融合自编码与密集残差网络的滑坡易发性评价

针对滑坡易发性评价中编录样本受限、特征信息利用不足，导致预测效果不理想的问题，该文提出融合栈式自编码与密集残差网络的滑坡易发性评价方法。将传统自编码网络进行栈化，重构原始数据以强化特征表达；在卷积神经网络中引入跳层连接，通过密集连接的方式构建一种密集残差网络模型提取数据的深层特征。该文以四川省雅安市为研究区开展滑坡易发性评价，将所提模型与逻辑回归模型、CPCNN-RF模型、U-net模型进行了对比分析。实验结果表明：该方法取得最佳精度，受试者工作特征曲线下的面积为0.883,在一定程度上能够较好地适应小样本预测，易发性制图结果更为准确可靠。     

利用密集台阵资料研究宾川盆地浅层介质尾波Q值

为得到更准确的浅部介质衰减参数，便于工程地震领域开展更精细的地震动模拟等研究，以气枪密集台阵资料为基础，联合天然地震资料，利用Sato单散射模型研究了云南宾川盆地浅层介质尾波衰减特征。结果显示，随着频率的增加，尾波Q值Q_c整体呈增加趋势，符合Q值的频率依赖关系。在空间上，该地区Q_c值分布具有明显的横向不均匀性，位于研究区中部宾川盆地的台站Q_c值较低，而位于研究区南西和北东方向的山地丘陵地区的台站Q_c值较高，与速度层析成像研究结果一致。研究区平均Q_c频率依赖关系为Q_c(f)=28.04f^1.07，气枪震源密集台阵资料得到的Q₀值较天然地震得到的值更低，证明使用密集台阵资料得到的结果反映了更浅部介质的衰减特征，而更高的频率依赖指数η值意味着浅层介质的非均匀性高于深部介质，符合实际情况。宾川盆地Q₀值大于松辽盆地、华北盆地和中国大陆平均沉积层，而指数η小于松辽盆地和中国大陆，表明本研究所用资料反映...