网箱养鱼诱发有机物污染的生物监测

介绍三种通过底栖动物群落结构的变化对有机物污染监测和评价的方法,并分别对澳大利亚塔斯马尼亚州Nubeena鳟鱼养殖场内由高密度网箱养鱼诱发的有机物污染进行了检测。结果表明:距网箱垂线0m处为严重污染区域,10m处为中度污染区域,30m为过渡类型,其有机物对该处底栖生物仍具有害影响,60m处为轻度有机物富集区,但该处有机物对底栖生物的总效应是有益的,60m以外为正常区域。本文还对三种方法的适用性进行了讨论。     

基于BP人工神经网络的水体遥感测深方法研究

利用Landsat7ETM＋遥感图像反射率和实测水深值之间的相关性,建立了动量BP人工神经网络水深反演模型,并对长江口南港河段水深进行了反演.结果表明：具有较强非线性映射能力的动量BP神经网络模型能较好地反演出长江口南港河段的水深分布情况;由于受长江口水体高含沙量的影响,模型对小于5 m的水深值反演精度较高,而对大于10 m的水深值反演精度较低.     

Structural monitoring of offshore platforms using impulse and relaxation response

Monitoring offshore platforms, long span bridges, high rise buildings, TV towers and other similar structures is essential for ensuring their safety in service. Continuous monitoring assumes even greater significance in the case of offshore platforms, which are highly susceptible to damage due to the corrosive environment and the continuous action of waves. Also, since a major part of the structure is under water and covered by marine growth, even a trained diver cannot easily detect damage in the structure. In the present work, vibration criterion is adopted for structural monitoring of jacket platforms. Artificial excitation of these structures is not always practicable and ambient excitation due to wind and waves may not be sufficient for collecting the required vibration data. Alternate methods can be adopted for the same purpose, for example, the application of an impact or a sudden relaxation of an applied force for exciting the structure. For jacket platforms, impact can be applied by gently pushing the structure at the fender while relaxation can be accomplished by pulling the structure and then suddenly releasing it using a tug or a supply vessel in both cases. The present study is an experimental investigation on a laboratory model of a jacket platform, for exploring the feasibility of adapting vibration responses due to impulse and relaxation, for structural monitoring. Effects of damage in six members of the platform as well as changes in deck masses were studied. A finite element model of the structure was used to analyze all the cases for comparison of the results as well as system identification. A data acquisition and analysis procedure for obtaining the response signatures of the platform due to the impulse and relaxation procedure was also developed for possible adoption in on-line monitoring of offshore platforms. From the study, it has been concluded that both impulse and relaxation responses are useful tools for monitoring offshore jacket platforms. The present work forms the basis for the development of an automated, on-line monitoring system for offshore platforms, using neural networks.     

自组织竞争人工神经网络在砂岩型铀矿测井数据解释中的应用

详细介绍了自组织竞争人工神经网络模型结构、原理和钻孔岩性自动识别过程,给出了神经网络模型在钻孔岩性自动识别过程中的有效性实例。自组织竞争人工神经网络具有自组织能力、自适应能力和较高的容错能力;与BP算法相比较,计算量小,收敛速度快,且不需要已知的先验信息而自动确定分类类别。钻孔岩性识别结果与岩心地质编录的对比试验表明,在砂岩型铀矿测井数据的解释中,应用自组织竞争人工方法可较好地完成钻孔岩性自动分类。     

激光雷达技术在我国地形测图中应用前景广阔

激光雷达技术（Light Detection and Ranging,LiDAR）是近十年来快速发展并得到广泛应用的测量手段。美国地质调查局（USGS）、美国国家宇航局（NASA）以及美国地质学会（AASG）已经开始讨论建设全美高分辨率激光雷达数据库。我国正处于东部城市化、土地利用巨变、西部无图而经济高速发展的时期,国家、地方、企业生产单位迫切需要现实性强、精确度高、比例尺大的地形数据产品。满足这些要求的主要途径是采用激光雷达这一先进的测绘技术。我们建议国家、地方与企业统筹规划,各司其职,努力建设我国的激光雷达基础数据库。本文通过Stoker等（2008）介绍的第二届全美激光雷达战略研讨会上论述的激光雷达技术特点、激光雷达数据的科学需求与应用以及商业化运作问题,结合我国目前的激光雷达发展趋势、测绘数据需求以及土地利用变化监测等科学问题,简析激光雷达技术在我国的应用前景。     

煤矿区地质环境与地质灾害遥感集成监测系统的关键技术

面向“数字矿山”应用系统的需要,在分析煤矿区地质环境和地质灾害特点及其在遥感监测理论依据的基础上,提出了煤矿区地质环境与地质灾害遥感集成监测系统的技术思路和体系结构,强调各种监测技术手段、不同时空尺度、不同数据源和不同主题信息的集成,并针对这一集成系统实现与应用中的多目标遥感信息处理、环境传感器网络应用、遥感监测数据与专题分析模型的集成、数据质量控制等关键问题进行了探讨。     

基于GIS的城市交通网络要素可视化表达方法研究

城市交通网络要素的可视化表达是GIS—T研究和应用领域中的一个难题,本文在对目前流行的交通网络数据模型进行系统研究的基础上,选择了动态分段技术下的结点-弧段模型,对交通网络复杂要素进行可视化表达,并对城市交通网络要素的可视化表达方法和形式进行了分析,最后结合交通网络复杂要素的可视化表达,设计和创建了具体的数据结构表和数据结构图。     

基于BP神经网络的地图数字化误差纠正

由于在数字化采集过程中不可避免地会引入系统误差和异常误差,因此消除和削弱这些误差的影响是提高空间数据质量的关键。然而由于图纸变形不均匀,扫描误差又极其复杂,用常规的多项式拟合技术只能消除部分有规律的系统误差,很难完全消除它们对地图数字化坐标的影响。BP神经网络是一个高度非线性映射系统,能以任意精度逼近。结合地图数字化坐标改正的特点,本文给出了基于BP神经网络地图数字化坐标误差纠正的方法,并通过实例验证了该方法的有效性。     

基于非等间距模型的建筑物沉降预测方法研究

该文基于实测资料进行建筑物沉降预测。在灰色模型和泊松曲线模型理论的基础上,引入对非等间距数列进行变换处理的方法,从而建立了非等间距预测模型。结合建筑物沉降监测资料进行分析比较,结果表明,两种预测方法均能较好地反映建筑物的沉降趋势。