塔里木盆地热演化分析中热史波动模型的初探

用沉积盆地波动分析的观点,结合塔里木盆地的实际资料,初步建立一种新的热历史恢复模型--热史波动模型.利用该模型并结合镜质体反射率古温标模拟计算了塔中10井的热历史,同时用磷灰石裂变径迹数据对模拟结果进行了检验.此结果可以较客观地描述盆地热历史的复杂变化,特别为无古温标区或未钻达层位热演化研究提供了可能.     

民勤盆地地下水水位下降特征与可持续利用评价

在水文地质调查的基础上，以地下水化学与同位素为基础数据，研究了民勤盆地地下水组成的琏本特征．自然演变规律和人类活动影响下的变化过程。地下水δ^18O较现代降水值低-3．5‰左右，表明民勤盆地地下水均为地质时期封存或入渗补给年代久远的古水，现代农业灌溉地下水是不可再生资源，大规模超采地下水导致地下水水位形成漏斗形曲面下降。作者以水量平衡理论为依据建立了估算地下水储量与农业经济规模灌溉可开采储量的“漏斗”模型，经计算绿洲浅层、深层地下水可开采静储量632亿m^3；绿洲浅层地下水淡水农业生产经济资源可开采总量为110亿m^3；按照目前开采速率，维持目前产业经济规模极限时问约为16．7a。因此，必须实施农业种植业经济向农业畜牧业、草业经济发展，以及产业调整期经济平稳过渡。     

5～7月光照对大豆产量的影响分析

利用直线相关分析法，计算5—7月份日照时数与当年大豆单产的相关系数，分析5—7月份日照时数与大豆单产的关系。得出结论是，在没有遭受特大干旱、低温冷害等农业气象灾害时．5—7月份日照时数与当年大豆单产存在明显的相关关系，说明5—7月份日照时数是影响大豆产量的气象因子之一。     

基于分布式水文模型的雅鲁藏布江径流水源组成解析

为开展河川径流的水源解析，构建过程描述和本构参数两方面均有较强物理性的分布式水文模型。以雅鲁藏布江为对象，利用水文分区曲线对降雨、融雪和融冰等不同水源主导的流量过程进行划分，以划分的流量过程线子集对相应水文过程参数进行分步率定，提高了水文模型参数的物理性，以此构建了雅鲁藏布江流域分布式水文模型及参数集，内部多个水文站点和流域雪水当量的验证表明模型具有良好的性能。基于模型解析了2001—2015年间雅鲁藏布江的径流水源组成，降雨、融雪、融冰水源对总径流量贡献的比例分别为66%、20%和14%。本文方法对高山寒区径流的水源解析有普遍意义，结果对理解气候变化下雅鲁藏布江径流变化趋势有参考价值。     

水平旋流消能工水力学研究方法适宜性

为明晰原型观测、模型试验和数值模拟3种水力学研究方法对水平旋流消能技术的适宜性,基于公伯峡水平旋流洞体型,对比了3种方法的研究成果,得到各方法对不同参数的适宜性。结果表明:3种方法对宏观水流流态、旋流洞壁面压强、消能率的研究结果基本一致;模型试验和数值模拟的环状空腔长度与原型观测存在不同程度的差异,进而影响竖井内其他参数的准确性,工程设计中应对其进行必要的修正;数值模拟和模型试验是研究旋流空腔形态和旋流洞内流速的可行方法,能有效克服原型量测技术的局限,且数值模拟研究更具优势;1∶40及以上比尺的模型是研究起旋室通风井通风特性的有效方法。     

北京市重要地质遗迹资源及其形成

北京市重要地质遗迹主要包括基础地质类.地貌景观类和地质灾害遗迹3大类。本文叙述了重要地质遗迹资源的分布特征,并对地质遗迹形成演化做了介绍,为地质科研教学和地质旅游提供了基础资料。     

机器学习在地下水环境背景值与污染风险评价的应用和展望

地下水资源在世界各国水资源中占有举足轻重的地位,对人类生存发展、维系生态系统健康发挥着重要作用。现阶段地下水污染日益严重,地下水环境背景值研究和污染风险评价对地下水污染防治工作具有重要意义。由于地下水污染影响因素复杂,地下水化学组分空间分布的非均质性、地下水样品采集的小样本问题与大尺度区域的高计算代价,都对传统的污染风险评价方法构成了极大挑战。机器学习作为人工智能的核心,已成为水文地质领域研究的前沿热点,通过智能高效的数据处理和挖掘,在地下水化学组分的分布、变化以及赋存机制等方向已得到探索和尝试。本文全面介绍了近年来在地下水污染研究方面应用的机器学习方法,涵盖了以聚类为主的非监督学习算法,以回归为主的监督学习算法,以提升算法效率为目标的混合算法,以及以神经网络为核心的深度结构算法,展示了不同类型算法在地下水污染研究方面的成果,详细归纳了各种算法的机理,对算法的技术优劣及适用方向进行了探讨;最后对机器学习在地下水污染方面的应用发展趋势进行了展望,建议探索高效集成学习模型,以弥补单一算法的不足,同时发展面向小样本的深度学习建模技术,提高地下水污染评价精度,拓展和丰富新方法新技术在地下水污染研究方面的应用。     

基于XGBoost算法的电网二次设备缺陷分类研究

电网二次设备缺陷严重程度的精确判断可为设备的运行和维护提供重要依据.针对电网二次设备缺陷数据特征量多、人为判断难度大、易出错等问题,提出基于XGBoost（eXtreme Gradient Boosting）的二次设备缺陷分类方法,提高二次设备缺陷分类的准确率.首先,对二次设备历史缺陷数据进行去异常值、编码等一系列预处理工作,并筛选出与设备缺陷相关性高的特征建立特征指标集;然后,利用历史缺陷数据对XGBoost模型进行训练和参数寻优;最后,用训练好的分类模型实现二次设备缺陷的准确分类.本文采用某电厂二次设备缺陷数据对所提算法进行算例分析,并与传统分类器（决策树、逻辑回归等）进行比较,结果表明XGBoost可以实现对二次设备缺陷程度的精确判断,进而可以很好地辅助检修人员进行设备的维护与管理.     

利用趋势化随机参数场的地下水流数值模拟优化方法

水文地质参数场的刻画是建立地下水流数值模拟模型的关键问题和难点问题。通常来讲,参数场合理性程度越高,模型拟合精度越高。本次研究将随机方法和参数空间分布表达进行结合,提出了趋势化随机参数场的构建方法。以渗透系数为研究对象,首先利用MCMC采样和样本数据特征确定水文地质参数的基本数据结构,进而根据样本空间分布特征对其进行趋势化处理,最终形成趋势化的渗透系数场。通过算例分析,利用趋势化处理后的渗透系数场能够大幅提高模拟精度,相比传统赋均值方法其误差可降至原来的1/3。在北京大兴跌隆起地区进行的实例应用说明,趋势化渗透系数场对提升岩性粒径较大(中砂以上)地区模拟精度效果显著,案例中粗砂区域渗透系数经趋势化处理后平均拟合误差由2.76 m下降至0.64 m;而对岩性以细砂及以下粒径为主的区域模拟精度提升并不明显。总体来说,该方法可为地下水流数值模型的优化提供借鉴,提升模型拟合精度,从而更加合理地刻画地下水流系统。     

基于Noah陆面过程模型模拟青藏高原植被和土壤特征对多年冻土的影响

针对青藏高原植被稀疏、土壤颗粒较粗糙的特征,基于Noah陆面过程模型（LSM）,模拟了植被和土壤对整个高原多年冻土分布和关键属性特征（包括活动层厚度和年平均地温）的影响,并通过野外调查数据对模拟结果进行了评估。结果表明：在考虑稀疏植被和粗糙土壤后,改进的Noah LSM对青藏高原多年冻土分布和属性的模拟性能都有所改善;多年冻土面积由原始Noah模型模拟的1.216×10⁶ km²减少到1.113×10⁶ km²,模拟的空间差异主要出现在多年冻土与季节冻土的过渡区及高原南部的岛状多年冻土区;模拟的高原平均活动层厚度由原始Noah模型模拟的2.55 m增加到2.92 m,年平均地温也由-2.17℃增加到-1.65℃。总之,青藏高原稀疏植被和粗糙土壤对多年冻土有重要影响。