土岩组合地层异形深基坑支护体系优化研究

某明挖隧道基坑位于土岩组合地层,基坑大面深度约17.1 m,深挖部位约27.9 m,原设计整体基坑采用地下连续墙+4道钢筋混凝土支撑,坑中坑内侧壁采用钻孔灌注桩作为竖向支护结构,深坑部位加设2道钢管支撑。为节约工期和工程造价,综合考虑地层分布及地质条件,对原设计方案进行了系列优化。运用数值模拟对比分析了优化前后基坑支护体系和周边环境的变形特性,结果表明优化后的支护方案满足设计和规范要求。基坑按优化方案施工,并开展了现场监测工作,基坑监测结果表明：（1）基坑连续墙水平位移、地表沉降、支撑轴力、周边建筑物变形及坑底隆起等指标均小于控制要求;（2）连续墙最大水平位移发生在土岩分界面以上一定高度,最大值约为浅基坑深度的0.025%;(3)异形基坑两侧变形不对称,最大地表沉降发生在浅基坑侧,基坑外地表影响范围约为1.0H;(4)下部基岩段基坑开挖侧向变形量小,且对地表沉降槽范围影响不大。优化方案节约了工期和造价,可为类似基坑工程提供参考。     

基于多方向自适应感知网络的高光谱遥感图像分类

高光谱遥感能够同步获取目标场景的光谱数据和空间图像,满足对目标物体成分组成和形貌特征的探测需求,已被广泛应用于精准农业、地质勘察、环境监测和生物医学等领域。近几年,得益于优秀的空谱信息表征能力,基于卷积神经网络的高光谱图像分类方法取得了优于传统方法的分类精度。然而,基于一定规则和固定方形窗口的卷积运算无法满足不同对象、不同分布的空谱特征提取需求,当像素位于类别边缘时该模式无法避免其他类别的无关信息,导致类别间的信息扩散以及跨类别像素的误分和错分。针对上述问题,本文提出了一种基于多方向自适应感知的高光谱图像空谱联合分类方法,并通过联合不同邻域范围的空谱上下文信息来改善模型的局部空谱建模能力。具体研究过程如下：首先,将常规卷积网络的全窗口滤波器拆分为不同方向的半窗滤波器,从而设计出侧窗卷积以捕捉具有方向性的空谱特征;然后,在此基础上进一步将不同方向的侧窗滤波核整合到统一的卷积架构中构造空谱分离多方向卷积,并设计方向自适应感知模块,以密集连接构建基于高光谱图像的多方向自适应感知分类网络,赋予模型自适应学习多种空谱结构特征的能力,弥补常规卷积和侧窗卷积只能建模单一方向空谱关系的不足,提升模型对...     

反演问题计算及应用的优化与正则方法学术研讨会会议纪要

反演问题计算方法及其应用的优化与正则化方法学术研讨会于2008年7月21日~25日在北京中国科学院地质与地球物理研究所召开.本次会议由中国科学院地质与地球物理研究所和莫斯科大学数学系共同主办,由中国科学院地质与地球物理研究所承办.会议推举地质与地球物理所副所长杨长春研     

电阻率和速度随机分布的MT与地震联合反演

在已有研究成果的基础上,为了适应物性参数剧烈变化的复杂模型并满足联合反演的要求,开发了速度和电阻率随机分布共网格单元模型的建模技术.基于这种统一的物性随机分布的网格介质模型,利用有限元方法和改进的射线追踪法分别正演计算大地电磁场和地震走时,结合改进的模拟退火算法,研究实现了电阻率和速度随机分布条件下的大地电磁与地震资料的同步联合反演.对物性界面不完全一致和物性变化剧烈的带地形复杂模型的试验,表明了该方法在精细反演复杂电阻率和速度结构方面的效果,克服了以往研究局限于简单模型的不足.对地震资料品质差的地区开展的实际资料联合反演,表明了方法的适用性,先验信息约束下的联合反演提高了反演精度.     

AMT 、TEM 、VES地层响应特征模拟分析及其联合反演探讨

通过正演模拟方式分析音频大地电磁法(AMT)、中心回线瞬变电磁法(TEM)、直流电测深法(VES)对地层的响应特征,结果表明:TEM、AMT对地层的响应特征类似,即对低阻层反应灵敏,而对高阻层的分辩能力较差;VES对高阻层及低阻层的分辩能力相当,相对于TEM、AMT,VES对低阻层的分辩能力差,而对高阻层的分辨能力较高.基于AMT或TEM与VES对地层的响应具有互补的特点,探讨了对AMT或TEM与VES数据进行的联合反演.结果表明,AMT或TEM与VES进行联合反演,相比单一方法进行反演,结果能得到明显的改善.     

基于智能反分析的水布垭电站地下厂房机窝施工方案优化

采用正交设计、三维数值模拟、遗传算法与支持向量机,建立了清江水布垭电站地下厂房的智能反分析流程。按照上述流程,利用前6层开挖的现场监测信息对有关岩层的力学参数进行反分析,根据反分析的参数对后续的机窝施工进行数值模拟计算和方案优化。推荐的机窝施工方案采用槽挖方式,同时应用锚桩、软岩置换、锚喷支护等措施,兼顾了高边墙和机窝岩台的稳定性。优化结果对厂房施工具有重要的指导作用。     

大坝位移性态的多模型联合预警方法

传统方法采用单一的模型开展大坝位移性态预警,虚假警报频次较高。为提升预警结果的可靠性,提出多模型联合预警方法。以水位-温度-时效模型(hydraulic-season-time, HST)、自回归滑动平均模型(autoregressive moving average, ARMA)为研究对象,采用核密度估计探讨了两类模型残差的一维分布规律。在此基础上,对两类模型的联合残差进行了频率分析,发现了联合残差非尾部弱相关、尾部强相关的分布特征。采用Copula函数对HST-ARMA联合残差进行拟合,得到了联合分布函数,实现了大坝位移性态的多模型联合预警。算例表明,采用单一的HST模型或ARMA模型预警,受建模序列特征以及模型结构特征的影响,虚假警报发生率高达23.17%～27.94%。而采用HST-ARMA联合预警,能够充分结合各模型的优势,虚假警报发生率可降至0.00%～0.63%。多模型联合预警能够有效降低虚假警报的发生频次,预警结果能够更加真实地反映大坝位移性态,可为提升大坝安全管理水平提供参考。     

Robust LS-SVM regression for ore grade estimation in a seafloor hydrothermal sulphide deposit

Due to the geological complexities of ore body formation and limited borehole sampling, this paper proposes a robust weighted least square support vectormachine (LS-SVM) regression model to solve the ore grade estimation for a seafloor hydrothermal sulphide deposit in Solwara 1, which consists of a large proportion of incomplete samples without ore types and grade values. The standard LS-SVM classification model is applied to identify the ore type for each in complete sample. Then, a weighted K-nearest neighbor (WKNN) algorithm is proposed to interpolate the missing values. Prior to modeling, the particle swarm optimization (PSO) algorithm is used to obtain an appropriate splitting for the training and test data sets so as to eliminate the large discrepancies caused by randomdivision. Coupled simulated annealing (CSA) and grid search using 10-fold cross validation techniques are adopted to determine the optimal tuning parameters in the LS-SVM models. The effectiveness of the proposed model by comparing with other well-known techniques such as inverse distance weight (IDW), ordinary kriging (OK), and back propagation (BP) neural network is demonstrated. The experimental results show that the robust weighted LS-SVM outperforms the othermethods, and has strong predictive and generalization ability.     

基于灰色线性规划的土地利用结构优化——以云南省澜沧县为例

土地利用结构优化是编制土地利用总体规划的基础和核心。以云南省澜沧县为例,分析该县2000年土地利用结构和社会经济结构状况,以最优化理论为指导思想,运用灰色线性规划方法,结合其未来社会经济发展的需求和有关控制指标,优化该县2015年土地利用结构,为全县土地资源的合理开发利用,获取最佳的社会、经济和生态效益提供“定量”的参考,最终促进区域社会经济又好又快发展。