“95.1”大雪的对称不稳定数值诊断分析

利用一次较成功地模拟了“９５．１”青藏高原东北部大雪过程的ＭＭ５中尺度模式输出资料,根据条件对称不稳定（ＣＳＩ）的非线性理论判 据对这次大雪过程进行了动力学诊断分析,结果表明,大雪的发生发展过程与σ＾２正值区的分布和演变非常一致,表明“９５．１”大雪是由明显的湿对称不稳定所致。     

“96.1”高原暴雪过程横波型不稳定的数值研究

利用一次较成功地模拟了“96.1”青藏高原东北部暴雪过程的MM4中尺度模式输出资料, 用非线性横波型不稳定模式对“96.1”暴雪发生发展过程的动力学机制进行了数值试验, 结果指出:横波型不稳定的分布和演变与暴雪切变线的发生发展过程相当一致, 说明横波型不稳定是这次暴雪过程的一种动力学机制.     

渤海中部和胶辽海峡地震复发模式和地震危险性

根据历史地震资料分析渤海中部与胶辽海峡地震周期模式。 时间可预测模式比滑动可预测模式更接近胶辽海峡历史地震的时间序列特征。 按时间可预测模型外推, 胶辽海峡下次强震可能发生在 21世纪初期。渤中地区历史地震序列特征复杂,一些关键地震的震级修订造成预测模型改变。使渤中地震发生时间的不确定性增大,不利于渤海地震长期预测。影响长期预测准确性的主要因素是历史地震震级的可靠性、准确性,直接影响复发模型的建立。     

1969年渤海7.4级大震前后的区域地震活动图象

分析与总结了１９６９年渤海Ｍ７．４大震前后地震活动图象特征,包括大震序列的时空分布及前兆地震活动图象特征、大震等距迁移、主要间隔缩短、共轭断层蠕滑、小震成带、诱发前震现象,地震触发响应系数异常十分显著。指出地震相互作用和自组织性为中长期地震预报提供了可能。     

合肥盆地碎屑石榴石组成及其对源区恢复和地层对比的意义

合肥盆地侏罗系碎屑成因石榴石的化学组成是相当复杂的．镁铝榴石组分含量范围０～４３％;钙铝榴石组分含量范围从小于１％到５０％;铁铝榴石组分含量２％－９２％;锰铝榴石组分含量为０～８８％．部分相对富镁铝榴石组分的石榴石有可能来源于大别造山带高压－超高压的变质岩．由于现今大别山变质岩（包括佛子岭群绿片岩）的石榴石中锰铝榴石成分含量较低（小于３０％）,它们不可能是合肥盆地保罗系富锰铝榴石成分碎屑石榴石的物源．合肥盆地保罗系沉积岩中石榴石的组成具有一定的时－空展布特征,它们可用于沉积盆地充填序列和地层对比的分析．     

渤海湾盆地新生代的走滑活动及其石油地质意义

渤海湾盆地新生代构造运动具有统一的右旋走滑特征 ,平面上具有自东向西由强变弱的特点 ,时间上走滑活动具有由老至新逐渐变弱的趋势。走滑作用对渤海湾盆地新生代的构造演化、沉积充填、油气生成、圈闭类型及形成等方面有明显的控制作用。本文特别指出了走滑作用对火山岩油气藏的控制作用。     

湖口县双钟圩堤滑塌灾害综合探调查效果及地质原因分析

本文在简单介绍地质雷达与高密度电法的工作原理及被查堤坝的地球物理参数特征的基础上,对湖口县双钟圩堤综合物探调查资料作了详细的分析解释,说明了综合物探方法在探查堤防工程隐患的实用效果;从探测结果与坝基的工程地质条件出发,着重阐明了该堤滑塌的地质原因与诱因;同时提出了对该堤的处理方法和目前正在带病运行的堤坝进行检测方法和必要性。     

地铁深基坑支护的遗传神经网络位移反分析

针对目前已有的各种位移反分析方法存在的缺陷,利用神经网络具有的非线性映射能力和遗传算法具有的全局随机搜索能力,提出了一种基于遗传神经网络进行深基坑支护的位移反分析方法。该方法改变了BP算法依赖梯度信息的指导来调整网络权值的方法,而是利用遗传算法全局性搜索的特点,寻找最合适的网络连接权和网络结构等来达到优化的目的。结合地铁深基坑支护位移计算,应用该方法对某一地铁深基坑土体的力学参数进行了反演。结果表明：将位移观测值作为网络输入数据,土体力学参数作为输出数据,在较大的解空间内,该位移反分析方法收敛速度快、解的稳定性好、反演结果精度高,是一种理想的位移反分析方法。最后,采用该软件结合一个工程实例实现了应用遗传神经网络进行的基坑支护位移反分析。     

鲁西峄山岩体的形成时代——锆石SHRIMP U-Pb定年的证据

峄山岩体主要岩性为片麻状花岗闪长岩及斑状片麻状花岗闪长岩,根据新测的锆石SHRIMP U-Pb年龄结果,片麻状花岗闪长岩为(2 526±10)Ma,斑状片麻状花岗闪长岩为(2 514±18)Ma,其形成时代确定为新太古代晚期。该岩套出露于鲁西新太古代早期泰山岩群和英云闪长质片麻岩、条带状英云闪长质片麻岩组成的古陆核的西南部,是地幔岩浆侵入混入地壳物质形成的。     

溢油物理化学性质灰色模式的研究

应用灰色系统理论对海面溢油物理化学性质(蒸发率、溶解率、表面张力、黏度和密度)在风化过程中的变化进行研究,建立了溢油物理化学性质在风化过程中的预测模式GM(1,1)和GM(0,m).结果表明,在风化过程中,溢油物理化学性质的GM(1,1)和GM(0,m)模式预测精度令人满意,皆符合统计学检验的要求;在风化过程中,溢油物理化学性质所具有的灰色相关性可用GM(0,m)模式的灰色辨识参数来表征;在风化过程中,溢油的蒸发率和溶解率可分别用表面张力、黏度和密度作为预报因子。