再论经典测量平差模型间的内在联系

为帮助学生理解经典测量平差模型之间的相互关系,在研究两种概括模型的基础上,进一步指出附有未知参数的条件平差在某种条件下也是一种概括模型,而条件平差与间接平差是等价的,这样便揭示了各种经典平差模型的内在联系。     

阳离子交换树脂静态分离-催化分光光度法测定生物样品中痕量碘

生物样品用艾斯卡熔剂分解，强酸性阳离子交换树脂静态吸附分离大量Na^＋等阳离子后，采用Fe^3＋-SCN^--NO2^-催化体系分光光度法测定痕量碘。通过正交实验确定了催化反应的最佳实验条件。方法检出限（6s）为0．13μg／g，方法精密度（RSD，n=12）为3．69％～8．28％。用国家一级生物标准物质进行验证，测定值与标准值相符。     

山地住宅建设应以城市紧凑布局、集约发展为前提

利用山地进行住宅建设是节省建设用地的重要途径。山地住宅建设应以城市紧凑布局、集约发展为前提。讨论这个问     

一种基于Bancroft算法的GPS动态抗差自适应滤波

基于抗差自适应滤波的思想，结合非线性Bancroft算法的特点，提出了一种基于Bancroft算法的GPS动态抗差自适应滤波。计算表明，该算法不仅在一定程度上减弱了由于线性化忽略高次项对导航解的影响，而且再次证实抗差自适应滤波在控制扰动异常的有效性和合理性。     

重大突发事件中提升志愿服务应急能力的现实思考

重大突发事件的应对处置能力是国家治理体系和治理能力的重要组成部分,也是国家治理能力现代化的重要体现。志愿服务作为新时代社会治理的重要元素,在重大突发事件应对中发挥着独特的作用。然而从近年来重大突发事件应对的现状来看,无论是在质还是量上,志愿服务都难以满足应急工作的需要。通过对近年来重大突发事件的梳理和对灾区的实证调研,提出了重大突发事件中增强志愿服务应急法治能力建设,加强“平战结合”的专业建设能力,提升“互联网+”多方合作的联动协调能力,制定志愿服务应急的精准激励保障能力等方面的思考和建议,对于改善重大突发事件中志愿服务应急能力困境具有一定的价值。     

优化循环神经网络在滑坡位移预测中的应用

以中国典型黄土滑坡域甘肃黑方台党川6#滑坡体为例,基于滑坡体北斗和位移计时序监测数据,首先利用深度学习框架Tensorflow分别构建3种循环神经网络滑坡位移预测模型：简单循环神经网络(simple recurrent neural network,SimpleRNN)、长短期记忆网络(long short-term memory,LSTM)和门控循环单元(gated recurrent unit,GRU),并进一步针对循环神经网络在参数设置时多采用经验手动调参或采用网格搜索法,易造成人为主观影响较大和计算效率低下的突出问题,引入遗传算法（genetic algorithm,GA）优化循环神经网络参数的自动最佳化选取,分别构建3种基于遗传算法改进的循环神经网络滑坡位移高精度预测模型：GA-SimpleRNN、GA-LSTM、GA-GRU。研究结果表明,改进参数自动寻优后的3种循环神经网络预测模型具有更优的预测性能,特别是GA-GRU模型预测精度最高,更适用于滑坡体长时序位移的高精度预测。     

�������ɶ�����GPS����������춥�ӳٵ�Ӱ��

????????????????????????????IGS?????????????????????λ?????????????????????????????????н???????????1??????????????????????cm??????2????????????????????Ч????????GPS?????????????????????????????mm??????3????????????????????????Ч???????????????     

GNSS/SINS定位稳健SE2(3)-EKF方法

GNSS/SINS组合导航中因姿态失准角等误差较大会引起状态误差坐标定义不一致和线性化误差较大问题,导致传统滤波和定位性能有所降低,尤其在面临较复杂的GNSS观测环境时更为显著。本文通过将姿态、速度及位置状态构造为特殊SE₂(3)-EKF群元素,考虑陀螺及加速度计零偏误差,形成群-矢量混合误差模型,在此基础上设计了一种基于量测左不变的GNSS/SINS抗差滤波方法(RLIEKF),通过市区环境下存在大失准角误差和GNSS异常的车载组合导航试验,验证本文方法的优越性。试验结果表明：相对于传统EKF方法,RLIEKF方法由于在时间更新及GNSS量测更新中顾及了姿态角误差,在不同大失准角情况下仍具有较快的收敛速度,无须复杂且长时间的姿态对准步骤,较好地弥补了GNSS信号短时间缺失无法定位问题,可显著提升滤波新息精度,具备更好的抗差性能,对于复杂观测环境表现更为稳健,且计算效率相当,具备较好的工程实用价值。     

综合遥感解译2022年Mw 6.7青海门源地震地表破裂带

2022-01-08中国青海省门源县发生Mw 6.7地震,直接导致兰新高铁受损停运,引起了国内外的高度关注。为了评估交通网的受损情况,提出一种综合光学遥感影像、合成孔径雷达（synthetic aperture radar, SAR）影像、无人机影像和激光雷达（light detection and ranging, LiDAR）数据解译地震地表破裂带的技术框架。针对此次门源事件,首先,获取高分1号（GF-1）、高分7号（GF-7）、Sentinel-2光学遥感影像和Sentinel-1A SAR影像,根据GF-1和GF-7光学遥感影像确定地表破裂带的空间分布特征,并利用光学像素偏移量技术估计东西向和南北方向二维地表形变场;其次,利用SAR像素偏移量技术获取距离向和方位向地表形变场, 同时利用差分干涉技术获取雷达视线向的地表形变(即距离向);然后,采用运动结构恢复技术处理无人机影像获取高精度的数字地表模型;最后,综合利用上述信息精确确定地震地表破裂的空间分布和地表形变特征。结果表明,此次地震东西向最大形变量约为2.0 m,距离向最大形变量约为1.5 m,该破裂带总长约为36.22 km。结合门源地区公路交通网,基于机器学习方法支持向量机模型对历史地质灾害点的分布以及地表破裂带进行分析,发现此次地震对高速公路带来的影响最大,对乡道的影响最小;交通干线G0611和G338东南段具有很高的灾害风险。所提技术框架可精密地解译地表破裂,在地震减灾中直接发挥作用。