在这里,每根神经都是快乐的——丹麦乐高乐园

正"每一段旅行总有出发地和目的地,然而这一趟的出发地并不属于地图上的任何一个地方,因为这是一个从心出发的旅程。当真正来到这里,当儿时的愉悦被一点一滴地记起,我的每一根神经都在跳跃着、快乐着,原来那种感觉叫做幸福。"     

数字

1.87亿元 3月23日，审计署公布了《京沪高速铁路建设项目2010年跟踪审计结果》，在2010年审计中，查出个别施工单位及个人转移挪用公款和建设资金1．87亿元及其他相关问题，涉嫌违法违纪。（北京晨报）     

西藏贡觉粉砂质泥岩工程地质特性与蠕变强度研究

川藏铁路在穿越西藏贡觉地区时遇到三叠系粉砂质泥岩,在高地应力条件下容易发生大变形等危害。文章开展了不同围压下的岩石三轴压缩和和三轴蠕变试验,结合PFC数值模拟,研究了粉砂质泥岩在不同围压下的蠕变特性和长期强度研究,结果表明:贡觉粉砂质泥岩流变具有西原蠕变模型特征,蠕变与常规三轴试验条件下,随着围压不断增大,粉砂质泥岩试样均由拉-剪破坏向单剪破坏过渡,剪切破裂面与水平线的夹角逐渐减小,微裂纹数量减少;蠕变试验相较于常规三轴试验,由拉应力引起的压碎带影响范围更广;在高围压条件下,粉砂质泥岩更容易发生流变,随着围压的增大,轴向应变、侧向应变和体积应变均增大,微裂纹数量呈下降趋势;瞬时弹性模量及黏弹性系数与围压呈线性递增关系,黏弹性模量与围压呈对数型增长关系,黏塑性系数与围压呈指数型增长关系。在荷载长期作用下,岩石长期强度低于瞬时强度。     

天陇铁路上倪滑坡工程地质特征分析及地质选线

在天陇铁路勘察设计工作中,发现上倪滑坡是新建天水至陇南铁路一处控制性不良地质体。本文在充分获取地质资料的基础上,从地形地貌角度出发,结合其地层岩性特征,分析了滑坡成因,认为上倪滑坡在北侧和南侧各存在一个软弱面,滑坡整体稳定性较差,尤其是滑坡北侧危险性较大。通过力学计算,显示该滑坡自然状态下能够保持相对稳定,但在地震或暴雨天气下发生滑动的可能性极大,对线路工程具有严重影响。经过对三种线路方案的综合比选,建议以深埋隧道形式从后壁通过上倪滑坡,保证工程安全性。     

基于地价模拟的同城化空间格局研究——以南京、扬州同城化为例

为进一步适应区域协同背景下的国土空间规划需要,基于地价梯度模型和空间插值方法,以地价为指示指标,对南京、扬州同城化空间格局进行模拟,以揭示同城化空间格局演化的一般规律。结果表明：（1）以城际铁路为代表的快速交通对同城化推动效应明显,以南京为代表的强中心城市辐射范围扩大,扬州等弱中心城市辐射范围相对收缩。（2）不同时速城际铁路对同城化空间格局影响的一般规律为：时速越快,中心城市辐射强度越高,同城化程度越高;同一时速下,距中心城市越近,同城化程度越高;时速提升存在边际效应,表现为城际铁路对中心城市辐射范围的扩张有阈值极限。（3）随着中心城市互动的日益紧密,同城化空间格局将沿着单轴、多轴、网络形态逐渐演进,应进一步发挥中心城市、次级城市、城镇组团比较优势,形成分工明确、资源共享的同城化网络。     

雅安至林芝交通廊道重大工程地质问题与对策研究

随着西部大开发的推进,雅安至林芝地区的交通工程将会陆续规划建设.作为现今世界上地形地貌最复杂、构造活动最强烈的地区之一,规划的川藏铁路交通廊道将跨七江穿八山、地形高差十分显著.分析研究表明,在高海拔、大高差、构造运动强烈、地壳快速隆起、河流急速下切的特殊地质背景下.交通廊道研究区呈现三高两强的地质特征:高烈度地震、高地...     

我省公开查处六起土地违法案件

[案情介绍]齐齐哈：尔市泰来县境内平齐铁路复线工程是哈尔滨铁路工程所在泰来县江桥镇所建设的国家重点工程,该工程于2007年2月份报批,通过省厅预审后上报国土资源部。12007年4月该项目在未取得正式审批手续的情况下就擅自动工建设,共占地199300平方米,其中农用地131800平方米,建设用地66000平方米,未利用地1500平方米。     

权威发布

国务院:前三月批准十万公顷建设用地2009年以来,经国土资源部审查报国务院批准建设项目用地384件,批准用地面积102621.6公顷。其中,公路项目153件、铁路项目29件、机场项目3     

基于深度学习的CZ铁路康定—理塘段滑坡易发性评价

CZ铁路康定至理塘段地处青藏高原东部边缘,区域内地形地貌多变、地质构造复杂,滑坡灾害极其发育,严重威胁着CZ铁路康定至理塘段的规划建设和未来安全运行。因此,选取高程、坡向、平面曲率、剖面曲率、地形起伏度、地表切割度、地形湿度指数、归一化植被指数、岩性、距断层距离、距河流距离、距道路距离共计12个影响因子构建滑坡空间数据库,采用深度学习的卷积神经网络(convolutional neural network, CNN)模型进行滑坡易发性评价,根据易发性指数将研究区划分为极高易发区(13.76%)、高易发区(14.00%)、中易发区(15.86%)、低易发区(18.17%)、极低易发区(38.21%)5个等级,并与人工神经网络(artificial neural network, ANN)模型进行对比。结果表明,CNN模型的评价精度AUC(0.87)大于ANN(0.84)模型,且极高易发区的频率比值高于ANN模型,CNN模型在本研究区有着更高的预测能力;极高和高易发区主要分布在水系较为发育的地区,沿着雅砻江和其他河流两侧2 km范围内呈带状分布。滑坡易发性评价结果较好地反映了研究区滑坡灾害...