Baroclinic Buoyancy-Inertia Joint Stability Parameter

At present, the barotropic buoyant stability parameter has been derived from a vertical virtual displacement of a water parcel. The barotropic inertial stability parameter in the eccentrically cyclogeostrophic, basic current field was derived in 2003 from a horizontal cross-stream virtual displacement of a parcel. By expressing acceleration of a parcel due to a virtual displacement, which is arbitrarily sloping within a vertical section across the basic current, in terms of natural coordinates, we derived the vertical component of baroclinic buoyant stability parameter B ₂ ², the horizontal component of baroclinic inertial stability parameter I ₂ ², the baroclinic joint stability parameter J ², its buoyant component B ² and its inertial component I ². B ² is far greater than I ₂ ², and when neglecting relative vorticity except for vertical shear, a downward convex curve of J ² plotted against the slope of a virtual displacement follows a trend of B ² curve. If a parcel displaces along a horizontal surface or an isopycnal surface, however, B ² vanishes, and J ² becomes equal to I ². Actual parcel is apt to displace not only along the bottom slope, but also along the sea surface and an isopycnal interfacial surface, which is approximately equivalent to an isentropic surface, preferred by lateral mixing and exchange of momentum. Such actual displacement makes B ² vanishing, and grants I ² an important role. The present analysis of I ² examining effects due to curvature and horizontal and vertical shear vorticities are useful in deepening our understanding of baroclinic instability in actual oceanic streams.     

人工神经网络方法反演东中国海悬移质浓度

海中悬移质是决定海洋光学性质、海洋水质,河口海岸带演变动力过程的重要环境参数。本文利用模拟遥感反射比数据集建立人工神经网络反演悬移质浓度,并利用东中国海现场同步数据对该算法进行验证。     

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.     

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。     

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。     

供水管网地理信息系统中爆管分析的算法研究

爆管关阀分析是供水管网地理信息系统中重要的空间分析功能之一,目前已建系统的爆管分析功能存在着算法繁琐或功能简单、不具通用性等缺点。本文以高质量的源数据为基础,根据系统和爆管分析的需求建立合理的数据模型,设计了爆管关阀分析算法,该算法克服现有算法的不足,剔除了可关可不关的阀门,得到正确、经济的关阀门方案,并列出了受影响的用户。将此设计方案应用于"新疆石油管理局供水地理信息系统"中,成功地实现了爆管分析,体现出了该算法简洁、高效、准确、通用的优越性。     

葫芦岛地区道路网络的建立

本文针对城市交通道路网的特点,根据现实的交通网络,对葫芦岛地区道路网络进行建立及分析。利用ArcGIS中的Geodatabase构建路网数据库,利用节点一弧段数据结构构建空间网络拓扑关系,生成点一弧矢量数据模型表示的道路网络。并实现四种网络分析功能:最佳路径分析、空间查询、追踪分析和缓冲区分析。