滑坡体地质剖面表达与绘制方法探讨

滑坡体的地质结构非常复杂，对如何有效地表示滑坡体内部结构采用计算机绘制其剖面图的研究具有很强的实用性。本文对采用数字高程模型（DEM）在计算机上绘制滑坡体地质剖面图进行了论述。     

一种改进的GPS随机模型建模方法

针对观测序列的异方差和时相关特性相互影响但又难以并行建模的问题,提出了一种迭代、序贯处理异方差和时相关问题的随机模型建模方案。实验结果显示,该方法较好地解决了异方差和时相关特性无法并行建模的难题,极大地消除了多路径及系统残余误差对GPS定位成果的影响,增加了基线数据处理的可靠性。     

模拟地震的弹簧滑块模型的混沌运动

我们构造了一种自由度为２的双弹簧滑块系统，讨论模型参数的不均匀性和滑块间的相互作用与复杂现象的关系。假定滑块在所受力小于其静摩擦力时保持静止，因此，只有发生了滑动，两滑块所受力之差才改变。如果我们以两滑块受力之差为变量，就可以构造一种一维的映射。这种映射直观地显示了系统的演化，反映了方程终态解的形态。结果表明，用混沌运动来描述地震现象可能是较为合理的。     

黑龙江省干旱及植被分布的时空变化分析

干旱是影响社会经济系统和自然生态系统的重要气象灾害.本研究基于多时间序列的SPEI和NDVI栅格数据,利用GIS空间分析方法和统计分析方法,对比分析了2000—2018年黑龙江省干旱和植被分布的时空变化特征,从而揭示了干旱对植被分布的影响.研究表明:1)干旱具有明显的年际和季节特征,以及干湿变化的阶段性和趋势性,呈东—西干湿反向变化空间分布;2)植被分布具有明显季节特征,但年际特征不明显,呈西北、北部和东南部高,东北、西南部低的空间分布;3)干旱对植被分布影响具有复杂性.研究结果可为干旱防灾减灾和影响评估以及区域生态恢复提供参考依据.     

优化组合模型在建筑物基坑沉降预测中的应用

为了确保建筑物在建设过程中的安全,需要准确掌握建筑物基坑及周边的变形情况。针对建筑物基坑沉降变形预测问题,本文对单一的GM(1.1)模型与BP神经网络模型进行优化并构建组合预测模型。优化组合模型一方面解决了单一预测模型稳定性差、预测精度低的问题,另一方面提高了预测模型的适用性。将本文提出的组合预测模型应用于某在建建筑物基坑沉降变形预测中,结果表明,相较于单一的GM(1.1)模型与BP神经网络模型,本文提出的优化组合预测模型的预测精度与稳定性更高,证明了组合预测模型在建筑物基坑类沉降预测中的可靠性。     

哈萨克斯坦4座地浸铀矿2010年第1季度的铀产量

2010年第1季度,哈萨克斯坦的阿克达拉地浸铀矿山生产铀188．61t,铀生产成本平均为33．8美元／kg;南英凯地浸铀矿山生产铀297．1t,铀生产成本平均为59．8美元／kg;克拉套地浸铀矿山生产铀176．56t,铀生产成本平均为31．2美元／kg;哈拉桑地浸铀矿山试生产铀12．9t。     

2021年日本福岛海域MW7.1地震S-net海底地震动特征

2021年2月13日日本福岛县东部海域(Off-Fukushima)发生的M_W7.1地震是目前世界最大的海底观测系统——日本海沟地震和海啸海底观测网(S-net)——迄今为止记录到最大的俯冲带地震.为认识海底地震动并探究海陆差异,本文介绍了S-net海域台网及其数据处理的特殊性和必要性,分析了Off-Fukushima地震的地震动幅值、频谱和持时特征,比较了海底与陆地震动衰减特性的异同,对比了近海岸埋置台站、近海沟未埋台站及陆地台站地震动的差异,并与俯冲带地震动模型(GMM)进行了比较.结果表明：Off-Fukushima地震海底水平向PGV和周期大于0.5 s的加速度反应谱值显著大于陆地记录;相比陆地,海底动力放大系数谱向长周期方向偏移,表明海底记录长周期成分更丰富;受到海水的抑制作用,海底记录V/H反应谱比值小于陆地记录;由于海底记录与陆地GMM在路径和场地方面存在差异,水平向PGA及反应谱的残差分布出现明显偏移;海底近海岸埋置台站与近海沟未埋台站的地震动特征存在系统性差异,水平向差异很可能与海底地形有关,而竖向可能受到布设方式对台站与海底耦合程度的影响.本文...     

基于贝叶斯正则化BP神经网络的DEM趋势面逼近

趋势面从宏观上揭示了研究对象的特性,在各领域发挥着重要作用。BP神经网络可以对复杂系统进行无限逼近,进而进行预测。建立了基于贝叶斯正则化BP神经网络的数字高程模型趋势面,与二次多项式建立的数字高程模型趋势面进行比较分析,证明了该方法的可行性和有效性。     

基于磁异常信号解析的目标速度特性研究

水下磁性目标产生的磁场成为重要的水下目标非声探测信号源,因此对水下磁性目标的静磁场建模原理开展了研究。实现了均匀磁化的旋转椭球体模型和磁偶极子模型,并对2种模型在目标磁异常信号仿真上的适应性进行了分析。研究表明：相比于磁偶极子模型,旋转椭球体模型在传感器与目标距离较近时也能表现很好的适应性。由此,利用旋转椭球体模型,首先通过仿真计算构建了目标在不同运动速度状态下的近距离磁异常信号数据集,然后开展基于深度学习方法的水下磁性目标运动速度识别方法研究,最后识别效果在验证集和测试集上分别取得了0.17m/s和0.74m/s良好的误差精度,为后续目标的航向等状态识别奠定重要基础。     

面向带电作业的手臂末端输出力评估方法

为了解决带电作业时手臂末端输出力的准确控制,提出一种基于表面肌电信号（sEMG信号）和支持向量机回归（SVR）实现对手臂末端施力的评估方法.通过手握机械手臂末端的手柄,做往复推拉运动,记录此时手柄处的力传感器的数据F,同时利用3组肌电信号传感器同步采集手臂的肌电信号.将肌电信号提取特征后,与力F组合成样本集合S,在样本集合中随机抽取50%的样本数据作为训练集,分别训练BP神经网络、GRNN神经网络以及SVR神经网络.最后用训练好的神经网络对整个样本集中的力F进行预测,并用均方根误差和相关系数评估模型的预测效果.结果显示,SVR神经网络的预测效果较好,其均方根误差为3.074 0,相关系数为0.951 7.