楔刀作用下岩石微观劣化的试验研究

通过改装RMT-150C系统,使用不同刃角的楔形刀具对花岗岩进行贯切试验,利用DISP声发射测试系统进行声发射的定位特征分析,研究岩石在楔形刀具作用下损伤劣化破坏的全过程。试验结果表明：声发射试验是一种研究TBM滚刀破岩微观机制的有效方法,脆性岩石材料的破坏过程是内部微裂纹的萌生和扩展过程的宏观反映;在楔刃刀具匀速贯入时,声发射信号随着荷载的变化呈一定对应趋势的变化,荷载-贯入度曲线能反映试件内的损伤历程;声发射2D定位结果显示,在岩石破碎区的密实核下方存在“损伤核”,它由微震裂源增生丛聚分布形成,核内劣化程度高,是孕育密实核的场所,为TBM滚刀作用下岩石的宏观破裂现象提供了解释和依据;楔刀跃进式的挤压贯切岩板试件,钝刃刀具产生“球状”损伤核,尖刃刀具产生“水滴状”损伤核,钝刃刀具贯切试件产生更深的贯入度和更宽的损伤核,致使试件中不仅破碎深度大,而且破损范围广,破岩效果优于尖刃刀具。     

海洋钢筋混凝土结构牺牲阳极保护系统电极行为的研究

于１９８９－１９９０年在室内条件下，用牺牲阳极保护浸泡于海水中的多种钢筋凝土试件测试不同试件中钢筋极化与阳极布局、涂层质量，涂层厚度及试件浸水情况的关系。结果表明，牺牲阳极能有效地保护全浸海水中的混凝土试件，对间断浸淋海水的试件也有一定的保护作用，通过改善阳极安装工艺，保护作用可望提高；电偶电流在各阴阳极上的分布将随涂层质量，涂层厚度和试件浸水情况不同而异，回路中电阻和电极极化情况是影响电流分布的     

Extreme events as drivers of early human behaviour in Africa? The case for variability,not catastrophic drought

Extreme Late Quaternary climatic events, sometimes of considerable continental extent, are being proposed as major contributors to ancestral human behaviour, particularly migration, in Africa. Most recently, a catastrophic drought in the Afro‐Asian monsoon region has been proposed for 16 000–17 000 years ago, driven by global impacts of the Heinrich event 1 (H1), with potentially significant consequences for Palaeolithic cultures. We provide a new analysis of the assertion and find, on examination of a wide set of palaeoenvironmental records, that the scale and extent of the proposed drought is not supported. While some parts of the African tropics, close to the equator, do appear dry at this time, data for the tropics as a whole suggest markedly variable terrestrial conditions, with some environmental systems experiencing very positive hydrological excursions during H1. We contend that in the quest for evidence of climate drivers of ancestral human behaviour, the variability associated with spatially and temporally complex climatic conditions is a significant factor in itself. Copyright © 2011 John Wiley & Sons, Ltd.     

基于BMA多模型组合的疏勒河径流预测研究

准确可靠的径流预测对于水资源的科学管理与规划具有重要意义,特别是在水资源紧缺的干旱半干旱地区,径流预测对流域内水资源高效利用与水利工程经济运行具有重要现实意义。针对径流预测通常采用单一方法进行建模与预测,难以利用各预测模型优势的问题,本文利用极限学习机（ELM）模型、支持向量机（SVM）模型、多元自适应回归样条（MARS）等机器学习方法建立了疏勒河上游未来1~7日的径流预测模型。在此基础上,运用贝叶斯模型平均（BMA）方法对ELM、SVM、MARS模型的预测结果进行组合,构建了径流组合预测模型,以获取更可靠的预测结果,并采用蒙特卡洛抽样方法获取BMA的95%置信区间,对预测结果进行了不确定性分析。结果表明：ELM、SVM、MARS模型以及BMA组合模型均适用于干旱半干旱地区的中长期日径流预测;BMA的预测精度较单一模型更高,能够提供更准确的预测值;BMA的95%置信区间对实测值覆盖率高,同时能够提供较好的确定性预测和概率预测结果。表明BMA在资料有限的条件下,表现出较单一模型更高的预测性能,可以成为干旱半干旱地区中长期日径流预测的有效方法。     

基于机器学习模型的区域土壤重金属空间预测精度比较研究

为识别区域土壤重金属的空间变异特征并厘清其影响因素,本研究构建了多元线性回归（MLR）、弹性网络回归（ENR）、随机森林（RF）、随机梯度提升（SGB）、堆叠（stacking）集成模型、反向传播神经网络（BP-ANN）、基于模型平均的神经网络集成（avNNet）、线性核支持向量机（SVM-L）和高斯核支持向量机（SVM-R）共九种机器学习模型,利用山东省中部土壤重金属（Cd、Cu、Hg、Pb和Zn）和环境辅助变量数据,开展区域土壤重金属空间预测精度比较研究。结果表明：RF对五种重金属空间预测的决定系数（R²）介于0.263~0.448之间,平均绝对误差（MAE）和均方根误差（RMSE）分别小于8.408和10.636,预测值/实际值（P/O）均接近于1,对五种重金属的预测效果均较为理想,是研究区土壤重金属空间预测的最优模型;SVM-R整体预测性能仅次于RF,各项精度评价指标均相对稳健,可作为备选模型;其余七种模型的预测性能均明显低于RF和SVM-R。RF的空间预测结果显示,研究区五种重金属呈现出相似的空间分布格局,含量均由研究区东北部向西南部递减,包括东北部、北部和南部3个高值区,且高值区与当地工业–交通密集区的分布格局一致,反映出人类活动是研究区土壤重金属空间分异的主要影响因素。本研究可为区域土壤污染调查、评价和管控提供科学参考。     

基于GA-SVM封装算法的高光谱数据特征选择

封装型的特征选择算法相对于过滤算法而言更有助于提高分类精度,因此在当前计算技术及效率快速发展的背景下必将成为未来之趋势。本文以支持向量机(SVM)为分类器,遗传算法(GA)为特征子集的搜索算法,构建了封装型的特征选择算法GA-SVM,并用ENVI/IDL语言编程实现,最后以HYPERION高光谱数据为例对算法予以应用。结果表明,GA-SVM算法可从196个波段中选择出13个波段,同时分类精度较不做特征选择时提高了约4%。由此可见,GA-SVM封装型特征选择算法具有较好的同时优化特征子集和SVM核函数的性能,可为当前高光谱数据的特征选择提供一个较好的算法。     

基于极限学习机的GF-2影像分类

遥感图像分类是提取图像有效信息过程中重要的一部分,为了探寻最优的分类方法,许多机器学习算法逐步应用于遥感分类中。极限学习机（extreme learning machine,ELM）以其高效、快速和良好的泛化性能在模式识别领域得到广泛应用。本文采用训练速度快、运算量小的极限学习机算法与支持向量机（support vector machines,SVM）算法和最大似然法进行分类对比,对高分辨率遥感图像进行分类,分析极限学习机算法对于遥感图像分类的准确度等性能。选取吉林省长春市部分区域的GF-2遥感数据,将融合后的影像设置为原始数据,利用3种方法进行分类。研究结果表明,极限学习机算法分类图像总体分类精度达到85%以上,kappa系数达到0.718,与其他分类方法相比分类准确度较高,且极限学习机运行时间比支持向量机运行时间约短2 480 s,约为支持向量机运行时间的1/8,因此具有良好的性能和实用价值。     

机器学习与成矿预测:以闽西南铁多金属矿预测为例

作为近年来爆炸式发展的方法模型,机器学习为地质找矿提供了新的思维和研究方法.本文探讨矿产预测研究的理论方法体系,总结机器学习在矿产预测领域的特征信息提取和信息综合集成两个方面的应用现状,并讨论机器学习在矿产资源定量预测领域面临的训练样本稀少且不均衡、模型训练中缺乏不确定性评估、缺少反哺研究、方法选择等困难和挑战.进一步...     

基于钻进状态监测的智能工况识别

钻进过程状态监测旨在实时描述钻进工况,判断运行性能优劣程度进行非优追溯,及时指导司钻人员调整作业操作,保证钻进过程安全、高效、稳定开展。钻进工况是钻进系统运行状态的反映,因此开展面向状态监测技术的钻进工况识别研究具有重要的理论和应用价值。本文针对钻进工况识别问题,基于状态监测数据,建立基于支持向量机的钻进工况识别模型,对钻进工况进行识别。综合工况识别结果,对钻进效率进行评估,并对影响钻进效率的因素进行讨论,寻找提升钻进效率的手段。最后,采用钻进现场实钻数据进行仿真实验,验证所提方法的可行性和有效性。     

基于深度学习理论的无人机影像分类

针对无人机影像深度学习分类方法缺乏现状,本文利用深度学习理论卷积神经网络方法对无人机影像进行了分类。该法首先抽取无人机影像作为训练集和检验集,然后建立一个2个卷积层-池化层的卷积神经网络模型进行深度学习,通过设定参数并运行模型实现无人机影像分类。实验表明,本文提出的方法可完成较复杂地区无人机影像分类,其分类精度与支持向量机方法相当,为无人机遥感影像分类提供了一个崭新的技术视点。