GPS网络RTK的质量控制

随着科技的发展与工程应用的深入,传统RTK技术的不足也逐渐体现出来。网络RTK的出现克服了它的局限性。本文简要介绍了网络RTK的概念、工作原理、误差来源与平差、质量控制方法。     

地下水流模型识别的分步解法

地下水流模型识别问题是综合的水文地质分析与计算过程,但常常被片面理解为反求水文地质参数问题,这种片面的认识大大妨碍了对水文地质条件的认识及对水文地质过程的理解,并由此导致一些不应有的错误结论。简要论述了地下水流模型识别的概念及问题类型,利用模型分解的方法指出地下水流模型的识别可分2步完成:一是利用附加水头场(或附加降深场)求参数;二是利用初始水头场确定边界条件及源汇项。除参数外,源汇项、初始条件、边界条件也是地下水流模型识别的重要内容。     

基于实例的GIS数据库模式匹配方法

针对空间数据库的特点,提出了一种改进的基于实例的层次式模式匹配方法,并解决了实体对应关系的自动建立、要素类相似性计算、属性相似性计算等问题.最后,通过实验验证了该方法的有效性.     

地震短临综合预报方法的研究

本文在《中国震例》资料基础上,详细分析了华北地区１７次中强以上地震前的短临异常,得到华北地区中强以上地震短临异常的三个综合特征,在归纳出短临异常综合特征的基础上,提出了两个判定孕震过程、前兆异常由中期向短期过渡的定量的综合标志。据中期异常的追踪分析和短临异常综合分析相结合的原则,定义并计算了综合预报指标Ｓ值,以此值作为是否发生中强以上地震的判据。本文的重点是在分析短临异常综合特征的基础上,结合实用     

我国西部1∶5万地形图空白区地物解译研究——以西藏那曲其香错地区为例

我国西部部分地区1∶5万地形图数据尚未完成,给区域和国家经济发展带来极大不便。空间技术、计算机技术和信息技术的高速发展为遥感技术应用提供了技术支持,高分辨率影像获取能力的提高为大比例尺地物特征的提取提供了数据可能。本文采用SPOT5遥感影像,以1∶5万地形图图式标准为依据,进行青藏高原其香错地区地物判读,结果表明SPOT5能基本满足1∶5万地形图制图要求。为进一步提高判读结果,可采用多时相、多分辨率影像进行1∶5万地形图地物判读。     

ODP204航次天然气水合物的可能有利储层——浊积层

为了解岩性在天然气水合物分布中的作用, 利用岩矿鉴定、扫描电镜和能谱法对ODP204航次的 4个站位 10个钻孔共计 115个沉积物样品进行分析, 发现沉积物中矿物成分基本相近, 以粘土矿物为主, 含少量以石英为主的陆源碎屑。样品中含有丰富的硅藻和有孔虫等微体化石, 可形成硅藻粘土—硅藻土、有孔虫硅藻土或凝灰质硅质生物粘土。石英碎屑大多呈棱角状, 粒径小、含量少, 同时, 样品中可见透镜体、团块或旋涡状层状结构以及杂乱堆积的斑杂构造。上述特征表明沉积物为含有大量深海或半深海的浊流沉积物或其夹层。由于钻井岩心中有相当部分的天然气水合物样品分布在上述沉积物中, 推断这些浊流沉积物很可能是ODP204航次天然气水合物的有利储层。     

平差系统的模型误差及其识别方法研究

论述了模型误差影响参数估值的一些理论问题,指出了随机模型误差和函数模型误差之间的相互作用和转化。为讨论平差系统最优模型的选取,给出了与现有文献将模型误差纳入平差系统的思路不同的一个估计和识别模型误差的理论基础公式,由此导出了相应的实用公式,给出了平差系统模型的优选方法。     

基于目标灰度的土地利用变化信息边界提取

为了提高大区域土地利用变化信息提取效率,本文在变化信息自动发现的基础上,基于目标灰度信息,研究遥感影像中土地利用变化信息的边界提取方法.由于研究对象是大区域中的小目标,无法直接利用灰度直方图寻找分割目标的灰度分布范围.本文提出了一种典型区域法,方法是利用区域中分割目标密集的多个典型小区域的灰度直方图计算所有目标的分割阈值.由于影像中地物众多,为了减少噪声的影响,提高计算速度,先利用双阈值分割法对目标进行粗分割,再对其进行小波变换,利用其模值,以及结合目标灰度信息,可以将目标边界快速地提取出来.     

A new method for indentifying the model error of adjustment system

Some theory problems affecting parameter estimation are discussed in this paper. Influence and transformation between errors of stochastic and functional models is pointed out as well. For choosing the best adjustment model, a formula, which is different from the literatures existing methods, for estimating and identifying the model error, is proposed. On the basis of the proposed formula, an effective approach of selecting the best model of adjustment system is given. Project supported by the Open Research Fund Program of the Key Laboratory of Geospace Environment and Geodesy, Ministry of Education, Wuhan University (No. 905276031-04-10).     

Structural damage detection using the optimal weights of the approximating artificial neural networks

This work presents a novel neural network‐based approach to detect structural damage. The proposed approach comprises two steps. The first step, system identification, involves using neural system identification networks (NSINs) to identify the undamaged and damaged states of a structural system. The partial derivatives of the outputs with respect to the inputs of the NSIN, which identifies the system in a certain undamaged or damaged state, have a negligible variation with different system errors. This loosely defined unique property enables these partial derivatives to quantitatively indicate system damage from the model parameters. The second step, structural damage detection, involves using the neural damage detection network (NDDN) to detect the location and extent of the structural damage. The input to the NDDN is taken as the aforementioned partial derivatives of NSIN, and the output of the NDDN identifies the damage level for each member in the structure. Moreover, SDOF and MDOF examples are presented to demonstrate the feasibility of using the proposed method for damage detection of linear structures. Copyright © 2001 John Wiley & Sons, Ltd.