多模型融合的对流层天顶延迟估计方法

为提高对流层天顶延迟(Zenith Tropospheric Delay, ZTD)估计精度,基于传统对流层天顶延迟建模思路,提出Saastamoinen, Askne和GPT3多模型融合的对流层天顶延迟估计方法。分别采用Saastamoinen和Askne模型估计干延迟和湿延迟,并引入GPT3模型提供温度、气压、水汽压、大气加权平均温度和水汽垂直递减率等气象参数。利用全球大地测量观测系统(Global Geodetic Observing System, GGOS)Atmosphere和国际GNSS服务机构(International GNSS Service, IGS)提供的亚洲区域2016～2018年66个IGS站的对流层天顶延迟数据对本文方法进行评估,结果表明,以GGOS Atmospheres数据为参考时,Sas+Ask+GPT3模型精度(均方根为4.53 cm)较同等条件下的Sas+Ask+UNB3m和Sas+GPT3模型分别提高约29%和19%,以IGS对流层天顶延迟数据为参考时,Sas+Ask+GPT3模型精度(均方根为4.35 cm)较另两种模型分别提高约25%和14...     

中子星自洽的有限磁层大气模型

本文讨论的是中子星自洽的有限磁层大气模型,先用试探解方法得到一个解析解,它给出有限磁层大气的分布轮廓,然后用能量最小原理讨论了其特性,取得了有意义的结果。同时,通过对其等离子体与真空交界面的研究,得出其交界面也是稳定的。最后,我们对模型的发展作了展望,指出赤道区的超共转,可能与子脉冲漂移有关,从这个模型出发,我们将可能最终建立一个自洽的有辐射的模型。     

类星体样本光变研究进展

光变是活动星系统的共同特征,光变规律的研究已成为人类探索活动星系核物理的有力手段,综述了类星体样本光变的研究现状,对样本的光变比例,光变类星体的平均光变幅,光变时间尺度,光变幅与类星体物理参量的相关情况,类星体样本光变和其它活动星系核样本的关系进行了详细评述,并评述了样本光变的星暴模型,微透镜模型,吸积盘模型三种理论模型。     

CAPS（Covariance Analysis Program Developed at Shanghai Observatory）的原理、结构和使用

推导了在Givens-Gentleman正交变换形式下的考察协方差分析理论,给出一些重要的统计量,如考察协方差矩阵、摄动矩阵等在此形式下的表达式。在理论分析的基础上给出编写CAPS时采用的详细流程图,并介绍在使用CAPS时应注意的一些问题。     

露天煤矿开挖工程承压含水层井点降水数值分析

在掌握某露天煤矿水文地质条件和抽水试验成果的基础上,通过利用Modflow建立了较合理的渗流数值模型,分析了井点降水中承压含水层水位随时间的下降过程,并进行了实际分析,结果与实际观测结果吻合良好。在此基础上,开展预测研究,为进一步露天煤矿开挖降水设计提供理论依据。     

建筑垃圾填埋场周边地下水化学组分来源解析

建筑垃圾是城市市政垃圾的重要组成部分,对其堆填处理可能造成场地及周围一定范围内的地下水污染。传统观念认为,建筑垃圾中多为惰性或无害成分,对地下水影响有限,缺乏关于建筑垃圾堆填对地下水水质造成影响的研究。选取2处建筑垃圾堆填场地,通过对场地周围地下水采样分析,得到场地周边地下水化学指标空间分布特征,并利用正定矩阵因子分解法(PMF)识别研究区地下水化学组分来源,从而定量评价建筑垃圾填埋对周边地下水水质变化的贡献。结果表明,建筑垃圾填埋会显著影响周边区域地下水组分的浓度和质量,尤其是TDS、TH、Ca2+、SO42-等组分显著受到影响,填埋时间越长、填埋体量越大,影响程度越深。两场地区域范围内Na+、Ca2+、Mg2+、SO42-和TDS 5个组分或指标的空间分布整体变化趋势较一致,均表现为垃圾填埋场附近沿地下水流下游方向的点位浓度较高,其他点位浓度较低,验证了建筑垃圾填埋对区域地下水质量的影响。PMF来源解析确定两场地周边地下水化学组分来源有建筑垃圾填埋、岩石风化溶解、水岩相互作用和农业活动,在场地一来源贡献占比分别为29.2%、21.6%、24.2%和15.1%,在场地二贡献占比分别为15.6%、23.2%、28.4%和18.2%。两场地周围地下水质量受人类活动影响程度较深,人为污染源正在成为地下水中离子组分的重要来源。     

基于Piper-PCA-MLP神经网络的矿井涌水水源识别方法研究

为了快速准确地识别矿井涌水水源,提出一种基于Piper-PCA-MLP的矿井涌水水源判别模型。以乌东煤矿为例,通过Piper三线图揭示了矿区不同地下水含水层的水化学特征,筛选了来自矿区不同涌水含水层的23个水样,获得了22个代表涌水含水层的典型水样。选用Na⁺+K⁺、Ca²⁺、Mg²⁺、Cl^-、SO₄^2-、HCO^-₃、NO^-₃和TDS八种水化学指标作为判别指标,考虑到乌东煤矿含水层水质边界不明显和水化学组分差异性不大的特点,选择MLP神经网络作为模型识别的基础,为了解决MLP神经网络在面对高维数据时训练收敛较慢,建模时间较长等缺点,使用主成分分析算法对数据进行降维,提取三种主要指标作为判别因子。以22组水样数据中17组作为训练样本,5组作为测试样本建立PCA-MLP模型,为了凸显模型的可靠性和准确性,选取同一样本集对水样数据分别建立PCA-层次聚类...