右江盆地层序充填动力学初探

在盆地分析及层序地层研究成果基础上,采用层序 -盆地 -地球系统的动态成因分析方法,对右江盆地进行了初步的层序充填动力学研究。首次识别出 5个级别的层序界面及相应的沉积层序,讨论了层序界面与地质事件、层序级别与盆地类型等的关系,进而建立了右江盆地层序地层格架。通过对裂谷盆地层序发育明显受同沉积断裂及基底沉降控制的分析,建立了层序成因与盆地构造活动的关系模型。在此基础上,探讨了层序充填动力学过程及其与盆地演化的关系。右江盆地层序充填过程包括陆内裂陷、陆缘裂谷、弧后裂谷和前陆造山四个阶段,经历了海西 -印支期由拉张到挤压的完整构造旋回。     

和极大似然估计及其性质

将小误差和粗差看成同一正态分布时,最小二乘估计不抗差,而其和极大似然估计是抗差的,其统计性质受尺度因子（方差因子）ｋ影响。ｋ＝１．４１６时,有最小最大偏差,即最强的抗差能力,效率为８３．８５％;ｋ＝２．７３时,其最大偏差不超过无粗差时（以２倍中误差为阈值）最小二估计的最大偏差,具有很好的抗差性,效率为９７．９１％,是最合适的取值;ｋ＝∞时,与最小二乘估计等价。     

地基合成孔径雷达的边坡形变监测应用研究

针对露天矿开采过程中边坡发生形变导致失稳的问题,使用地基合成孔径雷达对矿坑边坡进行形变监测.基于小基线集技术,该文提出以PS点相位相干系数的均值作为子集划分的参考指标,并提出在子集内采用粗差探测技术对PS点进行时间维解缠,有效削弱了子集内的大气延迟影响并防止了解缠误差在空间域的传递.通过首云铁矿边坡形变监测实验,结果表明:该文提出的方法能有效处理GB-SAR边坡连续监测数据,能够获取露天矿边坡PS点在监测期的时间序列形变,该方法在边坡稳定性监测方面具有实用性.     

点集收集分配的Delaunay三角网快速生成算法及实现

针对目前Delaunay三角网生成算法中定位待插点所在三角形效率不高的问题,本文提出一种基于对待插点集反复收集分配来完成待插入点所属三角形快速定位的方法.经过在数据结构和实现方式上的改进,算法总体平均时间复杂度为O(NlogN).实验表明,该方法具有实现简单、内存占用较小、运算效率较高等特点.     

考虑时空耦联的等效惯性加速度加载的地下结构pushover分析

地下结构的薄弱环节在地震作用下可能发生破坏,进而影响整个结构体系的整体稳定性,地下结构的抗震能力成为结构工程领域研究的热点问题之一.在借鉴已有地下结构pushover分析方法的基础上,本文提出了一种考虑时空耦合的等效惯性加速度分布模式,详细介绍了该分布模式的求解步骤与基本特点,采用该方法对日本神户大开地铁车站进行了pu...     

基于杨赤中推估法的DEM及等值线绘制

数字高程模型(DEM)是GIS最重要的组成部分,应用杨赤中滤波推估法,可将离散的高程数据经插值计算转换为格网DEM数据。在此基础上,利用VB和MapX实现等值线绘制功能。详细讨论杨赤中推估法构造DEM的原理和实现绘制等值线功能的步骤。     

基于GAMIT软件利用不同星历反演PWV的研究

首先简单介绍了GAMIT软件,然后基于GAMIT利用最终精密星历和预报精密星历分别解算相同的测站数据,得到测站天顶方向的对流层总延迟,再通过SAASTAMOINEN模型计算干延迟,提取出湿延迟后,结合地面气象数据反演大气可降水量。通过比较2种星历反演结果得到,最终精密星历和预报精密星历在解算结果上精度相当,预报精密星历在实时的水汽监测中满足要求,能够为降水的预报、预警提供帮助。     

测绘工程专业双语教学之探讨

作为教学改革和卓越工程师的一项重要内容,高校测绘专业展开了部分课程的双语教学。根据中国地质大学(北京)测绘工程专业卓越工程师计划专业课双语教学的目标和特点,结合学生的英语水平和教师队伍的现状,作者从双语课程设置及教材的选择、师生互动交流和现代化多媒体技术的应用等几个方面提出一些适合本校测绘工程专业卓越工程师计划双语教学的建议。     

断层EDF技术在复杂断块构造研究中的应用

复杂断块构造具有断层复杂,小断层广泛发育,断层识别难度大,储层分布及连通性复杂,地震成像不清、资料品质较差等特征。对于此类问题,常规地震资料无法满足断层解释精度要求。提出了一种新的断层EDF解释性处理技术,将地震资料处理与解释融为一体,以提高资料的信噪比和断层的识别能力。断层EDF解释性处理技术是利用扩散滤波和中值倾角滤波相结合的断层增强滤波方法来提高资料的信噪比,突出断层和地层的接触关系,再在滤波后的地震资料数据体上进行分频处理,选择最佳成像频带,突出识别不同规模的断层。通过在涠洲A油田的应用,取得了良好的效果。      

混沌特征参数对神经网络预测电离层TEC的影响分析

利用国际GNSS服务组织(IGS)提供的东经115°经线上不同纬度处一年的电离层总电子含量(TEC)时间序列数据,研究了如何进一步提高基于神经网络方法预测电离层TEC的效果。研究表明:电离层TEC的预测误差与电离层TEC时间序列的最大Lyapunov指数与该序列均值的乘积具有较强的相关性;而且与时间延迟和嵌入维数的选择是否恰当也有着密切关系。