破裂时间法在云南小江断裂带强震预测中的应用

使用云南区域台网记录的地震目录资料,采用破裂时间法模拟前兆地震序列能量加速释放过程,系统研究了能量加速释放模型参数估计方法及强震位置搜索技术,详细推导了预测模型基本公式,对小江断裂带上发生的19次主震事件进行了模拟,结果表明:强震前能量加速现象是一种普遍现象,主震前,与主震相差2.5个震级单位的前兆序列出现能量加速释放所占的比例为80%;由前兆序列模拟得到的预测时间和震级与实际值很接近,主震震级预测精度约为±0.5级,预测主震发生时间误差约为±0.5年;搜索半径和搜索时间与主震震级成线性正相关关系;采用主震位置搜索技术,对小江断裂带未来中期6～7级强震可能危险区进行了预测。     

桩箱筏优化设计的加速遗传算法

遗传算法作为一种全局优化算法，遗传算法克服了传统优化方法容易陷入局部最优值的缺陷。将新兴的交叉学科遗传算法引入到桩箱筏优化设计中，以桩箱筏的总造价作为优化目标函数，全部约束条件按《建筑桩基技术规范》(JGJ94—1994)给出，编制了桩筏优化设计计算程序，通过计算实例证明了遗传算法用于桩箱筏优化设计的可行性。     

加速溶剂萃取提取土壤中正构烷烃的方法研究

建立了加速溶剂萃取技术提取-柱色谱分离-气相色谱分析土壤样品中正构烷烃的方法。优化了压力、温度、静态时间、循环次数等参数。随着温度、静态时间、循环次数和压力的增加,正构烷烃短碳链、长碳链和总正构烷烃的量逐渐增加。加速溶剂萃取提取土壤中正构烷烃的条件是:萃取温度150℃,萃取压力10.3 MPa,循环2次,静态提取时间10 min。加速溶剂萃取-柱色谱分离-气相色谱法测定土壤中正构烷烃的方法精密度(RSD)为8%~23%。加速溶剂萃取法提取总正构烷烃量、短碳链正构烷烃量显著高于索氏抽提法的提取量。     

加速遗传算法在速度反演中的应用

这里介绍一种加速遗传算法,该算法通过提高计算效率改善了标准遗传算法,加速遗传算法在速度反演应用中具有更高的实用价值。加速遗传算法在每次加速循环中进行一次迭代,用部份最佳个体的边界值优化搜索范围,大大地提高了计算效率。在迭代完成后,进行混沌优化以提高反演精度。二种算法的反演计算结果说明,加速遗传算法性能优于标准遗传算法,无论针对简单速度模型还是复杂速度模型,加速遗传算法都是适用的。     

加速溶剂提取-气相色谱-质谱法分析土壤和沉积物中15种有机磷酸酯类阻燃剂

有机磷酸酯类阻燃剂广泛存在于环境中，长期接触会对生物体的生殖系统、免疫系统造成破坏，进而对人类健康产生影响，调查研究其在环境中的污染水平非常有必要，而多组分、同时、准确的分析技术是研究的基础，目前已有的分析方法在化合物种类和提取效率方面还有待提高。本文建立了一种分析土壤和沉积物中15种有机磷酸酯类阻燃剂的方法。新鲜样品采用加速溶剂萃取(ASE)直接提取，提取液用复合填料的固相萃取柱进行净化，再采用气相色谱-质谱(GC-MS)进行定性、定量分析。为了改善提取效率和净化效果等问题，针对土壤和沉积物样品基质的复杂性，实验中主要优化了样品的提取、净化条件：针对磷酸三(2-氯乙基)酯提取回收率低的问题，改进了样品制备方式，新鲜样品在有少量水的存在下直接提取，使得有机溶剂更好地与样品颗粒进行接触，显著提高了该化合物的提取效率；采用石墨化碳和氨基硅胶复合填料的固相萃取小柱对样品提取液进行净化，保障了复杂沉积物样品净化效果的有效性，同时选用5%甲苯的洗脱溶剂体系，能够提高磷酸三甲苯酯(TCP)在石墨化碳固相萃取柱上的洗脱效率，保证了净化过程的回收率。结果表明，目标化合物浓度在10.0～500.0ng/...     

基于图卷积的一维平流方程空间离散化数值求解加速方法

本文提出了一种基于图卷积神经网络的偏微分方程空间离散化数值求解加速方法，并将该方法应用于求解一维平流方程的研究中，实现了一维平流方程的加速求解。并设计了基于图卷积的一维平流方程空间离散化神经网络模型(GCPNN),其在物理先验知识指导下基于图模型利用空间图结构特征进行一维平流方程空间离散化求解加速方案建模，在构建图结构关系过程中，基于物理先验知识建立邻接矩阵，利用邻接矩阵融合了全局信息，从而实现了一维平流方程的加速求解。并且通过设计对比实验和消融实验验证了基于GCPNN的求解器相较于基线求解器和CNN求解器在求解精度和计算成本方面的优势，且验证了加入物理先验知识指导及全局信息融合的有效性。     

桥梁自然特征点的快速精确跟踪算法

特征点跟踪作为无人机对桥梁挠度进行视觉测量的关键技术，跟踪算法的速度和精度直接影响测量的实时性和有效性。本文首先通过加速稳健特征（SURF）匹配得到图像序列特征点的初步定位结果，然后使用相位相关法对特征点进行精确配准，并提出了一种基于无人机运动连续性的加速策略，用于桥梁自然特征点跟踪。利用无人机采集的4 K桥梁视频数据对本文算法进行测试，结果表明，本文算法对于桥梁自然特征点能够实现稳定跟踪，跟踪速度为25 FPS，跟踪精度达到亚像素级别，满足测量要求，能够为视觉测量提供技术支撑。     

紫坪铺水库及邻区的微震检测与定位

首先对四川省地震局提供的1 017次地震进行重定位，并将重定位后的578次高信噪比地震作为模板，利用基于图像处理器加速的匹配定位技术(GPU-M&L)对紫坪铺水库地震台网7个台站2005—2008年记录的连续波形数据进行扫描；然后利用基于深度学习算法的去噪技术(DeepDenoiser)设计出的卷积神经网络模型来进一步验证这些新检测到的地震事件；最后利用双差定位法对检测到的地震事件进行精定位。最终识别到的地震事件多达1万6 836个，约为四川省地震局目录事件的13倍，地震目录的完备震级由M_L1.4降为M_L-0.1。定位结果显示，研究区的地震事件呈北东向线性分布，优势震源深度指示区域地壳内的滑脱层位置，结合b值和震源深度分析结果推测，研究区蓄水后的地震主要是构造应力积累导致的天然地震活动，并伴随水库触发地震混杂发生。