天津王4井抽水观测水汞影响因素的探讨

王4井因受井区地热开发的影响,于2008年12月断流停测。2010年对原观测井口装置进行改造,开始进行抽水观测水汞试验研究。在新的观测方式下,为确保观测数据稳定、可靠,本文从抽水观测的观测条件方面,对不同取样位置和抽水时间对水汞测值的影响进行了试验。试验结果表明,不同抽水时间和不同取样位置抽水观测对水汞测值影响不大,这一结论与水汞本身的化学特性相一致。认为在没有自流井的地区,只要选择灵敏的观测点使用抽水方式采样,固定观测条件,依然可以进行水汞监测。     

分散型村落遗产的保护利用——以开平碉楼与村落为例

以世界文化遗产--开平碉楼与村落为例,从空间结构入手探讨了"分散型村落"这一特殊遗产类型的概念及其空间布局分散、村落格局完整、主题载体连接、片区特色鲜明和整体价值突出的五大特点,并阐述了这些特点对遗产地带来的不利于统一管理与统筹利用等方面的影响。在分析开平碉楼与村落遗产地保护和发展现状的基础上,对比和借鉴其他类似"分散型村落"遗产地保护利用经验,针对分散型村落遗产的独立性、差异性和不可分割性,提出了该类遗产整体保护、统筹规划、区域联动、统一形象、各显特色、纽带连接等保护和发展的对策,达到在保护村落遗产的真实性和完整性的同时使遗产地实现可持续发展。这对我国众多村落遗产及历史村镇如何在快速城镇化和新农村建设的背景下,既要严格保护珍贵的遗产资源,又要有效发展当地社会经济有较好的启示作用。     

支持向量机方法在地震短期预测中的应用

支持向量机方法是基于统计学习理论提出的一种机器学习方法,在处理小样本、非线性问题方面有着很强的优势。而地震的孕育发生过程是一个复杂的非线性动力学系统,地震数据时间序列的变化更呈现非线性、不规则等特征。本文系统地分析了天津及其周边地区多种前兆现象,选取反映2至3个月短期情况的前兆测项,使用支持向量机分类方法建立地震综合预测模型,初步结果表明这种方法在地震短期预测中有一定的应用前景。     

基于粗糙集理论的地震前兆综合预测研究

以实际震例的异常数据为样本,利用粗糙集理论的离散、约简和推理功能,对地震前兆异常属性进行约简,进而对地震震级进行推理分类.初步结果表明,该方法可以在一定程度上找到异常数据与震级之间的内在联系,是一种可行的地震前兆综合预测方法.     

埃及“石头记”

尽管埃及96％的上地是沙漠或半沙漠,但存若干万年之前,有不少地方,曾是水草丰茂,森林覆盖。因为在埃及到处都可以看见术化石。一些政府机构和星级宾馆,常用它们点缀庭院。我们下榻的宾馆的院墙边,芒果树下的绿草坪上,也有3座用木化石砌起的高低错落的小假山。     

太湖春季浮游植物群落对不同形态氮的吸收

为研究太湖春季浮游植物群落氮吸收特征及其与浮游植物群落结构和环境因子的关系,于2010年5月中旬采集太湖6个点位水样,利用15N稳定同位素示踪技术,测定太湖浮游植物群落对硝态氮,铵态氮和尿素的吸收,结果表明:太湖浮游植物群落对铵态氮的吸收速率均值最高,占几种氮总吸收量p(DN)的62.8%,各点位值在0.181 -1....     

地质标准物质的研制方法

地质标准物质作为地质材料成分分析的计量标准,在分析质量监控、方法评价等方面发挥着越来越重要的作用.研制与应用地质标准物质是推动地质分析技术与方法发展必不可少的重要工作.通过介绍地质标准物质的研制过程和技术方法,重点讨论了地质标准物质的样品加工制备、均匀性检验、稳定性检验及定值等方面的标准要求及技术方法.     

食草动物粪便中的真菌孢子-粪壳菌及其在第四纪环境研究中的意义

粪壳菌是一种寄生于动物粪便的真菌,它与原生动物、粘菌、细菌、线虫和许多昆虫一起对动物粪便进行降解,使它们所包含的养分再循环.粪壳菌属于子囊菌亚门的粪壳菌目和球壳目.其中,以粪壳菌目子囊菌科Sordariaceae的粪壳菌类型最多,分布最广.本科真菌无子座,孢子主要呈褐色,形状多样,有柱形、卵形、球形、倒梨形、瓶形等,孢子体上有孔口,表面光滑或有刚毛.     

1961-2004年惠州城市与乡村气温变化的对比

根据惠州城市和乡村1961-2004年逐月平均气温资料,对比分析了全球变暖背景下惠州城市和乡村的气温变化。结果表明：城市和乡村年平均气温均表现为增加趋势,气候倾向率分别为0.21和0.13 ℃/10 a,其中冬季变暖最明显。城市气温的增温率和增温幅度都高于乡村,城市化、工业化和人类活动引起的城市热岛效应对城市气温变化有重要影响,年和四季城市热岛效应的增温贡献率为28.9%～56.3%。1990年代中期开始的10 a与前34 a相比,城市年和四季热岛效应增温幅度平均为0.19～0.27 ℃,全球变暖效应增温幅度平均为0.17～0.73 ℃。城市热岛效应对1990年代城市气温突变有重要影响。     

基于动量自适应BP神经网络的鸢乌贼模式识别

近年来, 计算机模式识别技术因其识别结果准确、快速, 而不断被用于生物判别邻域。本文利用MATLAB软件实现动量自适应BP神经网络(back propagation neural networks)对西北印度洋、中东太平洋和南海3个海区的鸢乌贼角质颚及其胴长进行模式识别。研究结果显示, 训练成型的神经网络收敛误差仅为4.416×10^-2, 加入动量和自适应学习率的BP神经网络对鸢乌贼地理种群的识别率有显著提高。3个海区的正确识别率分别为100%、88.89%和94.12%, 总成功率为 93.24%, 说明角质颚外部形态和胴长可用于鸢乌贼地理种群的区分。而BP神经网络的其他学习算法, 如梯度下降法、单一动量法和单一自适应法的总识别率分为74.32%, 77.03%和87.84%。本研究的识别效果稳定, 对于大样本训练集的识别率也高达92.77%, 为头足类的种群判别提供了新的方法和思路。