ISC参数改正的RAIM故障检测和识别

本文主要探讨RAIM算法中引入ISC参数改正对故障检测和识别的改进效果。采用若干MGEX站的观测数据,分别将未引入与已引入ISC参数改正的RAIM算法进行比较。实验结果表明,引入ISC参数改正的RAIM算法在单位权中误差σ、水平误差保护级别HPL、故障检验门限σT以及故障识别门限WT这4方面精度均有所提高;通过传统RAIM、有无引入ISC参数改正滑动开窗RAIM算法的对比分析,引入ISC参数改正的滑动开窗RAIM算法各项指标改善效果最优。从总体上看,引入ISC参数改正后,RAIM算法的故障检测率与故障识别率均有不同程度的提高。     

不同山体坡度初始地应力特点及对地下工程影响

在高山峡谷地区修建地下工程,山体坡度不同时会对初始地应力有十分重要的影响。通过数值分析研究了当山坡坡角分别为30°、45°和60° 时,在重力场条件下山体中在垂直向和水平向典型剖面中初始地应力分布的特点。经比较后认为,若在山体中取其直接埋深算出的垂直向地应力数值与实际值相差很大。山坡越陡,差值越大。随后,又在45°的山体中设定开挖2个不同位置的洞室,并采用了节理岩体的损伤-断裂模型做数值分析,比较二者的稳定性状况。结果发现,其围岩的损伤度十分不对称,而且离坡面（或坡脚）越近,则破损区越严重。并提出了相应的结论和建议     

用平均间隙法分析点位稳定性

对高层建筑物实施变形监测,首要的问题就是要保证基准网的稳定,本文介绍了平均间隙法及其ｔ分布单点检验法进行点位稳定性检验,并以翠华新村综合楼沉降监测基准网的稳定性分析为实例,验证了该方法是行之有效的,且效果良好。     

基于VM-MapInfo的区域开发强度测算研究——以大连市为例

开发强度指一个区域建设空间面积占该区域总面积的比例,是当前主体功能区规划需要测算的关键指标,是政府实施建设用地总量控制、实现空间结构优化的基本手段。虽然开发强度测算的基本思路和算式比较明确,但是基于GIS技术的具体数据支撑、测算技术路线、结论表达等方面都存在许多需要探索问题。以大连市为例,以VM-MapInfo软件为基本支撑,对于全市不同区域的开发强度进行了具体的测算。解决了区域开发强度测算过程中高程限制建设用地扣除、各类农用地扣除以及其他限制建设用地扣除的技术问题。     

林甸县永丰粘土矿基本特征及其开发利用前景

矿床由独立矿体构成,产于齐齐哈尔组（Qq)。认为矿石质量优良,可用于制砖、瓦、盆、具有良好的经济效益和社会效益。     

一种位移传感器数据解码方法及其在滑坡监测中的应用

介绍位移传感器数据远程传输方法,阐述位移传感器数据解码算法,并验证解码数据的准确性及可靠性。同时,将其应用于黑方台党川滑坡的变形监测,获得了滑坡监测点的实时形变信息,可为滑坡变形监测和预警提供技术支撑。     

东北老工业基地振兴过程的耕地保护策略研究--以大连市为例

经济开发与土地保护之间的矛盾日益增大,尤其在目前东北老工业基地振兴的背景下,对耕地保护策略的研究更受关注。文章以大连市为例,通过分析东北老工业基地振兴背景下的工业发展对耕地保护产生威胁的问题及对问题原因的诊断,总结出一系列有关耕地保护方面的策略。     

基于BP神经网络的滑坡监测多源异构数据融合算法研究

针对滑坡监测中的多源异构数据融合问题,论文提出了一种基于BP神经网络的多源异构监测数据融合算法。该算法将影响滑坡变形的温度、湿度、风力、云量、单日降水量和累计降水量等多环境因子变量作为输入变量,以滑坡位移变化量数据作为期望输出数据,并利用各环境因子变量和滑坡位移变化量的相关性及显著性进行环境因子变量筛选,以提高算法的预测精度。论文采用甘肃省永靖县黑方台党川滑坡的实测数据进行了试验,结果表明:反向传播（Back-Propagation,BP）神经网络数据融合算法适用于具有多源异构监测数据的滑坡变形预测;在进行环境变量因子筛选后,BP神经网络数据融合算法的决定系数达到0.985,均方根误差（RMSE）达到0.4787 mm,从而有效提高了变形预测结果的精度。      

基于特征优选和逐步回归的黄土滑坡监测数据融合改进方法

针对滑坡监测多源异构数据融合处理中存在的影响因子筛选难、结果差异大、数据处理复杂程度高等问题,提出一种基于最大互信息系数(MIC)、灰色关联分析(GRA)和逐步回归的黄土滑坡多源多点位异构监测数据融合方法。该方法首先将最大互信息系数和灰色关联分析结合起来,采用基于加权关联度的特征优选方法综合筛选滑坡变形影响因子,提取具有代表性的影响因子并剔除关联性差的影响因子;然后,通过逐步回归方法赋予各监测点位移和优选后的影响因子对应的重要性权重系数,获取多源异构数据融合序列;最后,采用甘肃黑方台党川滑坡监测设备所获取的全球卫星导航系统(GNSS)监测数据、裂缝位移计数据及气象数据进行实验验证。结果表明：在滑坡变形影响因子筛选性能方面,基于加权关联度的特征优选方法优于传统的Pearson相关系数法;基于特征优选和逐步回归的多源多点位异构数据融合模型的预测精度较传统的BP神经网络有所提升,其中均方根误差(RMSE)降低了51.8%,平均绝对百分比误差(MAPE)降低了2.26%,拟合优度达到了0.964。