滑坡体地质剖面表达与绘制方法探讨

滑坡体的地质结构非常复杂，对如何有效地表示滑坡体内部结构采用计算机绘制其剖面图的研究具有很强的实用性。本文对采用数字高程模型（DEM）在计算机上绘制滑坡体地质剖面图进行了论述。     

一种改进的GPS随机模型建模方法

针对观测序列的异方差和时相关特性相互影响但又难以并行建模的问题,提出了一种迭代、序贯处理异方差和时相关问题的随机模型建模方案。实验结果显示,该方法较好地解决了异方差和时相关特性无法并行建模的难题,极大地消除了多路径及系统残余误差对GPS定位成果的影响,增加了基线数据处理的可靠性。     

鱼耳石中锶和钡富集的影响因素及其环境响应

鱼耳石中元素锶和钡主要来源于鱼类生存的水体,这两种元素通过腮或肠进入内耳淋巴液,继而以类质同象的方式沉淀在耳石晶格内部空位和晶格间隙中。耳石结晶沉淀的整个过程不仅受生物的调控作用,而且还受到外界环境,如水体元素浓度、盐度、温度等因素的影响,因此耳石中某种元素的浓度与其在水体中的浓度之比(元素富集系数)与鱼类所生存的环境之间具有一定的响应关系。在以上各种因素中,水体元素浓度对耳石元素富集系数的影响最为显著。一般来说,耳石中某种元素的含量与水体中相应的元素浓度呈正相关关系,而水体中元素之间就耳石中的富集过程也存在一定的相互促进或抑制作用,如Sr对Ba为协同作用,Ca对Sr、Zn为拮抗作用。另外,水体盐度或温度与元素富集系数之间不存在简单的线性相关关系,而是因鱼种、水体综合环境及元素种类不同而有所差异。研究结果表明:鱼种一定的情况下,耳石中元素富集系数与水体盐度和温度存在良好相关关系。基于以上相关性分析,可以认为耳石中元素富集系数与环境因子(水体元素浓度、盐度、温度)之间存在响应关系。因此,可以选用那些受环境影响大但对自身调控影响小的元素(如:Sr、Zn、Pb、Mn、Ba、Fe、Li、Ni、Cd)来建立耳石与水体环境之间元素富集系数的定量化模型,并利用这种响应关系及定量化模型进行生态环境监测和渔业管理。     

优化组合模型在建筑物基坑沉降预测中的应用

为了确保建筑物在建设过程中的安全,需要准确掌握建筑物基坑及周边的变形情况。针对建筑物基坑沉降变形预测问题,本文对单一的GM(1.1)模型与BP神经网络模型进行优化并构建组合预测模型。优化组合模型一方面解决了单一预测模型稳定性差、预测精度低的问题,另一方面提高了预测模型的适用性。将本文提出的组合预测模型应用于某在建建筑物基坑沉降变形预测中,结果表明,相较于单一的GM(1.1)模型与BP神经网络模型,本文提出的优化组合预测模型的预测精度与稳定性更高,证明了组合预测模型在建筑物基坑类沉降预测中的可靠性。     

旋转触探数学模型及其试验分析

通过对旋转触探用双螺旋探头的受力分析,建立了螺旋探头的贯入阻力和扭矩与贯入速度和转速,以及岩土的力学性能参数间的数学模型。结合数学模型和试验数据对旋转触探技术的影响因素进行了分析,为设计探头结构和进一步理解该技术的力学机理提供了理论依据。     

基于AHP–物元可拓模型的顶板水疏放程度评价

为了科学合理地评价工作面顶板水疏放程度,分析了工作面涌水量预测值和疏放水观测值等要素,构建了顶板水疏放程度评价指标体系,划分了相应的评价等级标准,并利用AHP法确定了各评价指标的权重,建立了顶板水疏放程度的物元可拓模型。利用AHP-物元可拓模型对宁东煤田水文地质条件较为复杂的5个工作面顶板水疏放程度进行了评价,评价结果均为顶板水疏放程度好,并且各工作面已经实现了安全回采,实际情况与评价结果一致。AHP-物元可拓模型可以用于评价顶板水疏放程度,并且可以作为工作面采前水文地质条件评价的参考依据。     

冀西北水晶屯金矿F8断裂带深部定位预测

摘要：以冀西北水晶屯金矿为例,通过对该矿床Ｆ８断裂带成矿地质条件和找矿标志的分析研究,建立起了Ｆ８断裂带的地球化学原生晕模型和灰色系统ＧＭ（１．１）模型,并利用这些模型对其深部合矿性进行了预测．经工程验证,该预测效果是可信的．     

轴压下两体力学模型的转化条件及影响因素分析

接触界面的相互作用是影响工程稳定的重要因素,基于接触面两侧介质的实际受力状态,采用一体两介质力学模型与两体两介质力学模型加以描述。通过一体和两体模型试件的轴压破坏试验,分析了两种模型的力学响应的差异,并认为：一体两介质力学模型在符合一定条件情况下可以转变为两体两介质力学模型。此外,还对影响两种力学模型性能的参数进行了分析。提出对一体两介质力学模型力学性能产生影响的参量是低强度介质与高强度介质的静载极限强度比k以及两种介质之间的黏结力c;对两体两介质力学模型力学性能产生影响的主要参量除了k之外,尚有两种介质的断裂韧度比? 、体积比? 以及界面的粗糙程度     

基于声波信号的岩性智能分类方法

传统的岩性识别以钻井取心、钻井曲线和岩石图像等方法为主,这些识别方法对地质和识别条件要求较高,且不能满足随钻实时识别。为此,本文提出一种新的基于声波信号的岩性智能分类方法。该方法首先基于所采集钻头与岩层碰撞得到的音频数据,通过数据增强技术解决数据稀疏问题;然后采用基于CGRU(CNN+GRU,卷积神经网络+门控循环单元)的深度学习模型,对采集到的3种岩性的岩石音频数据进行深度学习与训练。为提高该模型在复杂背景下的识别能力,引入注意力机制模型进行优化。注意力机制模型可以在复杂环境下对岩性信息实现重点学习,提高模型识别性能。实验结果表明,与GMM(高斯混合模型)-SVM(支持向量机)、CNN和CGRU模型相比,CGRU-AttGRU(注意力机制模型+GRU)混合模型准确率达81.17%左右,在GMM-SVM、CNN和CGRU模型基础上分别提升了13.31%、9.99%和5.93%。     

不同对流层天顶延迟模型在中国西北地区适应性研究

基于Fortran语言对GAMIT10.7软件进行二次开发,实现了Hopfield模型、Saastamoinen模型、Black模型、UNB3模型、EGNOS模型、GPT2w_1+ Saastamoinen模型和GPT2w_5+ Saastamoinen模型在中国西北地区的对流层延迟解算服务,并分析不同对流层延迟模型在...