广东丹霞地貌分类研究

在前人研究的基础上,以物质基础、地质构造、主导动力、地貌形态、发育阶段等为分类依据,探讨了丹霞地貌的分类系统.针对广东丹霞地貌发育状况,根据丹霞地貌分类系统,对广东发育的丹霞地貌进行了各自的分类研究.     

基于改进模糊统计分析模型的概念层次分类规则研究

在数据挖掘和知识发现的研究过程中,往往需要对大量的数据进行概念层次分类处理,现广泛使用的方法是通过经验知识或主观判断进行处理,由于知识背景和经验层次的不同,导致不同的人对同一批数据同一问题提出不同的规则知识,加大了对规则知识进行合理性评估的难度。基于此问题,对传统的基于模糊统计分析模型的概念层次分类方法进行改进,首先,通过专家系统获取各模糊样本集,根据离散化的样本属性值及其相对隶属频率值对,进行RBF神经网络训练;然后,利用训练好的神经网络求取各模糊集的最模糊点;最后根据最模糊点获得各模糊集的区域划分,从而实现概念层次的分类处理,避免了传统方法处理过程的复杂性和主观性。     

Non-stationary seismic response of MDOF systems by wavelet transform

A wavelet-based formulation has been presented in this paper for the stochastic analysis of a linear multi-degree-of-freedom (MDOF) classically damped system subjected to earthquake ground motion. The ground motion has been modelled as a non-stationary process (both in amplitude and frequency) using wavelets. Closed-form expressions of the moments of the instantaneous Power Spectral Density Function (PSDF) of the response have been derived and used to predict the statistics of the response peak of any desired order. For illustration of the formulation, an example torsionally coupled multistoried building has been considered along with the twenty synthetically generated time-histories corresponding to an example ground motion process. © 1997 John Wiley & Sons, Ltd.     

美丽中国建设的理论基础与评估方案探索

美丽中国建设是关系中华民族永续发展的根本大计,也是落实到2030年联合国可持续发展议程的中国实践。党和国家针对“五位一体”的总体布局对建设美丽中国做出了战略部署,国家主席习近平在全国生态环境保护大会上进一步提出了美丽中国建设的“时间表”和“路线图”。但目前对美丽中国建设的理论基础、评估指标体系、评估标准及建设成效等问题并不清晰。本文从广义和狭义视角提出了美丽中国建设的基本内涵,将人地和谐共生论、五维一体美丽论作为美丽中国建设的核心理论基础,进一步构建了包括生态环境、绿色发展、社会和谐、体制完善、文化传承等5个维度的美丽中国建设评估指标体系,运用联合国人类发展指数（HDI）测评方法,对2016年中国341个地级市（州）的美丽中国建设成效进行了科学评估。结果显示,美丽中国建设的综合美丽指数（中科美丽指数）平均值为0.28,总体处于偏低水平,生态环境美丽指数、绿色发展美丽指数、社会和谐美丽指数、体制完善美丽指数和文化传承美丽指数分别为0.6、0.22、0.29、0.22和0.07,分项指数值均较低,且地域发展差异较大,说明美丽中国建设进程总体缓慢且不平衡。为了高质量、高标准地贯彻落实美丽中国建设的“时间表”和“路线图”,建议构建并发布通用的美丽中国建设进程评估体系,对美丽中国建设进程开展动态监测与阶段性综合评估,编制并发布美丽中国建设评估技术标准,做好美丽中国建设综合区划,分区域因地制宜地开展美丽中国样板区建设试点,并把美丽中国建设成效纳入各级政府考核指标。     

最优小波基选择法在测震数据干扰处理中的研究与应用

选取成都地震台的测震数据作为研究样本,将不同的小波基进行了以重构精度、相对SNR值以及去噪后频谱的分析结果为依据的筛选流程。结果显示:bior2.4小波基重构精度最佳、去噪效果良好、更加完整地保留了样本的有效高频信号,是适合成都地震台测震数据的最优小波基。将其应用于成都地震台的测震数据干扰处理,波形去噪效果明显,波形的信噪比得到明显提高,对震级计算并无显著影响。     

Modelling long-term groundwater fluctuations by extreme learning machine using hydro-climatic data

The ability of the extreme learning machine (ELM) is investigated in modelling groundwater level (GWL) fluctuations using hydro-climatic data obtained for Hormozgan Province, southern Iran. Monthly precipitation, evaporation and previous GWL data were used as model inputs. Developed ELM models were compared with the artificial neural networks (ANN) and radial basis function (RBF) models. The models were also compared with the autoregressive moving average (ARMA), and evaluated using mean square errors, mean absolute error, Nash-Sutcliffe efficiency and determination coefficient statistics. All the data-driven models had better accuracy than the ARMA, and the ELM model’s performance was superior to that of the ANN and RBF models in modelling 1-, 2- and 3-month-ahead GWL. The RMSE accuracy of the ANN model was increased by 37, 34 and 52% using ELM for the 1-, 2- and 3-month-ahead forecasts, respectively. The accuracy of the ELM models was found to be less sensitive to increasing lead time.     

海岛核电厂址的设计基准洪水位研究

随着滨海核电厂址的开发利用日趋饱和,选取海岛作为核电厂址成为一种新思路。针对海岛厂址易受台风灾害影响的问题,本文通过对天文高潮位、海平面上升、可能最大风暴潮增水和最大台风浪四个增水因子的研究来确定厂址的设计基准洪水位。结果表明:该区域10%超越概率的天文高潮位为3.14 m,未来80 a海平面上升幅度为0.31 m。基于MIKE21数值模型,以可能最大热带气旋参数为基础构建了多种假想台风路径,发现:当台风移动方向为NW向,距离厂址中心左侧0.5R(R为台风最大风速半径)时,风暴潮增水达到最大,增水最大值为2.99 m;当台风移动方向为W向,且距离厂址左侧R处时,台风浪波高达到最大,厂址前沿H_1/100波高最大值达到了8.02 m;岛屿东侧遭受的风暴潮和波浪威胁较其他方向更为严重。各水位影响因子组合叠加后海岛核电厂址设计基准洪水位可达11.25 m。相对于其他滨海厂址,海岛厂址的风暴潮增水相对偏小,但受波浪的影响更为显著。     

径向基函数神经网络在计算天然气水合物饱和度中的应用研究

天然气水合物饱和度的计算通常采用阿尔奇公式、双水模型、Wood 方程等方法,这些方法均基于孔隙度的求取,并需要配合岩心分析来获得公式中的有关参数,存在误差传递导致结果不正确的问题.由于天然气水合物是以固态形式赋存于地层当中,因此研究适用于含天然气水合物储层的评价模型也是解决准确评价天然气水合物储层需考虑的因素.针对沿用油气测井评价方法计算天然气水合物的孔隙度和饱和度中存在的问题,采用径向基函数作为人工神经网络,计算了我国首次采获水合物样品的神狐海域某井天然气水合物的饱和度,以其中一口井的分析数据为样本训练并建立径向基函数神经网络,有效地求出了另一口井的天然气水合物饱和度,其结果与现场孔隙水分析的饱和度基本吻合.避开了天然气水合物饱和度的模型建立及参数求取难题.     

Daily pan evaporation modelling using multi‐layer perceptrons and radial basis neural networks

This paper reports on investigations of the abilities of three different artificial neural network (ANN) techniques, multi‐layer perceptrons (MLP), radial basis neural networks (RBNN) and generalized regression neural networks (GRNN) to estimate daily pan evaporation. Different MLP models comprising various combinations of daily climatic variables, that is, air temperature, solar radiation, wind speed, pressure and humidity were developed to evaluate the effect of each of these variables on pan evaporation. The MLP estimates are compared with those of the RBNN and GRNN techniques. The Stephens‐Stewart (SS) method is also considered for the comparison. The performances of the models are evaluated using root mean square errors (RMSE), mean absolute error (MAE) and determination coefficient (R²) statistics. Based on the comparisons, it was found that the MLP and RBNN computing techniques could be employed successfully to model the evaporation process using the available climatic data. The GRNN was found to perform better than the SS method. Copyright © 2008 John Wiley & Sons, Ltd.     

径向基函数神经网络需水预测研究

在分析山西省历年用水量和人均用水量的基础上，建立径向基函数神经网络需水预测模型，采用最近邻聚类学习算法确定径向基函数的宽度、选取聚类中心和权值。采用丰富的需水预测因子作为模型的输入，网络输出需水预测值。预测结果表明，径向基函数神经网络需水预测模型运算速度快，有较高的预测精度。需水预测可为水资源规划和配置提供依据。