非饱和土粒间毛细作用的微观不连续变形分析

非饱和土粒间毛细水作用是其基质吸力的主要来源.本文基于二维非连续变形分析算法(DDA),建立了一种能够模拟不同饱和度下毛细水分布状态及计算土水特征曲线的扩展DDA算法.该算法首先通过反复迭代的方式来计算出不同饱和度下毛细水弯液面的半径,并利用圆心轨迹交汇法确定粒间毛细水弯液面与颗粒的搭接位置,从而确定各个颗粒表面被毛细...     

基础隔震层钢螺旋弹簧软碰撞限位实验研究

设计制作了基础隔震软碰撞限位实验模型与3种类型的钢螺旋弹簧限位器,给出了实测的限位器力学特性参数。进行9种工况的振动台模型实验,分析实验数据得出了软碰撞限位器参数对结构反应的影响规律,优选出了适用于本隔震实验模型的软碰撞限位工况。     

ADS40数码航摄影像在DTM立体测图中的应用

介绍了基于ADS40数码航摄影像,使用MAPMATRIx2006建立立体模型进行立体测量DTM的全过程,以及ADS40数码相机的有关参数,对建立立体模型的作用.应用MAPMATRIX2006软件的操作使用方法.     

城市更新背景下上海土地储备政策执行过程分析——基于史密斯政策执行过程模型

随着城市发展面临新增用地指标天花板,土地储备需要依托城市更新的规划导向,从过去“分散收储、零散出让、遍地开花”的模式,向“整体策划、成片改造”转变。本文以史密斯政策执行过程模型为研究框架,从史密斯四要素及其互动关系的角度对土地储备政策执行过程进行剖析,认为城市更新背景下土地储备政策执行问题产生原因主要为：理想的政策文本缺乏、执行机构有效执行能力不足、目标群体复杂性高、执行土地储备的政策环境变动大。此可为土地储备管理工作的发展和完善提供参考和借鉴。     

运用AMMI模型分析水稻区域试验（Ⅰ）.参试组合的产量稳定性评价

运用ＡＭＭＩ模型对１９９６年全国灿型杂交稻区域试验中稻两系组资料进行分析,结果表明,组合稳定性评价很重要,基因型与环境的互作达极显著水平,互作效应（平方和）几乎为基因型效应（平方和）的２倍,ＡＭＭＩ模型的前三个主成分共解释了８０．４１％的交互作用信息,为线性回归模型的３．１倍。安湘Ｓ／８７１３、两优Ｔ６３表现出较高产且稳产,培矮６４Ｓ／山青１１、培矮６４Ｓ／２４１０、培矮６３Ｓ／Ｒ３１８表现较稳产而不高产,两优７９、培矮６４Ｓ／ＪＲ１０６８既不高产也不稳产。     

运用AMMI模型分析水稻区域试验 (I).参试组合的产量稳定性评价

运用 AMMI模型对 1 996年全国籼型杂交稻区域试验中稻两系组资料进行分析 ,结果表明 :组合稳定性评价很重要 ,基因型与环境的互作达极显著水平 ,互作效应 (平方和 )几乎为基因型效应 (平方和 )的 2倍 ,AMMI模型的前三个主成分共解释了 80 .4 1 %的交互作用信息 ,为线性回归模型的 3 .1倍。安湘 S/ 871 3、两优 T63表现出较高产且稳产 ,培矮 64 S/山青 1 1、培矮 64 S/ 2 4 1 0、培矮 63 S/ R3 1 8表现较稳产而不高产 ,两优 79、培矮 64 S/ JR1 0 68既不高产也不稳产。     

基于GA-MLP的东北地区Tm模型研究

针对常用的经验大气加权平均温度(T_m)模型在我国东北地区普遍精度较低等问题,利用遗传算法优化的多层感知器模型,采用东北地区7个探空站2014—2017年的数据进行模型训练,建立适合我国东北地区的T_m模型。依据2018年的数据进行预测分析,实验结果表明：首先,GA-MLP的T_m模型的预测平均偏差为0.04 K、均方误差为4.06 K和判定系数R²=0.920,各项精度评估指标较常用的GPT2w、单/多因子线性、非线性T_m和MLP模型均为最优,模型性能更好,拟合度更高;其次,在GPS反演大气可降水量中,较常用的单因子线性和GPT2w模型,GA-MLP的T_m模型在长春站的反演精度最高,均方误差精度提升1.1%和4.9%,平均偏差精度提升2.5%和13.2%,证明GA-MLP的T_m模型在东北地区反演PWV的适用性。     

气象条件和排放变化对2020年春节前后华北地区重污染过程的影响

以2020年1～2月华北地区的大气重污染过程为对象,在WRF-CMAQ模型模拟的基础上,分析了气象条件和排放变化对此次重污染过程的影响,并量化分析了为消除PM2.5重度污染,区域主要大气污染物需要进一步减排的力度.研究结果显示,与2015年以来另外两次典型重污染过程相比,京津冀及周边“2+26”城市2020年1～2月期...     

基于神经网络的机载激光测深偏差模型构建

为提高机载激光测深（airborne LiDAR bathymetry,ALB）精度,需对ALB原始测深偏差进行修正。通过顾及ALB测深偏差诸影响参数,基于神经网络方法,利用实测样本数据训练获得ALB神经网络偏差模型,然后基于神经网络偏差模型对ALB原始测深数据进行修正。结果表明ALB原始测深偏差较大,需进行修正。传统线性偏差模型和本文神经网络模型均能有效修正ALB测深偏差。相比线性偏差模型,神经网络偏差模型具有更高内符合和外符合精度。基于神经网络的ALB偏差建模方法能有效提高ALB测深精度。