Seismic response evaluation of the impact of corrosion on buried pipelines based on the Markov process

Water distribution and gas supply systems are among the infrastructure systems that have many buried steel pipelines. Corrosion gradually appears inside and outside of the pipe walls over the service life of these pipelines, the corrosion is primarily caused by the surrounding soil and the materials that flow through the pipelines. However, due to the uncertainty of the characteristics of the soil and materials, the size of the corrosion region is a stochastic variable. In this paper, using a homogeneous Markov process, a model is presented to simulate the occurrence of corrosion. Then, in combinations with a linear corrosion development model, the probability density function of the pipeline area corrosion percentage is derived. Based on the corrosion model, the pipeline seismic displacements and stresses are predicted. Furthermore, using the random perturbation approach, the mean and variance of the pipeline seismic response are given. To illustrate the validity of the proposed approach, a 200-meter long pipeline is numerically investigated and its random seismic response is obtained.     

自然语言理解的中文地址匹配算法

地址匹配算法是位置服务的核心关键技术,具有广泛应用前景。在分析现有三类主要的中文地址匹配算法——要素层级匹配法、全文检索法、正则表达式法的基础上,本文提出了基于自然语言理解的中文地址匹配算法。在这个新算法中,建立了空间关系地址模型以解决中文地址抽象问题、地址库逻辑模型以解决地址信息的空间知识表达问题。新算法的完整流程包括 “预处理”、“地址解析”、“地址要素标准化”、“推理匹配”和“匹配登记”等五个环节,本文重点阐述了“地址解析”和“推理匹配”这两个重要环节,分别依据“自然语言理解”中的“中文分词”和“语义推理”原理,对用非结构化的中文自然语言来描述的中文地址进行处理,实现自然语言理解方法与地址匹配之间的结合,从而建立完整的基于自然语言理解的中文地址匹配算法。为验证该算法,开发了“中文地址智能匹配实验系统”,对河南省濮阳市人口库1000条居民地址数据进行匹配,匹配率达到了95%,准确率高于93%。     

印度洋海表盐度预报的线性马尔可夫模型及其改进办法

海洋盐度在水循环、海洋环流、海洋生态系统、全球天气和气候变化等方面起着至关重要的作用。然而,受观测的限制,以往对海洋盐度的研究相对匮乏,对其进行预报的工作更为少见。本文采用线性马尔可夫模型对印度洋海表面盐度(sea surface salinity,SSS)开展初步的预报工作。根据混合层盐度收支方程,选择海表面高度(sea surface height,SSH)、海表面温度(sea surface temperature,SST)、SSS等物理量的异常值作为模型的组成部分,对印度洋SSS开展预报工作。结果表明,马尔可夫模型可提前9个月对印度洋SSS进行较好的预报。此外,南太平洋海表面温度异常(sea surface temperature anomaly,SSTA),海表面高度异常(sea surface height anomaly,SSHA)和印度洋偶极子(Indian Ocean dipole,IOD)系数等遥相关因素的加入可将线性马尔可夫预报对印度洋SSS的预报效果(相关系数)平均提高10%。利用改进的模型对印度洋SSS进行提前1～11个月的“实时”预测,得出预报的SSS时空变...     

湖北刘家场地区奥陶系地层沉积相及马尔科夫链分析

根据野外实测剖面分析刘家场地区奥陶系从西陵峡组到临湘组的地层特征、古生物类型和沉积相演化规律,表明该区奥陶系以碳酸盐岩台地相序为主,主要由局限台地、开阔台地、台地边缘生物礁和沉没台地组成。在此基础上,运用马尔科夫链随机过程建立研究区沉积序列概率模式。以定量的数学地质方法估计了岩相在垂直剖面上的转移概率,克服了传统的定性沉积相模式建立方法中存在的由人为因素导致的差异,研究结果表明这是一种行之有效的将复杂地质问题简化的处理方法。     

拉萨地区土地利用变化情景分析

根据西藏拉萨地区1990年、1995年和2000年3个时点的土地利用数据,应用马尔科夫过程模型分析了未来20年内拉萨地区的土地利用情景变化,并与90年代制定的拉萨地区土地利用规划面积进行了对比研究。研究结果:1)10年间,土地利用类型变化最广泛的是牧草地。变化方向主要由牧草地向耕地、园地、林地、居民点及水域转变,其中变成林地的面积最大,为2338.25hm²(占变化面积的94.093%);2)拉萨地区未来20年中土地利用类型发展趋势是耕地、牧草地、水域和未利用土地面积将进一步减少,林地、园地和居民点面积将进一步增加;3)土地利用规划面积与基于马尔科夫模型的土地利用变化情景分析结果比较吻合,马尔科夫过程模型对制定该区域土地利用规划具有重要的参考价值;4)由于土地利用变化是一个复杂的过程,不仅受到众多自然因素的影响,而且受到未来土地利用政策、社会经济发展、区域内大型工程项目及其他人类活动等不确定因素的影响,从而不同土地利用类型之间的转移概率会发生变化,使得基于马尔科夫过程模型预测的精度有一定的局限性。     

1990年来广东区域发展的空间溢出效应及驱动因素

采用尺度方差、核密度估计、空间马尔科夫链和地理加权回归对1990-2010年广东省区域经济发展的溢出效应及其驱动因素进行了时空动态分析。1尺度方差研究表明,在3个尺度分析的基础上发现县级尺度对整个区域经济差异的贡献份额最大,因此是空间溢出效应研究的核心尺度;2核密度估计研究表明,1990-2010年间县域人均GDP差距呈不断扩大趋势,2000-2010年相比于1990-2000年人均GDP差距幅度更大,使得空间溢出更为明显;3空间马尔科夫链研究表明,在县域经济发展过程中存在空间溢出效应,若以较富裕地区为邻,受到的溢出效应是正向的,县域经济向上转移的概率增加,向下转移的概率减小,反之亦然。4空间滞后回归和地理加权回归研究表明,全球化、简政放权和固定资产投资是广东省空间溢出效应的三个核心驱动因素;市场化、城镇化水平和储蓄水平是辅助理解其空间溢出效应的驱动因素。     

南盘江盆地中三叠统复理石韵律的马尔科夫链特征及其地质意义

本文利用南盘江盆地中三叠统复理石韵律的野外测量数据,从马尔柯夫链原理出发,对其进行了频数转移矩阵、概率转移矩阵、极限概率矩阵和环流矩阵等沉积旋回最优分解综合分析.分析过程中发现并命名了循环链和二级循环链,并对循环链进行了特殊处理.通过分析模拟获得的状态循环模式图,建立了不同地点实测段的代表性韵律结构模式并绘制了韵律结构...     

瑞雷波频散曲线的深度学习反演方法

瑞雷波频散曲线反演是获取地表横波波速的关键步骤, 现有线性反演方法的效果取决于初始模型的选择, 非线性反演也存在效率低、多解等问题.为了进一步提高瑞雷波频散曲线反演的速度与精度, 受深度学习卓越非线性映射能力启发, 本文提出了瑞雷波频散曲线的深度学习反演方法.文中首先基于近地表速度结构的遍历属性和演化特征的有序性, 提出了约束马尔科夫决策的样本数据构建方法; 然后设计了一种卷积神经网络衔接长短时记忆网络的混合网络结构(CNN-LSTM), 用于构建频散序列数据到速度结构的非线性映射关系, 该网络结构包含了3个局部特征学习模块和1个长短时记忆层; 再利用样本数据对混合网络进行训练; 最后进行反演预测.理论模型试验的频散曲线在无噪与含噪情况下, 拟合的平均相对误差分别不超过5.6%和8.9%, 表明本文所提方法具有较高的计算精度和良好的鲁棒性.最后, 将本文方法应用于2008年汶川M_W7.9地震白鹿镇同震地表破裂带的瑞雷波勘探中, 为其浅表同震变形的局部化效应提供了科学约束.

     

基于LIM-MCMC模型研究江苏近海北部海域食物网能量流动特征

食物网结构特征和能量流动的研究,对于维持海洋生态系统结构和功能的稳定具有重要意义,有助于深入理解海洋生态系统的复杂过程。本研究基于2019−2021年在江苏近海北部海域开展的季节性渔业资源底拖网调查数据,通过构建基于蒙特卡罗马尔科夫链算法的逆线性模型（Linear Inverse Models using a Monte Carlo Method Coupled with Markov Chain, LIM-MCMC）,结合生态网络分析（Ecological Network Analysis,ENA）的方法,分析了该海域生态系统状态和食物网能量流动特征,旨在为江苏近海北部海域食物网营养动力学研究提供参考依据。结果表明,该海域生态系统共包含299条能量流动路径,能量流动分布整体呈典型的金字塔结构,各功能群呼吸消耗和流入有机碎屑的能量保持同步性。通过与其他海域比较发现,江苏近海北部海域生态系统的连接指数（Connectance,C）和系统杂食指数（System Omnivory Index,SOI）分别为0.40和0.22,处于较高水平,表明该生态系统不同营养级间的营养联系较为紧密,食物网结构相对复杂,能够在较大程度上抵御外界扰动。总初级生产力/总呼吸（Total Primary Production/Total Respiration,TPP/TR）和Finn’s循环指数（Finn’s Cycling Index,FCI）分别为1.05和5.76%,表明该生态系统对能量利用效率较高。此外,约束效率（Constraint Efficiency,CE）、发展程度（Extent of Development,AC）、协同效应指数（Synergism Index,b/c）和主导间接效应（Dominance Indirect Effects,i/d）也表明该生态系统具有较高的系统发展程度、再生潜力和系统发展空间。本研究将有助于为江苏近海北部海域生态系统的修复和渔业资源的可持续利用提供理论基础,为实施基于生态系统的渔业管理提供科学依据。     

基于涡度相关通量数据的植被最大光能利用率反演研究

准确估计和预测陆地生态系统碳循环时空变化是预测气候变化的基础,也是目前全球变化研究中最为重要的前沿领域之一。最大光能利用率（εmax）是遥感估算陆地生态系统初级生产力的关键参数之一,本研究基于CASA（Carnegie-Ames-Stanford Approach）模型,采用马尔科夫链-蒙特卡罗（Markov Chain Monte Carlo,简称MCMC）方法,利用中国陆地生态系统通量观测研究网络（ChinaFLUX）8个野外台站的涡度相关通量观测数据对εmax进行反演,得到εmax的最优估计值及其不确定性,并利用优化后的εmax对2003~2008年各生态系统总初级生产力（Gross Primary Productivity,简称GPP）及其不确定性进行了模拟。结果表明：8个生态系统εmax后验估计结果均呈近似正态分布,森林、农田和草地生态系统εmax分别为0.737±0.026~0.850±0.035gC/MJ·PAR,1.056±0.090gC/MJ·PAR和0.199±0.068~0.469±0.043gC/MJ·PAR;εmax估计的不确定性将导致内蒙、当雄和海北草地生态系统GPP年总量的模拟值产生9.17%~14.20%的误差,长白山、鼎湖山、千烟洲和西双版纳4个森林生态系统GPP年总量的误差为3.52%~7.79%,禹城农田生态系统GPP年总量的误差为8.52%。对εmax进行优化后,GPP年总量模拟值的相对误差显著降低,有效改善了原模型对内蒙草地生态系统GPP年总量的高估和除当雄草地生态系统外其他6个生态系统GPP年总量的低估。