岩质高边坡稳定性支持向量机预测方法研究

提出一种基于支持向量机的岩质边坡稳定性预测方法。该方法地很好的表达了岩质边坡稳定性与其影响因素之间的非线性映射关系,并应用该方法建立了相应的模型。预测结果表明,利用该方法进行岩质边坡稳定性预测是可行的、有效的。     

三种非线性回归逐时气温预报比较订正

选取ECMWF和T639的2013年1月至2014年12月的数值预报场构造预报因子,基于神经网络、支持向量机和构造函数的非线性方法,预报地面逐时气温。试验结果显示,在单个方法预报误差较大时,3种方法的偏差订正集成方法更利于减小误差,通过偏差订正,3种非线性方法预报效果良好,平均绝对误差减小了0.5 ℃。在近1年独立样本的预报检验中,集成方法、神经网络、支持向量机和构造函数预报的平均绝对误差分别为1.5 ℃、1.7 ℃、1．8 ℃和1．4 ℃,总体上构造函数预报更为准确。     

外包钢-混凝土组合梁与钢管混凝土柱连接节点的滞回性能研究

为研究外包钢-混凝土组合梁与钢管混凝土柱连接节点的抗震性能,基于外包钢-混凝土组合梁与钢管混凝土柱连接节点低周反复荷载作用下的试验结果和有限元的模拟,分析了两类试验节点的滞回特性,提出外包钢-混凝土组合梁与钢管混凝土柱连接节点的三折线恢复力模型及其特征参数的取值范围,并给出恢复力模型表达式。结果表明,试件具有良好的耗能能力,建立的恢复力模型骨架曲线与试验值接近;有限元与试验所得的滞回曲线及骨架曲线在弹性阶段吻合较好,随着荷载的反复,两者之间的差异逐渐增大。     

季节内印度洋-西太平洋对流涛动对次季节-季节尺度大气可预报性的影响

利用非线性局部Lyapunov指数和条件非线性局部Lyapunov指数定量估计了季节内印度洋-西太平洋对流涛动（IPCO）和实时多变量Madden-Julian指数（RMM指数）可预报期限,量化了季节内IPCO对S2S尺度大气可预报性的贡献,深入研究了季节内IPCO演变下S2S尺度可预报期限空间分布的变化规律。结果表明：（1）与RMM指数相比,季节内IPCO指数可预报性更强,可预报期限达到31天左右,比RMM指数高出2周以上;（2）印度洋-西太平洋区域S2S尺度大气可预报性最强,可预报期限达到30天以上,其中季节内IPCO是该地区的主要可预报性来源之一,其贡献达到6天,占总可预报期限的25%以上;（3）随着季节内IPCO的演变,印度洋-西太平洋地区S2S尺度大气可预报性有空间结构变化,表现为可预报期限异常的传播和振荡。S2S尺度大气可预报期限正负异常沿季节内IPCO传播路径,一支以赤道中西印度洋为起点北传至印度半岛,一支向东传播,经过海洋性大陆到赤道西太平洋后向北传播,到达日本南部。同时,可预报性异常的传播在在东印度洋和西太平洋表现出反向变化的特征,形成东西两极振荡,当季节内IPCO向正位相发展时,东印度洋具有更强的可预报性,西太平洋具有更弱的可预报性,反之亦然。季节内IPCO的发展（衰退）可使东印度洋（西太平洋）S2S尺度大气可预报性更强,表明模式预报技巧对此具有更大的提升空间。     

拱坝系统三维非线性地震波动分析

本文将显式有限元结合外推人工边界的方法发展应用于三维非线性近场波动问题的研究。首次提出了拱坝－库水－地基系统三维非线性地震反应波动分析方法，并与传统的无质量地基分析方法进行了比较。     

基础隔震单层偏心结构扭转地震反应分析

采用微分型滞回恢复力模型模拟隔震支座的恢复力特性，对基础隔震单层偏心结构的扭转地震反应进行分析，研究隔震系统偏心距和上部结构偏心距对结构扭转反应的影响。结果表明，采用隔震技术可以显著降低隔震结构的扭转地震反应。     

浅水非线性随机海浪的波高分布

利用水波动力学中的浅水Stokes波理论建立了随机波统计模式,并由此导出了浅水非线性海浪的波高概率分布函数．所导出的以浅水波陡和浅水因子作为参数的波高概率分布在物理上更为合理．这两个参数既可作为控制波高分布函数变化的参量,又能通过它们体现波高分布偏离瑞利分布的程度．新的波高分布克服了瑞利分布大波预报过高,而众值预报过低的不足之处;同时也使得小概率对应的波高值比瑞利分布预报的为低．浅水波陡的作用与深水情况类似,而浅水因子的作用则体现在分布众值对应的波高随着浅水因子的变小而逐渐降低以及浅水波浪分布更为集中等方面．资料验证表明,本文结果更具合理性．     

桩头侧向集中荷载作用下桩—土系统的非线性动力性能分析

在对侧向动荷作用下桩－土相互作用系统的数值模拟方法进行了评述之后，一个三维显式有限元模型被用来描述桩－土系统，以分析其在施加于桩头的侧向脉冲式动载作用下的非线性动力性能，其中混凝土桩被考虑为线弹性材料，而桩周土体被模拟为一种可进入破坏状态的弹塑性材料，同时滑移界面单元被用来模拟桩、土间的滑移和分离。计算结果表明，桩－土系统的侧向动力性能由桩头的约束条件和地表以下一定深度内的系统上部的性能参数所控制     

一种多因子相关计算方法

采用分析与图解相结合的方法解决多因子非线性相关计算,求回归方程问题。先从多个因子中找出对倚变量影响最大的一个因子,作单相关曲线,求残差;再从余下的因子中找出对残差影响最大的因子,作相关曲线,求残差,直到剩余各因子对残差影响相当;最后用剩余因子线性分解残差,从而求得多因子非线性回归方程。     

A New Strategy for Solving a Class of Constrained Nonlinear Optimization Problems Related to Weather and Climate Predictability

There are three common types of predictability problems in weather and climate, which each involve different constrained nonlinear optimization problems: the lower bound of maximum predictable time, the upper bound of maximum prediction error, and the lower bound of maximum allowable initial error and parameter error. Highly efficient algorithms have been developed to solve the second optimization problem. And this optimization problem can be used in realistic models for weather and climate to study the upper bound of the maximum prediction error. Although a filtering strategy has been adopted to solve the other two problems, direct solutions are very time-consuming even for a very simple model, which therefore limits the applicability of these two predictability problems in realistic models. In this paper, a new strategy is designed to solve these problems, involving the use of the existing highly efficient algorithms for the second predictability problem in particular. Furthermore, a series of comparisons between the older filtering strategy and the new method are performed. It is demonstrated that the new strategy not only outputs the same results as the old one, but is also more computationally efficient. This would suggest that it is possible to study the predictability problems associated with these two nonlinear optimization problems in realistic forecast models of weather or climate.