考虑土-结构相互作用和岩土参数不确定性的核电厂结构地震响应分析

针对核电厂结构,在考虑土-结构相互作用(SSI)的情况下进行随机地震反应分析,探讨地基岩土参数的不确定性对反应堆厂房楼层反应谱(FRS)的影响。运用ANSYS软件模块建立核电厂(NPP)结构有限元模型,通过设置边界弹簧单元和阻尼装置来考虑SSI效应;并且通过设置具有概率意义的弹簧刚度和阻尼系数,来模拟土特性参数的不确定性。随机响应分析与确定性分析的结果对比,揭示了岩性地基条件下SSI效应对核电厂FRS的影响以及地基岩土参数不确定性对FRS的影响程度。研究表明,在岩性地基条件下,亦不应忽略SSI效应;考虑SSI效应的随机分析模型同确定性模型相比,二者的分析结果较为接近,两方法都可用于NPP的FRS敏感性分析评估之中,并可进行相互比照。     

基于随机振动理论确定桥梁地震碰撞的临界间隙

确定梁桥邻跨间避免地震碰撞的最小间隙,对于梁桥地震碰撞危险性预测及防地震碰撞措施的设计有着显著意义。本文基于随机振动理论建立梁桥地震碰撞邻跨临界间隙的计算方法,分析模型采用跨径不等的两跨简支梁桥,且考虑隔震支座非线性恢复力的影响。文中首先建立了系统的非线性运动方程;随后运用随机等效线性化理论将其线性化;最后在复模态空间推导了临界碰撞间隙的均值与方差的计算方法。人工地震动的非线性时程分析结果验证了本文算法的正确性。参数分析表明,临界间隙随邻跨长度比增大而增大,随支座屈服力与上部结构重量比值减小而增大,随隔震支座屈服位移增大而增大,随桥墩振动周期增大而增大。隔震支座屈服前后刚度比值对临界间隙大小影响很小。     

“一带一路”背景下的中国与巴基斯坦的贸易关系演进及其影响因素

中巴经济走廊是“一带一路”6大经济走廊之一,而贸易畅通是“一带一路”建设的核心环节。研究中巴贸易关系演变及其影响因素、分析其贸易潜力,对推进“一带一路”建设具有重要的示范作用。论文从中巴贸易发展态势、商品结构、空间格局等方面揭示中巴贸易关系,运用随机前沿引力模型分析中巴贸易关系的主要影响因素、并探析其发展潜力,以期为推进中巴经济走廊建设提供科学支撑。研究发现：① 中巴贸易发展迅速,中对巴贸易顺差持续扩大;中国主要出口机械及电气设备等资本密集型产品,主要进口纺织原料及纺织制品等初级产品和劳动密集型产品。② 中国各省份与巴基斯坦的贸易合作存在明显的空间差异,东部沿海省份与巴贸易联系较紧密,西部各省份除新疆外与巴基斯坦贸易额均较小。③ 中国多数省份对巴贸易商品结构发生显著变动,其中,新疆、山东等进出口商品结构多元的省份的变动相对较小。④ 中国各省份的经济发展水平和市场规模对中巴贸易拉动较强;海运距离对中巴贸易规模有显著的负向影响;领土接壤为中巴组织边境贸易提供了良好条件;铁路和水运口岸的建设对中巴贸易具有积极影响。⑤ 中国各省份与巴基斯坦均有较大贸易潜力,内蒙古、云南、广西、陕西等省份的合作潜力更明显。     

加权混合估计中权值的确定方法

综合了大地测量中各种异方差多源观测模型和联合平差方法,说明了混合估计方法可以用于测量数据融合,平衡附加信息和样本信息对参数估计的影响。通过求取权值使参数估计的协方差阵的迹最小的方法,给出了一个权的最优选择方法。本文扩展了已有的加权混合估计方法,使得新方法中的权不受验前单位权方差的限制,能有效应用于大地测量数据处理。     

闽三角红树林底栖软体动物共存格局及机制

以漳江口国家级红树林自然保护区、九龙江口省级红树林自然保护区和泉州湾省级湿地保护区3个红树林分布区作为研究对象,研究底栖软体动物在中等尺度下的共存格局及机制。利用非度量多维标度分析、基于蒙特卡洛的零模型和网络分析探讨底栖软体动物的共存格局,利用raup-crik零模型识别决定性过程和随机过程测定底栖软体动物的相对重要性。结果显示,漳江口、九龙江口和泉州湾湿地共发现37种底栖软体动物,底栖软体动物的平均密度、物种数及群落物种组成差异显著。软体动物的共存格局呈现非随机分散和模块化,这些格局同时受到决定性过程和随机过程的调控作用,其中,物种竞争起主导作用。     

海洋环境因子对澳洲鲐亲体补充量关系的影响——基于贝叶斯模型平均法的研究

澳洲鲐（Scomber australasicus）是西北太平洋重要的中上层经济鱼类,生命周期相对较短,资源量受补充量影响明显,了解澳洲鲐太平洋群系补充量状况对掌握其资源量及确保其可持续利用具有重要的意义。本文利用产卵场1（30°~32°N,130°~132°E）海表面温度（sea surface temperature,SST1）、产卵场2（34°~35°N,138°~141°E）海表面温度（SST2）、索饵场（35°~45°N,140°~160°E）海表面温度（SST3）、潮位差（tidal range,TR）、太平洋年代际涛动（Pacific decadal oscillation,PDO）和亲体量（spawning stock biomass,SSB）6个影响因子任意组合与补充量构建多个模型,运用贝叶斯模型平均法（Bayesian model averaging,BMA）分析各个环境因子对资源补充量的解释能力,并预测其补充量的变化。结果表明,SSB对补充量具有最长期且稳定的解释能力,其次是SST3,PDO、TR、SST2、SST1也对补充量模型具有一定的解释能力。SST3是环境因子中影响最大的因子,可能是由于补充群体在索饵场内生活时间较长,索饵场温度对仔鱼或鱼卵的生长存活有较大的影响。研究认为,基于BMA的组合预报综合考虑了各个模型的优势,优于单一模型,可用于澳洲鲐资源补充量的预测。     

函数模型与随机模型双约束的GPS-InSAR数据融合方法建立三维形变场

针对InSAR技术研究地表三维形变时监测信息不足的问题,以GPS监测信息为先验信息,建立附有随机模型约束的地表三维形变模型。考虑到SAR卫星极轨方式运行导致LOS向观测量对南北向形变不敏感的问题,以GPS南北向形变观测值作为强约束,构建三维形变解算的函数约束条件。模拟数据与西安地区实测数据的计算结果表明,基于随机模型与函数模型共同约束的地表三维形变参数最小二乘解的精度优于仅有函数模型约束或仅有随机模型约束及无任何约束的参数解精度。     

用随机有限断层方法模拟2016-11-13新西兰Mw7.8地震

在未来大地震发震构造已知的前提下,提出用经验公式确定大地震断层长度、宽度、地震矩和滑动分布等参数,并用随机有限断层方法预测未来大地震。用随机有限断层方法模拟2016-11-13新西兰M_W7.8地震的12个基岩台站地震动时程和反应谱,并用模拟的频谱幅值与记录频谱幅值平均比值确定模拟误差。结果表明,在周期为0~10 s的范围内,模拟误差在0.92~1.08之间,不同频率模拟误差的标准差变化范围不超过1。95%的置信区间宽度随频率无明显变化,模拟结果反映了地震动记录的平均效果。用准随机方法重新获取新西兰大地震断层初始破裂点和位错滑动分布,模拟地震动并计算模拟误差随频率的变化,得到与最初模型相似的结论,从而进一步证实了本文提出的获取震源参数并用随机有限断层方法预测未来大地震的可靠性,且其特别适用于大地震远场模拟。     

综合多信息进行地震约束储层随机建模——以准噶尔盆地庄1井区J1S2^2砂组为例

针对地震约束储层随机建模中地震反演波阻抗数据体与岩相概率关系差的问题,提出综合多信息、逐级约束、多级建模的思路方法。首先以地震反演数据体约束建立地球物理特征曲线随机参数场,再以每一个地球物理特征曲线参数场为约束建立相模型,最后以优选的相模型和地球物理特征曲线参数场为约束进行储层参数建模。该方法在井距较大的开发前期评价阶段具有较好的应用效果。     

Analysis of stochastic characteristics of the Benue River flow process

Stochastic characteristics of the Benue River streamflow process are examined under conditions of data austerity. The streamflow process is investigated for trend, non-stationarity and seasonality for a time period of 26 years. Results of trend analyses with Mann-Kendall test show that there is no trend in the annual mean discharges. Monthly flow series examined with seasonal Kendall test indicate the presence of positive change in the trend for some months, especially the months of August, January, and February. For the stationarity test, daily and monthly flow series appear to be stationary whereas at 1%, 5%, and 10% significant levels, the stationarity alternative hypothesis is rejected for the annual flow series. Though monthly flow appears to be stationary going by this test, because of high seasonality, it could be said to exhibit periodic stationarity based on the seasonality analysis. The following conclusions are drawn： （1） There is seasonality in both the mean and variance with unimodal distribution. （2） Days with high mean also have high variance. （3） Skewness coefficients for the months within the dry season period are greater than those of the wet season period, and seasonal autocorrelations for streamflow during dry season are generally larger than those of the wet season. Precisely, they are significantly different for most of the months. （4） The autocorrelation functions estimated ＂over time＂ are greater in the absolute value for data that have not been deseasonalised but were initially normalised by logarithmic transformation only, while autocorrelation functions for i = 1, 2 365 estimated ＂over realisations＂ have their coefficients significantly different from other coefficients.