水力劈裂对岩体中自然裂纹的影响研究

建立了求解自然裂纹和水力裂纹扩展的扩展有限元法,对裂纹附近区域的节点采用广义形函数,并采用线增函数消除混合单元,以提高裂纹附近的精度。引入水力劈裂的非耦合模型,即假设裂纹中的水压力为均布力;用砂浆法（线段-线段接触法）结合增广型拉格朗日乘子法处理受压裂纹段的接触条件。并通过算例分析了以下内容：计算了受压裂纹和裂纹面分布均布水压力的水力裂纹的应力强度因子,并与解析解进行了比较,结果表明,提出的方法具有很高的精度;模拟了水力裂纹对自然裂纹面的影响,并分析了自然裂纹面上的接触力和接触状态。     

RBF神经网络在电路故障诊断中的应用研究

电路系统在工业控制中起着极其重要的应用,随着电路越来越复杂,电路各节点间的关系呈现非线性关系,若节点发生故障,如何确定故障发生在何处成为一大难题。利用RBF（radical basis function）神经网络可以快速逼近任意非线性函数及良好分类能力的特点,来实现对电路系统的故障分类。通过RBF与BP方法的比较及实例分析可得出结论,RBF可以很精确地确定电路中的故障来源,在对电路故障诊断能力方面具有较多的优越性。     

导向钻机液压管路的优化设计

导向钻机液压管路的尺寸直接影响着能量损失以及管路体积、质量的大小。采用优化设计方法,综合考虑能量损失及管路体积2方面的影响,建立了导向钻机吸油管路的目标函数,经编程求解,确定了管路的合理尺寸。     

边值问题虚拟压缩恢复原理及其在Bjerhammar理论中的一个应用

在引力位虚拟压缩恢复法的基础上,进一步发展该法,使其适合于任意一个正则调和函数u.对于任意一个有限单连通形体Ω(其边界是简单封闭曲面),假如给定了边值u| ,并且假定u在上述形体的外部调和,在无穷远处正则,则可根据虚拟压缩恢复思想精确而严密地求出整个外部空间的u场.于是,可将虚拟压缩恢复法提升为虚拟压缩恢复原理.作为一个应用实例,本文简明地给出了Bierhammar理论所需要的虚拟重力异常.     

半参数p-范极大似然回归

应用核权函数,在观测为误差单峰、对称的情况下,得到了一元p-范分布的半参数模型的计算公式.详细推导了p已知时一元p-范分布极大似然方程的解算公式,将半参数回归模型应用到极大似然平差的参数估计理论中,得到了一个比较好的算法.最后,构造了两个模拟平差问题,说明了此方法的优越性.     

分形插值与传统插值相结合的方法研究

本文针对测量数据提出了基于分形的线性插值 ,该法综合了分形插值理论和传统线性插值理论的优点。算例表明 :该法优于单一的分形插值和单一的线形插值 ,后验差检验法表明插值结果优等     

LOCATING EMPLOYMENT GROWTH IN URBAN AREAS TO MINIMIZE TRAVEL TIME

The transportation requirements of an urban area are, in part, a function of its land use pattern. Reducing travel in an urban area by effective land use design appears to be a worthwhile public policy objective. The planning model derived in this article uses as its core the matrix version of the Lowry model developed by Garin. The model allocates basic employment to the zones of an urban area in order to minimize work and service trips. A hypothetical planning problem for Metropolitan Toronto illustrates use of the model.     

基于K-Means聚类的辽宁省主体功能区试划研究

在国家提出的新的主体功能区概念体系和划分思路前提下,基于辽宁省主体功能区划定要求的8个基本指标项定量综合评价基础数据,选择“典型的”优化开发区、重点开发区、农产品主产区和重点生态功能区,采用K-Means聚类方法,分别在不指定初始聚类中心、指定初始聚类中心、以及PCA分析（即主成份分析）基础上指定初始聚类中心3种方法,对于全省100个县市区做4类主体功能区试划分.分别将划分结果与全省最终采用的划分方案进行比较,结果表明采用在PCA分析基础上指定初始聚类中心技术方法的划分结果更接近最终采用方案.     

Massively parallel spatial point pattern analysis: Ripley’s K function accelerated using graphics processing units

This study presents a massively parallel spatial computing approach that uses general-purpose graphics processing units (GPUs) to accelerate Ripley’s K function for univariate spatial point pattern analysis. Ripley’s K function is a representative spatial point pattern analysis approach that allows for quantitatively evaluating the spatial dispersion characteristics of point patterns. However, considerable computation is often required when analyzing large spatial data using Ripley’s K function. In this study, we developed a massively parallel approach of Ripley’s K function for accelerating spatial point pattern analysis. GPUs serve as a massively parallel platform that is built on many-core architecture for speeding up Ripley’s K function. Variable-grained domain decomposition and thread-level synchronization based on shared memory are parallel strategies designed to exploit concurrency in the spatial algorithm of Ripley’s K function for efficient parallelization. Experimental results demonstrate that substantial acceleration is obtained for Ripley’s K function parallelized within GPU environments.     

基于序列参数的水库地震类型综合判定研究

收集整理了我国大陆东部地区44 组水库地震序列,其中震群型32 组,主余型和孤立型12 组。分别计算了44 组序列的h 值、b 值、归一化熵值K、能量均匀度U、地震发生方式参数ρ 等5 个序列参数。在95% 的置信水平下,对每一参数分震群型、主余型加孤立型两大类进行差异性检验。结果表明,h、U、ρ 值对水库地震序列类型的分类能力不强;b 值平均值虽存在一定差异,但数值分布范围有部分重叠;K 值差异性显著,K = 0. 35 可作为区分震群型与主余型加孤立型两类水库地震序列的判别指标。在此基础上,建立以上述5 个参数为自变量的Fisher 判别函数,用于序列类型的综合判定。结果显示,所有数据全部参与建立判别函数并进行回溯性内符判别检验,识别正确率为97. 6% ;利用32 组序列参数参与判别函数建立,另外10 组进行外推检验,识别正确率为100% ,表明上述综合判别方法具有较高的水库地震序列分类能力。