论大学城校园规划的前瞻性——以福建师范大学新校区规划为例

新校区校园建设规划目的是最大限度地满足学校教育教学各种功能的需要，其实质在于对土地资源进行合理的空间配置，其出发点在于使学校事业的发展与不可再生的土地空间资源间建立起一种可持续发展的良性关系。本文从前瞻性角度，通过对福建师范大学新校区建设规划实践的反思，对校园建设规划中功能布局和建筑用地等问题进行探讨。     

基于系统保护规划的松花江流域湿地优先保护格局模拟研究北大核心CSCD

以松花江流域湿地为研究对象,采用系统保护规划理论与方法,将流域内多因子生态地理综合分类单元和12种水鸟分别作为湿地生态系统和物种层次的保护对象,依托系统保护规划Marxan 1.8.2软件,开展了松花江流域湿地优先保护格局的构建和保护空缺识别研究。研究结果表明,经过系统保护规划优化后,松花江流域受保护湿地面积占该流域湿地总面积的比例将由目前的10.0%增大为23.6%,受保护河流湿地和沼泽湿地面积占其总面积的比例明显增大;确定了松花江流域的主要湿地保护空缺区域,在大兴安岭松花江源区,湿地保护空缺区域主要分布在内蒙古自治区鄂伦春自治旗和黑龙江省的呼玛县,在松嫩平原地区,湿地保护空缺区域分布在黑龙江省大庆市和哈尔滨市附近,在三江平原地区,湿地保护现状较好,未来需要加强对现有自然保护区的管理。     

碘-淀粉显色试验研究植被发育斜坡非饱和带土体水流路径

植被发育斜坡非饱和带土体中共同存在基质孔隙和大孔隙。为研究强降雨条件下植被发育斜坡非饱和带土体中水流路径分布模式及水流运动过程。在云南螳螂川流域的马卡山开展碘-淀粉显色示踪试验,基于顺坡方向的垂直染色剖面,采用经典K均值聚类算法和一般统计法研究水流路径分布特征。结果表明:1.水流路径分布是非均匀的,顺坡方向的异质性比垂直方向显著,湿润前锋面不是平面,降雨入渗不是活塞式,Darcy定律和Richards方程等均匀多孔介质水流理论不能完整地描述强降雨条件下植被发育斜坡非饱和带土体的水流运动过程;2.随着非饱和带土体深度增加,水流从基质流渐变到优先流与基质流的过渡流,深部土体以优先流为主;3.应该从三维流场方面对植被发育斜坡非饱和带土体中的水流运动过程进行精细描述。     

基于DEM的分布式融雪汇流模型关键算法和实现

根据小流域和高分辨率DEM数据的特点,在获得栅格单元的坡度、坡向、水流流向、平均流速等相关特征信息并且建立流域的汇流网络之后,建立了一种具有时空特征的基于DEM的分布式融雪汇流模型.在模型中提出了"单元时段"的概念,将其设置为大小可调的参数为模型在现实中的应用提供了极大的便利,给出了模型中的融雪汇流流向出口断面的时间长...     

基于粒子群算法与混合罚函数法的有限元优化反演模型及应用

岩土工程优化反分析是一个典型的复杂非线性函数优化问题,采用全局优化算法是解决这个问题的理想途径。针对常规反演方法应用于岩土工程参数反演时搜索效率低的缺点,结合粒子群算法和遗传算法的特点,充分考虑二者的互补性,提出一种效率较高的全局优化算法,以测点的实测值与计算值建立一种新的评价函数,将多目标优化问题转化为单目标优化问题,用混合罚函数法将约束问题变为无约束问题,构建了一种新的目标函数,将有限元程序ABAQUS作为一个模块嵌入到优化算法程序中,编制了有限元优化反演分析程序。并给出了应用实例验证了该法的有效性和实用性,是一种可行的参数反演方法,可应用于实际工程中复杂岩土介质初始应力场反演、渗流场以及位移反分析     

井中重力矢量数据联合反演研究

井中重力矢量测量可以近距离感知地下目标体,获得地质体不同方向的重力异常特征,提高地下介质的纵向分辨率.这里首先基于点元法实现了井中重力矢量正演,通过模型正演计算,分析了井中三分量重力异常响应特征,然后基于相关性搜索的黄金分割算法实现了井中重力矢量联合反演,通过模型反演分析了井中重力不同分量数据联合反演的效果,验证了反演...     

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ArcEngine的数字高程模型更新方法研究

采用COM技术,以ARCENGINE所提供的类库和凸包算法,实现了数字高程模型(DEM)数据更新的边界检测和利用矢量地形数据采集更新数字高程模型数据的方法。保证了数字高程模型数据的精度,可以满足数字高程模型的现势性需求。