符号位地震记录振幅恢复理论的两个基本定理

本文给出了符号位地震记录振幅恢复理论的两个基本定理。这些定理指出,在地震记录的干扰特性不知道时,可采用叠加随机噪声的方法进行符号位地震记录振幅恢复,但是该随机噪声的概率密度必须为均匀分布。这不仅在理论上而且在实际上都有重要意义。     

对“二维与三维位场在频率域的等价定理”一文中几个问题的讨论

一九七九年第一期《地球物理学报>登载了杨文采同志“二维与三维位场在频率域的等价定理”(以后简称“等价定理”)一文,其中有几处我们认为有问题。本着百家争鸣的方针,提出意见如下。(为了精简文字,本文中所用各种符号及公式编号均同“等价定理”一文,因此各项符号的意义请看原文。)     

旋转二维可压缩流动的谱和特征函数 II：谱和谱函数结构的分析

本文第一部分(Ⅰ)已给出了线性化旋转二维可压缩流动方程的谱分布,并作了初步分析。本部分(Ⅱ)对这些谱及谱函数作进一步的分析讨论。设基流是低速流,此时可用摄动法求得谱和谱函数,将它们与用差分法所得结果进行比较,表明二者吻合得很好。摄动法中的离散谱初级近似就是无基流时的相应的谱,而连续谱对应的谱函数初级近似则与准地转模式的结果一致。由初级近似和一级修正项可以清楚地说明计算所得的谱和谐函数的许多重要性质。 在低速基流情况下:(1)重力一惯性波为准简谐波,基流和可变的Coriolis参数只给以较小的修正。(2)由于基流在Coriolis力作用下使自由表面有一坡度,Kelvin波必定具有横穿波射线的速度分量,同时顺传和逆传的Kelvin波不再在形态上相似;当基流愈强时上述两性质愈明显;Coriolis参数随空间的变化也改变了顺传和逆传波的相似性,此外,Kelvin波是准非频散的。(3)不为零的基流或科氏参数的变化使慢波离散谱变为非简并的即分立的,它们或者有无穷多个且基流流速为相速的聚点(当基流为常数时),或者只有有限个,甚至不存在;而当基流有切变时则有连续谱。对应于离散谱的谱函数为准简谐波;而对应于连续谱的谐函数则为广义解,但有有限能量。 本问题的谱函数与其伴随算子的谐函数正交,满足同样边界条件的一切扰动可按本问题的谱函数展开。在低速基流情况下,可用摄动法求解,初级近似下的伴随算子是自伴的。 关于高速基流情况的结果将在本文的第三部分(Ⅲ)发表。     

一类带有参数的分数阶差分方程边值问题正解的存在性和不存在性

研究一类带有参数的分数阶差分方程正解的存在性和不存在性。首先,分析该方程的格林函数的一些性质;然后,利用Banach空间锥上的不动点指数定理和Krasnosel'skii不动点定理,证明当参数属于不同范围时,该方程正解的存在性;最后,利用反证法,证明当参数属于不同范围时,该方程正解的不存在性。     

带积分边界条件的奇异方程组边值问题的正解

考虑了一类具p-Laplacian算子型带积分边界条件的三点奇异方程组边值问题正解的存在性.通过使用锥上的不动点定理,在适当的条件下,建立了这类方程组边值问题存在一个或多个正解的充分条件,并给出两个例子来验证主要结果.     

横向各向同性介质二维格林函数的F-K算法

采用算子表示法，在Ｆ-Ｋ域内将横向各向同性介质中的波动方程进行算子分解，然后利用留数定理求出格林函数的解析解。并给出了一个算例，得出时空域中ｑＰ波、ｑ（ＳＶ）波和Ｑ_ｓＨ波的格林函数剖面。     

不连续边界形状下土压力的严密解法

分析不连续边界形状下土体中不连续应力场和速度场特征,根据应力不连续线和速度不连续的性质,在考虑有重土、土和墙体摩擦情况下,同时利用上、下限定理,构建算法;通过数值计算解三类边值问题,求得挡土墙绕基底转动下,墙后不连续边界形状下土体的静力场,同时对对应的机动场进行分析,找出了满足所有速度边界条件和静力边界条件的应力场,得到绕墙基转动下挡土墙土压力的严密解。算例表明：求解极限平衡问题真解的算法是可行的。     

Study on the detection of abnormal sounding data based on LS-SVM

A new method of detecting abnormal sounding data based on LS-SVM is presented. The theorem proves that the trend surface filter is the especial result of LS-SVM. In order to depict the relationship of trend surface filter and LS-SVM, a contrast is given. The example shows that abnormal sounding data could be detected effectively by LS-SVM when the training samples and kernel function are reasonable.