基于PSR-WSVM模型的边坡位移预测

为建立高精度的边坡位移预测模型，采用相空间重构（PSR）将边坡位移时间序列数据转换为多维数据，同时构造小波核函数改进的支持向量机模型，建立PSR-WSVM模型并应用于边坡位移预测。将PSR-WSVM模型预测结果与传统支持向量机（SVM）模型、小波支持向量机（WSVM）模型和基于相空间重构的支持向量机（PSR-SVM）模型预测结果进行对比，通过平均绝对误差（MAE）、平均绝对误差百分比（MAPE）和均方根误差（RMSE）3个精度评价指标验证PSR-WSVM模型的可行性。工程实例结果表明，PSR-WSVM模型预测结果的3个精度评价指标都优于另外3种模型，边坡位移预测的精度明显提升。     

面向稀疏散布数据集的时空Kriging优化

时空Kriging法通过将变异函数向时空域进行扩展得到时空变异函数,有效地利用时空邻近的采样点综合进行插值,由于时空稀疏散布数据集具有单一时刻下样本点数量少以及时空分布不规律的特点,难以满足使用时空Kriging插值法的基本条件,导致插值精度不高,据此本文提出了优化方法：通过多时段叠置拟合空间变异函数的方法,综合利用时空邻域内的采样点以解决单一时刻下空间邻域内数量不足情况;控制时间变异对空间变异函数拟合的误差影响;采用积合式模型构建时空变异函数进行插值。最后使用Argo海温数据进行插值实验,在相同条件下与时空Kriging法以及时空权重法的交叉验证结果对比得出,该方法在保证拟合所需采样点数量要求的同时,有效削减了一般时空Kriging法中时间变异对空间变异函数拟合结果的干扰,插值结果的绝对误差均值从0.5降低至0.2以内,稳定性进一步增强,改善了时空Kriging法在稀疏散布数据条件下精度上的不足。     

基于概率积分法的采动坡体稳定性预测与分析

地下采煤会引起地表沉降、变形,甚至引发山体、河堤滑坡等地质灾害。采动坡体的稳定性研究一直是采矿工程中实际关心的问题。该文首先介绍分析了概率积分法移动变形稳态、动态预测模型以及基于极限平衡理论的单滑面采动坡体稳定性预测模型,提出了使用概率积分法结合Knothe时间函数对采动坡体稳定性进行预测分析的方法,并使用C#及XML Schema语言编制了相关的计算程序。最后,结合一个工程实例对采动坡体稳定性和动态变化过程进行了预测与分析,通过实测数据验证了提出方法的可行性,得出了采动引起的坡体下沉是影响坡体稳定性的主要因素,并提出了在坡体拉伸阶段进行注浆加固的方法。     

用双三次样条函数和GPS资料反演现今中国大陆构造形变场

将中国大陆现今构造变动视为一种连续的地壳变形,利用双三次样条函数模拟了近期GPS测定的大陆内部及周边地区412个测站速率,反演大陆地区自洽的构造变动速度场和应变率场.模拟结果显示:印度板块与欧亚板块的碰撞、挤压是构成中国大陆内部岩石层水平形变的主要驱动力.印度板块在东喜马拉雅构造结深深插入青藏高原,造成地壳大规模的缩短和抬升.青藏高原东南部的喜马拉雅带、拉萨和羌塘地块以及青藏高原东南边的川滇地区,内部构造活动强烈,其内部的构造变形包含地壳碎片的冲断、褶皱和侧向逃逸.大陆地壳(或岩石圈)的增厚,尤其是喜马拉雅山脉南北向的快速缩短和青藏高原东西向的缓慢拉张,大约吸收了印欧板块会聚量的85%,西藏中东地区东西向的拉张速率达到了(16±2.0)mm/a,且顺时针方向扭转明显.印度板块相对欧亚板块运动的欧拉极为(29.7°N, 19.3°E, 0.392°/Ma);华南地块相对于欧亚大陆向东(102°±7.4°)南的运动速率是(11±1.54)mm/a,华南块体相对欧亚板块运动的欧拉极为(62.25°N, 126.56°E, 0.141°/Ma);塔里木地块相对较稳定,其西部运动速度高于东部运动速度,作顺时针方向旋转.总体上讲,中国大陆运动方向为北偏东呈辐射状,从西部近南北方向的运动转向东部地区东南方向的运动,绕东喜马拉雅构造结有一顺时针方向的旋转.横穿喜马拉雅构造带及青藏内部的南北向压缩速率为(19±2.0)mm/a,横穿西天山构造带的南北向压缩平均速率为(13±1.5)mm/a,横穿东天山构造带的南北向压缩平均速率为(6.0±1.4)mm/a.阿尔金断裂带的左旋走滑速率为(6±1.2)mm/a.     

MATLAB在运用系统建模处理南海气象数据过程中应用

介绍了MATLAB语言特点和系统建模方法的基本理论.根据南海气象数据的实际建模处理过程,给出了建模的详细步骤及其MATLAB实现过程以及MATLABTM的主要实现程序.试验讨论和结果表明利用MATLAB语言可以方便地对南海气象数据用系统建模方法进行建模和处理,MATLAB在运用系统建模法处理南海气象数据方面具有明显的优越性.     

基于噪声随机模型的加权观测融合方法

信息融合技术中,在各局部传感器的有色观测噪声为一阶AR模型的情况下,可以利用观测扩增方法消除有色噪声的影响,得到最优加权观测融合方程,从而实现状态的最优滤波解。对于有色观测噪声为MA或ARMA模型的情况,观测扩增方法不再适用。提出了基于有色观测噪声随机模型级数展开的方法,求解出各局部传感器有色观测噪声的方差,并利用该方差对加权观测融合滤波器进行了构造。通过计算实例证明,该方法不仅适用于观测噪声为AR模型,同时适用于噪声MA或ARMA模型。     

关于Diophantine方程的解

对于正整数a ,设S(a)是Smarandache函数。证明了 :方程S(1·2 ) +S(2·3) +… +S(x(x +1) ) =S(x(x +1) (x +2 ) /3)仅有正整数解x =1。     

SIMULATION AND PREDICTION OF DEBRIS FLOW USING ARTIFICIAL NEURAL NETWORK

Debris flow is one of the most destructive phenomena of natural hazards. Recently, major natural haz-ard, claiming human lives and assets, is due to debris flow in the world. Several practical methods for forecasting de-bris flow have been proposed, however, the accuracy of these methods is not high enough for practical use because of the stochastic and non-linear characteristics of debris flow. Artificial neural network has proven to be feasible and use-fill in developing models for nonlinear systems. On the other hand, predicting the future behavior based on a time se-ries of collected historical data is also an important tool in many scientific applications. In this study we present a three-layer feed-forward neural network model to forecast surge of debris flow according to the time series data collect-ed in the Jiangjia Ravine, situated in north part of Yunnan Province of China. The simulation and prediction of debris flow using the proposed approach shows this model is feasible, however, further studies are needed.     

分组密码的安全性与强化设计

分组密码是数据通讯中最常用的数据加密方式，以DES为例分析现有分组加密算法的安全隐患，并提出了可变密钥加密和变长密文输出两个新思路，可应用于所有现有分组加密算法以提高安全性，并就该方法的安全性、效率、具体应用做出了分析。