

武汉市软基和地面沉降危害研究

借助武汉市工程地质数据库资料，查明了武汉市人工填土、上层软土、下层软土的物理力学性质及其空间分布状况。探讨了软基沉降、差异沉降以及软土对基础工程的影响，以实测资料揭示了武汉市万松园地区的地面沉降情况，指出其主要诱发因素是人类活动。     

筏板基础与地基的共同作用计算分析——以北京市中关村航空科技园配套工程为例

在高层建筑地基、基础和上部结构三者相互作用的过程中,地基起主导作用,其次是基础,另外还受到上部结构刚度的约束作用。本文以筏板基础为例,介绍一种有限单元方法,把地基按分层变化的有限压缩层模式,将基础与地基视为两种不同的弹性体,在同时满足静力平衡和变形连续的条件下,引入上部结构在底层柱脚处对基础的约束作用,同时求得地基反力和基础内力,最后以一具体实例来论证之。     

基于矢量评估单元的模糊综合评价在GIS中的实现

模糊综合评价与GIS空间分析功能的融合应用,使基于GIS的模糊综合评价显示出强大的优势。由于栅格模型计算方便,目前GIS模糊综合评价中基本采用栅格评估单元,但栅格单元由人为指定单元大小,其单元大小和形状不一、边界复杂、空间运算时隶属度与权重等属性结构设计较难实现,大大限制了其在模糊综合评价中的应用。本文介绍了在GIS中采用矢量评估单元实现模糊综合评价的基本方法,探讨了在矢量评估单元的属性结构中设计单元的隶属度和权重等属性的关键技术,为矢量评估单元在GIS模糊综合评价中的应用提供了经验。     

基于改进两步法采样策略和卷积神经网络的崩塌易发性评价

机器学习在崩塌滑坡泥石流地质灾害易发性分析评价领域已得到广泛的研究性应用,非灾害样本的选取是易发性建模过程中的关键问题,传统随机抽样和手工标注方法可能存在随机性和主观性。将土质崩塌易发性评价视为正例无标记(positive and unlabeled,简称PU)学习,提出了一种结合信息量(information value,简称IV)和间谍技术(Spy)的两步卷积神经网络(convolutional neural networks,简称CNN)框架(ISpy-CNN)。以广州市黄埔区崩塌编录和15类基础环境因子,通过信息量模型筛选出部分低信息量样本;采用间谍技术训练CNN模型,从低信息量样本中识别出具有高置信度的可靠负例划分为非崩塌样本;分别基于该学习框架、传统间谍技术和随机抽样,使用支持向量机(support vector machine,简称SVM)和随机森林(random forest,简称RF)对比验证。结果表明,ISpy-CNN框架在验证集上的准确率、F1值、敏感度和特异度较随机采样分别提升了6.82%,6.82%,6.82%,8.23%,较传统Spy技术分别提升了2.86%...