一次西南低涡过程的地面场中尺度分析

本文运用带通滤波分析方法,对四川省1981年7月由西南低涡等天气系统引起的大暴雨过程作了地面气象要素场的中尺度诊断分析。结果表明,带通滤波后的场具有明显的中尺度特征,其中一些物理量场的适当配置与6小时后的暴雨中心有较好的对应关系。说明了此带通滤波方法在实际业务预报中具有一定的使用价值。     

地震前后垂直形变场动态演化的量化指标

提出一种表达垂直形变场动态演化过程的量化指标——区域应变率、应变集中度。在此基础上，对南北地震带各水准监测区近30年的垂直形变资料进行了实际计算．并结合具体震例进行了对比研究。结果表明：量化指标在一定程度上能够反映地震前后形变场的动态演化过程和地壳运动状态，对地震的中长期预报有一定的积极意义。     

GPS相位预测值周跳检测的小波分析法

本文研究了利用小波分析法来检测ＧＰＳ相位观测整周跳变的理论与方法，并通过实测数据进行分析，得出了一些有益的结论，有助于ＧＰＳ基线解算及其软件开发。     

浅议痕量分析中的污染源

关于痕量分析的污染问题已有许多文献作为全面阐述，本文主要介绍笔者在分析测试和方法研究中遇到的一些现象与解决的途径。     

β-环糊精-1，2，5，8-四羟基蒽醌包结物荧光法测定铍

本文对1，2，5，8-四羟基蒽醌(THA)与镀形成配合物和THA进入β-环期精(β-CD)的内空腔与镀形成包结物这两种测定镀的荧光分析方法进行了比较，试验表明，后者的灵敏度和重现性有显着提高．选择性明显改善。详细研究了方法的测定条件．并应用于矿样中痕量镀的测定，结果符合质量要求。     

台湾海峡西岸重力场变化梯度场图像分析

讨论了应用曲面拟合技术和利用离散的重力观测点的重力变化对特定研究区的重力场变化进行数值模拟以获取该区重力变化空间梯度场图像的具体方法;并应用该方法获得了2004年3月福建安溪3.6级地震前的重力变化空间梯度场图像,发现空间梯度场图像能清晰地反映出地震前重力场群体性变化的差异性;利用此方法对2005年6月~2006年3月间台湾海峡西岸重力场变化进行数值模拟,获得其空间梯度场图像。     

某滑坡稳定分析及处理方案探讨

滑坡属于不良地质现象，是斜坡上的部分岩体和土体在自然或人为因素的影响下沿某一明显的界面发生剪切破坏向坡下运动的现象。当高速公路不得不通过某一滑坡时，对其稳定性进行分析和整治设计就显得尤为重要。以祁临高速公路灵石至霍州段窑深沟大桥东南窑深沟滑坡为实例，根据勘察资料，利用岩土力学知识，在公路修好后并运行的情况下，计算出了其稳定系数和推滑力，又以材料力学、结构力学等力学理论为基础，设计出抗滑桩和锚索抗滑桩等两种整治方案，经验证，效果良好。     

Virtual Huanghe River System： Framework and Technology

1 Introduction Huanghe (Yellow) River basin is located in 32°–42°N, 96°–119°E. The area of the catchment is more than 752,000km2. The river is 5464km long with a drop in elevation of 4830m. Among the whole area, the moun- tainous and stone area accounts for 29%, loess and hills area 46%, sandy area 11% and plain area 14%, respec- tively. Different natural landscapes exist in this area. The Huanghe River flows through the Loess Plateau, where the soil is eroded seriously (Wang, 2002;…     

SIMULATION AND PREDICTION OF DEBRIS FLOW USING ARTIFICIAL NEURAL NETWORK

Debris flow is one of the most destructive phenomena of natural hazards. Recently, major natural haz-ard, claiming human lives and assets, is due to debris flow in the world. Several practical methods for forecasting de-bris flow have been proposed, however, the accuracy of these methods is not high enough for practical use because of the stochastic and non-linear characteristics of debris flow. Artificial neural network has proven to be feasible and use-fill in developing models for nonlinear systems. On the other hand, predicting the future behavior based on a time se-ries of collected historical data is also an important tool in many scientific applications. In this study we present a three-layer feed-forward neural network model to forecast surge of debris flow according to the time series data collect-ed in the Jiangjia Ravine, situated in north part of Yunnan Province of China. The simulation and prediction of debris flow using the proposed approach shows this model is feasible, however, further studies are needed.