基于细观力学的混凝土劈拉破坏率相关特性研究

提出了一种高效的混凝土细观力学预处理方法,其中包括基于背景网格的骨料投放与细观三组分的识别;建立了颗粒离散元的混凝土细观力学模型。利用该模型对不同应变率下混凝土的劈拉试验进行了数值仿真,仿真结果显示出的混凝土动力强度提高的规律以及不同应变率下混凝土的破坏模式与试验结果吻合较好。研究表明,随着应变率的提高,混凝土破坏时产生更多弥散状分布的裂纹,同时有些裂纹穿过强度较高的骨料,导致混凝土在高应变率破坏过程中消耗更多的能量,是混凝土的动力强度提高的重要原因。此外,在高应变率下,力链产生更多的分叉,空间分布的不均匀性和随机性增加,因此,在高应变率下混凝土动力强度表现出更大的离散性。     

辽河西部凹陷欢喜岭地区沙河街组层序界面的识别

对辽河西部凹陷欢喜岭地区层序地层的研究,总结出4种层序界面的识别方法:①钻井、测井资料;②泥砂比曲线;③小波变换;④地震时频分析。方法①表现为在沙河街组各三级层序界面处,岩性、相序、曲线形态和幅值有不同程度的突变;方法②表现为在一个完整的三级层序中,泥砂比曲线由小变大再变小,其中泥砂比值最大处为最大湖泛面(MFS)位置;方法③表现为在一个完整的三级层序中,谱系图从低频到高频再到低频的变化,在系数曲线上表现为一个或近似一个完整的振荡旋回,其中谱系图中高频部分对应着最大湖泛面位置;方法④在剖面上层序界面处为低频部分,高频部分是最大湖泛面位置。通过测井与地震信息相结合,综合运用4种方法识别出7个层序界面和6个最大湖泛面,由此建立了研究区的高精度层序地层格架。     

基于遗传算法优化的小波神经网络在地下水位预测中的应用

地下水位是衡量生态环境优劣和地下水资源的一个重要指标.地下水位下降,将引发地面沉降、地面塌陷和降落漏斗等.因此,地下水位预测对保护地质生态环境和实现地下水资源严格管理至关重要.由于BP算法存在极易收敛于局部极小点与过拟合等缺点,导致网络泛化能力不足,本文在构建小波神经网络基础上并引入遗传算法加以优化,以解决上述不足,并与BP和WNN对比预测了天津市深层承压水水位.预测结果表明,GA-WNN模型拟合精度较高,模型的预测能力有较大幅度提高.     

煤田采区三维地震资料解释方法及实际应用

为了保障煤矿生产的安全,三维地震勘探在煤田采区主要解决构造问题,因各地区地质情况的复杂程度不同,解释的准确度也有不同。随着计算机和物探技术方法的发展,煤田采区三维地震勘探资料的高信噪比、高分辨率为地震资料的精细解释提供了可能。笔者利用小波分析技术、方差体技术、图象处理等多种方法,结合已知采区的实例,对小断层做了精细构造解释,提高了三维地震资料的构造解释的精度。     

小波变换在饶阳凹陷层序地层格架建立中的应用

小波变换提供了一种研究层序地层格架的新方法,它将测井信号从一维深度域转换到二维深度—尺度域,从多尺度识别不同级次的地层旋回界面。根据小波变换的原理,确定了测井数据小波变换在层序地层划分中的地质意义,建立了四种小波变换中的地层旋回模型。在饶阳凹陷的实际应用中,选取自然伽马曲线进行小波变换,应用时频色谱图分析和快速傅里叶变换多种方法选取尺度因子。通过对时频色谱图和不同尺度下小波系数曲线的综合分析,对饶阳凹陷古近系G104井层序地层进行了划分,并以2 198.625m位置为突变界面,划分出两个较大尺度旋回,以2142.375m、2 163.875m、2 198.625m、2 238.625m位置为界面,划分出5个较小尺度旋回。实际结果应用表明,小波多尺度变换划分层序地层的结果和传统方法划分基本一致。     

基于近底原位观测的小尺度海底沙波地形小波分解

浅海海床发育着不同尺度的活动性砂体,在大型活动性砂体上常叠加发育着大量小尺度沙波(纹),分析这些小尺度沙波(纹)有助于揭示活动性砂体的成因机制。但它们的尺度较小,常规分析方法往往将其作为高频噪声滤除,难以对该尺度海底沙波(纹)进行分离量化研究。为了解决这个问题,本文设计并实现了一种基于小波分析的小尺度海底沙波地形分解方法,并以台湾浅滩典型区域的高精度近底原位观测数据为例,实现了小尺度海底沙波地形的分解和定量分析,分解出背景地形、小型沙波和沙波纹(波长小于0.6 m)3种地貌类型。本文提出的小尺度海底沙波地形分解量化方法,可广泛应用于浅海高活动性地貌发育演化和海底边界层沉积动力过程研究,对评估海洋工程的稳定性也具有一定的实用价值。     

1953—2011年信江流域径流量变化特征及归因分析

利用信江流域梅港水文控制站1953—2011年径流量观测资料和11个气象站同期气象观测资料,采用统计方法、Mann-Kendall非参数检验方法、Morlet小波分析法,对信江流域径流量年内、年际变化的不均匀性、长期趋势、周期变化,及其与气候因素的相关性等进行分析。结果显示,信江流域多年平均径流量呈缓慢增大趋势,但具有显著的年际和年代际变化特征,振荡周期明显,年际变化的主要周期为6—8 a,年代际变化的主要周期为准22 a,在20世纪70—90年代最明显。年流量以主汛期(4—6月)为最多,春、夏季(3—8月)径流变差系数小,水量稳定,冬季变差系数大,水量不稳定。流域径流量与气候因素中的降水、蒸发具有显著的相关性,而人类活动中的城镇化、经济、人口等因素对径流变化起到了一定的辅助作用。     

基于模糊小波网络的伺服系统参数辨识研究

伺服系统大多是非线性系统,难以对其建立准确的控制模型,其位置、和速度检测信号易受干扰,而小波网络具有多分辨率特性和任意逼近能力。利用其非线性映射能力对系统的输入输出关系进行模拟,将小波网络和模糊规则结合对系统的位置和速度进行辨识,动态调整网络的权值W和模糊规则,将非线性映射的问题转化为求解系统最优解,从而产生一种新的系统辨识方法,并以永磁伺服系统为例,设计了辨识的结构模型和策略,实验表明该算法可以达到较高的系统控制要求。     

С����߶ȷֽ��ڵ���Ԥ���е�Ӧ��

??????С?????????????????????1994~1995??2002~2003???2011~2012????????????????仯???з??????1995-07-22????Ms5.8??????2003-10-25????Ms6.1???????2012-05-11????Ms4.9??????????????????о?С???????????????????????á?4??С?????????3?ε???????????????????仯???????????????????????4??С?????????и?????????????????????С??????????ж?????Σ??????     

基于遗传小波神经网络的海底声学底质识别分类

分割海底声纳探测图像,提取单元特征向量进行主成份分析,选取均值、标准差、对比度、相关系数、能量及同质性作为训练特征向量,构建小波神经网络。利用遗传算法优化小波神经网络的初始权值及小波参数,对砂、礁石、泥3种底质类型分别进行训练,并得到3种底质的测试精度都在90%以上,优于单独利用小波神经网络进行训练时的测试精度,克服了小波神经网络训练时易陷入局部极小的固有缺陷,表明基于遗传算法的小波神经网络可有效用于海底底质声纳图像的识别和分类。