六道湾煤矿塌陷西区地面沉降监测设计方法探讨

介绍乌鲁木齐市六道湾煤矿塌陷区综合治理过程中地面沉降观测站、观测线的设计方法,所需观测内容,观测方法以及所使用观测仪器的精度。在观测站、观测线设计时综合考虑老采空区变形的影响,并针对该区两个不同时段开采变形观测站布设方法分别进行了设计。其中所介绍的设计方法对其它地区类似煤矿塌陷区综合治理有一定意义。     

三峡库区高切坡致灾因素及防护对策——以重庆市万州区为例

三峡库区百万移民的搬迁建设导致大量高切坡的形成。未及时治理或治理不当的高切坡,不同程度地发生破坏,影响了人们的正常生活,甚至引发了地质灾害。因此,科学认识及治理高切坡十分必要。重庆市万州区高切坡主要有风化及差异风化、崩塌和土体滑塌等破坏形式。影响破坏的因素主要为工程地质条件、气候及时间效应。针对高切坡不同的破坏形式,以安全、经济及环境和谐的人文理念作为设计指导思想,充分论证了高切坡的防护方案,即：削坡、排水以及格构防护较适合万州区高切坡的防护。这些措施,既能很好地解决高切坡的防护问题,又能兼顾环保、降低造价。研究结果可以作为三峡地区高切坡类地质灾害防护设计的参考。也可为其它流域类似问题借鉴。     

隧道围岩强度不均地段塌方成因及其处理方法

由于地质构造作用以及风化作用,工程场地岩体中多存在围岩强度不均地段.在隧道施工过程中就经常遇到软硬岩石交汇而形成的地质条件复杂地段;给隧道的施工带来了很多不利情况,并且也是导致隧道塌方的原因之一.2006年1月,承德韩郭线二级公路工程,喇嘛梁隧道软硬岩石交汇地段由于地下水作用导致围岩风化程度不均,产生软弱结构面并造成了大面积塌方.基于现场的追踪调查与考察,本文详细描述了利用拱顶架设工字钢梁并配合超前注浆小导管的支护方法来处理这类围岩.     

浅谈建筑设计企业的数据中心建设

信息系统数据和计算能力逐步集中的发展趋势以及信息系统逐步成为企业核心业务的支撑,使得企业数据中心的作用越来越重要。如何搞好数据中心建设,保障数据系统的安全、稳定运行,成为信息主管首先要考虑的问题。首先讨论数据中心的作用和数据中心与信息系统之间的关系,然后介绍一个目前在国际上处于领先水平、防护等级最高的数据中心的实例,最后论述数据中心的实施对策。     

建筑物沉降监测专家分析系统设计与开发

建筑物沉降监测数据分析与处理是一项较复杂的系统工程,本文从自动化处理观点出发,介绍了设计沉降监测专家分析系统的咨询新理念和主体思想,探讨了开发选用的数学模型与开发过程,以期为相关变形监测与分析提供帮助和启示.     

均匀设计与灰色理论在边坡稳定性分析中的应用

采用均匀设计安排试验,运用灰色理论中的灰色关联分析考察边坡稳定性影响因素的主次.结果表明,边坡稳定性影响因素的敏感性由大到小依次为:粘聚力、内摩擦角、重度、预应力、锚索间排距、锚索长度、锚固段长度、锚固角.可见,岩体的抗剪强度指标是影响边坡稳定性的最重要参数,其次是岩体的容重,而预应力锚索的设计参数对边坡的稳定性也有一定影响.这一分析结果为边坡开挖设计和加固方案的优化提供了重要依据.     

蚌埠市地理信息系统应用探讨

阐述了GIS系统的设计原则,建设方案,揭示了GIS系统功能模块的效能,利用Map控件建立信息管理系统,最后探讨了GIS系统在应用领域的发展前景。     

钢筋混凝土圆环内支撑在软土深基坑支护中的设计与应用

通过对星河世纪城B2地块工程基坑成功支护设计实例介绍,全面阐述了钢筋混凝土圆环内支撑体系独特的布置形式、内力计算模式、方法和结果,以及在施工过程中的质量保证,为软土地基中类似基坑工程提供借鉴。     

杠杆点评估及设计空间抗差

本分析了杠杆点的几何含义和统计特征,从杠杆点的保差性,矩阵的摄动和参数估值可靠性的观点出发讨论了杠杆点的不利和有利的两个方面,提出了一个全面的设计空间抗差方案。     

Estimation for partially observed Markov processes

Many stochastic process models for environmental data sets assume a process of relatively simple structure which is in some sense partially observed. That is, there is an underlying process (X_n, n 0) or (X_t, t 0) for which the parameters are of interest and physically meaningful, and an observable process (Y_n, n 0) or (Y_t, t 0) which depends on the X process but not otherwise on those parameters. Examples are wide ranging: the Y process may be the X process with missing observations; the Y process may be the X process observed with a noise component; the X process might constitute a random environment for the Y process, as with hidden Markov models; the Y process might be a lower dimensional function or reduction of the X process. In principle, maximum likelihood estimation for the X process parameters can be carried out by some form of the EM algorithm applied to the Y process data. In the paper we review some current methods for exact and approximate maximum likelihood estimation. We illustrate some of the issues by considering how to estimate the parameters of a stochastic Nash cascade model for runoff. In the case of k reservoirs, the outputs of these reservoirs form a k dimensional vector Markov process, of which only the kth coordinate process is observed, usually at a discrete sample of time points.