Reliability assessment of serviceability performance of braced retaining walls using a neural network approach

In urban environments, one major concern with deep excavations in soft clay is the potentially large ground deformations in and around the excavation. Excessive movements can damage adjacent buildings and utilities. There are many uncertainties associated with the calculation of the ultimate or serviceability performance of a braced excavation system. These include the variabilities of the loadings, geotechnical soil properties, and engineering and geometrical properties of the wall. A risk‐based approach to serviceability performance failure is necessary to incorporate systematically the uncertainties associated with the various design parameters. This paper demonstrates the use of an integrated neural network–reliability method to assess the risk of serviceability failure through the calculation of the reliability index. By first performing a series of parametric studies using the finite element method and then approximating the non‐linear limit state surface (the boundary separating the safe and ‘failure’ domains) through a neural network model, the reliability index can be determined with the aid of a spreadsheet. Two illustrative examples are presented to show how the serviceability performance for braced excavation problems can be assessed using the reliability index. Copyright © 2005 John Wiley & Sons, Ltd.     

基于A- CGAN的深反射地震数据随机噪声压制方法研究

基于深度学习的地震数据噪声压制方法是当前地震数据去噪处理的重要方向。深度学习方法突破了传统滤波处理的局限,在对常规地震数据的噪声压制中表现出效率高、信噪分离效果好的特点。但针对深部弱有效反射数据,当前的深度学习方法特征提取能力有限,难以取得较好的去噪效果。笔者等结合深反射地震数据特点,针对当前深度学习噪声压制方法在特征提取及对数据集依赖上的局限,提出了基于注意力循环生成对抗网络(Attention Cycle- Consistent Generative Adversarial Networks,A- CGAN)的深反射地震数据随机噪声压制方法。借助循环一致生成对抗网络(Cycle- Consistent Generative Adversarial Networks,Cycle- GAN)的域映射思想,降低对数据集的要求。为了构建适用于深反射地震数据的去噪网络,从3个方面对Cycle- GAN进行改进：在Cycle- GAN的生成器（去噪器）中加入残差结构和注意力机制,用于加深网络深度和提高其特征提取能力;在Cycle- GAN的鉴别器中使用块判决,提高鉴别精度和准确度;在损失函数部分加入感知一致性损失函数,提升网络模型恢复纹理细节信息的能力。通过合成地震数据和实际深反射地震数据测试,验证了优化算法的有效性,体现了良好的应用价值。     

预测有效波高的深度学习模型研究

研究基于RNN、LSTM、GRU深度学习模型,针对NOAA浮标数据集中的44013、44014、44017浮标的数据,通过斯皮尔曼相关性分析提高模型预测效果。实验结果表明,在进行相关性分析后,S-RNN、S-LSTM、 S-GRU的预测效果均比原始RNN、LSTM、GRU模型预测效果好。此外,提出一种基于LSTM的LSTM-Attention 波高预测模型,并进行相关实验,量化LSTM-Attention模型的预测效果,实验结果表明LSTM-Attention模型有更好的预测效果。为评估模型的泛化能力,研究还提出了一种采用邻近浮标数据进行学习,预测浮标缺失数据的方 法。实验结果表明,该方法的预测精度可以达到97.93%。本研究为海浪预测提供了新的方法和思路,也为未来深 度学习模型在海浪预测中的应用提供了参考。     

小型激光天文动力学空间计划概念

小型激光天文动力学空间计划是 :使用在太阳轨道上无拖曳航天器和地面站以激光干涉和脉冲测距的方法 ,精确地探讨天文动力学 ,检测相对论与时空基本定律 ,改进探测引力波的灵敏度以及更准确地测定太阳、行星和小行星的参数。 1 969年开始的月球激光 (反射 )测距 ,对地球物理、参考坐标的选定、相对论的检验均有重要的贡献。 3 0年来 ,激光技术的长足进步 ,使现在正是适合于开始进行研究空间有源 (主动 )测距和光波空间通讯的时候。激光天文动力学的兴起是必然的趋势 ,其精确度将比现在提高 3到 6个数量级 ,将是天文动力学革命性的发展。小型激光天文动力学空间计划可以起到带头作用。它的关键技术有三 ,即 :弱光锁相、极精确无拖曳航天和高衰减日冕仪。弱光锁相已有长足的进步。对高衰减日冕仪的研究 ,也有了初步的方案。LISA空间计划将于 2 0 0 6年 8月发射SMART -2 ,研究测试极精确无拖曳航天。小型激光天文动力学空间计划的关键技术已日趋成熟。在第一届国际激光天文动力学研讨会 ( 2 0 0 1 ,9.1 3 -2 3 )中介绍了各相关学科背景及前沿研究 ,讨论了激光天文动力学空间计划科学目标及相关技术 ,并召开了两次小型激光天文动力学空间计划预研究筹备会 ,建立了和欧洲的合作关系。会后着手进行此项对基础     

城市用地功能精细化识别方法：时序动态图嵌入深度学习模型

多源大数据融合背景下的城市功能区识别是复杂非线性系统的模式识别问题,如何有效地从大规模的轨迹数据中提取出多粒度连续性时变和多尺度空间相互作用的信息是进行城市区域功能识别的关键。本研究设计实现了一种基于时序动态图嵌入的深度学习模型,在融合滴滴出行及兴趣点数据（Point of Interest, POI）基础上,提取城市区域存在的时间和空间上的隐式特征,结合聚类分析实现城市用地功能的语义识别。结果表明,成都市中心的用地功能趋向复合多样化的发展,且用地属性随时间发生作用范围和用地类型的变化,呈现出功能随着城市群体活动而变化的时空规律。与相关文献的对比实验表明,本文提出方法在更细粒度的时间段下进行功能区识别,得到的同一类功能区域内集聚度更高,能够更好的捕获复合型区域在不同时间模式下呈现出的用地功能变化。本研究为城市用地功能识别研究提供了新的技术方法,为城市规划研究人员全面理解城区结构属性提供了有效手段,对推动城市空间得到更合理高效的利用具有一定的价值。     

Modelling and inversion of single-ended refraction data from the shot gathers of multifold deep seismic reflection profiling—an approach for deriving the shallow velocity structure

A multifold crustal-scale deep seismic near-vertical reflection profile generates a large number of single-ended shot gathers, which provide redundant data sets because of overlapping coverage of the shallow refractors. We present an approach for deriving the shallow velocity structure by modelling and inversion of single-ended seismic refraction first arrival traveltime data. We apply this method to a data set acquired with a 12-km long spread with 100 m spacing of shots and receivers, of the Neoproterozoic Marwar basin in the NW Indian shield. The approach is shown to be quite successful for delineating the shallow refractor depths, steep dips and velocities, even in the absence of regular reverse refraction profiles. The study reveals two-layered sedimentary formations, Malani volcanics and a complicated basement configuration of the Marwar basin, and provides a measure of resolution and uncertainty of the estimated model parameters. A seismic section of the near-trace gather is found to be qualitatively consistent with the derived structural features of the basin. The relative highs and lows, observed in the Bouguer gravity profile, further corroborate the derived velocity model. The present approach can be especially useful in offshore areas and elsewhere, where the single-ended multifold seismic profiles are the only available data sets.     

Deep Processes of Basin Evolution:A Case Study of the Southern Songliao Basin and Adjacent Area,NE China in Mesozoic-Cenozoic

1IntroductionOne of the key factors related to basin geody-namics is deep process controlling formation and evolution of sedimentary basin. Depth and tempera-ture of asthenosphere,existence of mantle plume,occurrence of mantle melting,and amounts of melts under depressurization during thinning of lithosphere are controlling factors influenced formation and characteristics of extensional basin directly (Li,1994). Rifting is probably governed by frictional forces exerted on the base of litho…     

珊溪水库地区深部构造探测研究

通过对珊溪水库地区进行深地震反射探测,获得该地区近地表至地壳中部的精细几何结构和深浅构造关系。结果表明,该地区地壳结构在纵向具有明显的分带性,在横向显示出以断层为界的块状结构特点。研究区内走向北西的双溪-焦溪垟断层向深部延伸超过20 km进入中下地壳,为该区域内主要控制性断层,主要影响周围浅部断层的发育,是该地区主要发震构造。     

基于卷积神经网络的ICESat-2光子点云去噪分类

ICESat-2（Ice, Cloud, and land Elevation Satellite-2）是美国NASA（National Aeronautics and Space Administration）在2018年发射的激光测高卫星,其上搭载的激光测高系统ATLAS（Advanced Topographic Laser Altimeter System）采用微脉冲多波束光子计数激光雷达系统,因其低能耗、高探测灵敏度、高重复频率的特性极大改善了沿轨采样密度,但也使获取的数据中包含大量的噪声,如何有效实现光子点云去噪分类成为后续应用的关键,也是当前研究的热点和难点,为此本文提出一种基于卷积神经网络的光子点云去噪和分类算法。首先将光子点云按照沿轨和高程方向划分格网,去除明显的噪声光子,并将每个粗信号光子点栅格化为影像;然后基于少量样本构建的卷积神经网络分类模型实现光子点云精去噪和分类;最后利用机载激光雷达数据进行验证,并与ATL08产品的去噪分类结果进行对比。结果表明,对于裸地和森林区域,卷积神经网络算法均能有效去除噪声光子,特别对于森林区域,可同时实现去噪和分类;其中,裸地区域地表计算的R²和RMSE分别为1.0和0.72 m,森林区域地表和树冠计算的R²分别为1.0和0.70, RMSE分别为1.11 m和4.99 m。本文利用深度学习算法实现光子点云去噪分类,在裸地和森林区域均取得了较好的结果,为后续光子点云数据处理提供了参考。