深圳湾公路大桥设计风速的推算

从资料的完整性和合理性、方法的规范性等几方面着手，对深圳湾公路大桥设计风速进行推算。利用深圳市气象站1954～2001年逐年年最大风速资料，通过时距、高度、地形等订正后得到相当于开阔平地上方10 m高度10 min年最大风速48年序列，使之符合建筑抗风指南或规范的要求。再利用极值Ⅰ型计算出不同重现期的基本风速，同时用耿贝尔的参数估算法和修正后的矩法参数估计法计算出不同重现期（200、120、100、60、50、30、10年）的基本风速。研究发现桥位区自动气象站与深圳市气象站最大风速正相关显著，前者是后者的1.1倍，从而可将基本风速外推到桥位区，进一步根据规范将该值放大1.11/2（1.049）倍至海面上，最终得到设计风速。还利用近地层风的指数和对数曲线推算出150 m内每10 m高度层的最大风速。     

西藏盐湖地区闪长玢岩锆石LA-ICP-MSU-Pb年龄及岩石成因

西藏盐湖地区的闪长玢岩体位于班公湖-怒江缝合带西段,其岩石的矿物组合为斜长石(45%~55%)、钾长石(20%~25%)、角闪石(10%~15%)、石英(5%~10%)和黑云母(5%)。锆石LA-ICP-MS U-Pb测年显示,该岩体的形成年龄介于117.6~121.3Ma,即早白垩世。岩石化学研究表明,盐湖地区的闪长玢岩具有I型花岗岩类的地球化学特征,其形成的构造背景为岛弧大陆挤压碰撞造山环境(IAG)。该闪长玢岩体的成因可能与向南俯冲的班公湖-怒江洋壳俯冲板片的断离导致的软流圈物质上涌和地壳重熔有关,即由下地壳基性岩类的部分熔融所形成。     

��ظ�ԭ���������쳣�ĵ����춯��ѧ�о�

???????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????о??????? ????????????????????????????????б?′?????????????????????????????????????????????????     

利用GRACE卫星数据提取苏门答腊地震同震和震后重力变化

基于GRACE重力卫星数据,采用P3M6去相关滤波技术、350 km半径的高斯平滑技术与差分方法,提取2004年苏门答腊Mw9.3地震的同震和震后重力场时空演化过程。该地震断层下盘同震重力变化达到4.6 μGal,上盘同震重力变化最大值为-8.3 μGal,该结果与球体位错理论计算结果在量级和分布形态上具有较好的一致性。震后7 a断层下盘重力变化累计达到5.6 μGal,超过同震变化信号|而断层上盘震后重力变化只有0.6 μGal,仅为同震变化信号的11%。该现象表明,断层下盘所在海洋地层的粘滞性较低,地层相对柔软,其地层在震后由于较大的粘滞性松弛效应而持续变形,并伴随较大的重力变化|而断层上盘所在的地层接近陆地地壳特性,地层相对脆硬,震后受地层的粘滞性响应而导致的重力变化相对较小。     

冀北赤城红旗营子群黑云斜长片麻岩的岩石学、地球化学及原岩特征

冀北赤城红旗营子群黑云斜长片麻岩具斑状变晶结构,变基质为中、细粒鳞片粒状变晶结构,片麻状构造,局部保留有变余砂状结构。岩石主要由斜长石(28%~32%)、石英(35%~40%)、黑云母(18%~25%)及少量石榴石(2%~8%)和石墨(1%~4%)等组成,其变质演化可能是一个降温、降压的过程。黑云斜长片麻岩样品具有较宽的常量元素变化范围,稀土元素含量不是很高且变化较大,ΣREE介于49.45×10-6~140.10×10-6之间,具有轻稀土富集、重稀土平坦的球粒陨石标准化稀土配分模式,轻、重稀土元素比值为5.23~9.16,(La/Yb)CN值为5.07~8.70。大多数样品具中等程度的负Eu异常和不太明显的负Ce异常,(Eu/Eu*)CN和(Ce/Ce*)CN值分别为0.63~0.81和0.82~1.01。岩石中Rb、Sr、Cs、Ba、Zr、Hf、Nb、Ta、Th和U等微量元素含量均低于上地壳的平均含量,但Sr/Ba和Th/U值高于上地壳的平均值。红旗营子群黑云斜长片麻岩的地球化学特征表明其原岩应为泥质(或含泥质)砂岩,可能形成于大陆岛弧环境。     

基于SOFM神经网络的边坡稳定性评价

针对边坡工程稳定性分析中参数的不确定性,在分析自组织特征映射神经网络（SOFM）基本学习算法的基础上,从提高算法收敛速度和性能出发,将自组织特征映射神经网络基本学习算法加以改进,据此建立了评价边坡稳定状态的SOFM神经网络模型。然后用收集到的边坡稳定工程实例作为样本,对该模型进行训练和检验,并与BP神经网络判别结果对比。结果表明,SOFM神经网络性能良好、预测精度高,是边坡稳定性评价的一种有效方法。