高分子材料SH固沙性能与微结构相关性研究

SH作为一种环保型、节约型有机高分子固化材料,用于沙漠治理具有广阔的应用前景。采用不同浓度SH、不同加固方式对沙体进行加固,加固后沙体微结构会发生变化,其物理力学性能也会出现显著变化。通过图形处理软件对固化后沙体的SEM图像进行计算分析;利用多元逐步回归分析方法对其性能参数与微结构参数之间的相关性进行计算,并对其相关性进行分析评价。计算结果表明,二者之间存在着良好的相关关系,各向异性、等效直径、扁圆度、充填比和面积比是对固化沙土力学性质影响较为显著的5个微结构参数。从微观角度证明了SH是一种较为理想的高分子固沙材料。     

绿洲耕地变化趋势及其驱动力——塔里木盆地南部策勒绿洲为例

以多年的野外实地调查资料和统计资料,分析了塔里木盆地南部策勒绿洲50年以来耕地面积变化的总体趋势、空间差异和驱动因子。基于GPS现场定位,应用GIS进行空间分析,通过建立多元回归模型,最终对该绿洲2010年和2020年的耕地数量进行了初步的预测。分析结果表明社会经济发展动态、农业科技进步和水土资源的限制等3大类因素是影响耕地数量的3个主成分,其结果将为进一步研究整个塔里木盆地南部绿洲耕地变化提供借鉴,为合理利用和保护耕地、为干旱区可持续发展提供科学依据。     

广西中短期极端温度客观预报方法研究

利用欧洲中心(ECMWF)数值预报产品和常规资料,应用MOS预报方法和多元线性回归技术,研究建立了广西90个站1~7d的最高、最低温度预报方程,试报检验效果较好,预报结果在大多数情况下是可用的或是可参考的,为业务提供了有效的省级客观预报指导产品,对误差特点进行了分析并提出了改进方法。     

宁夏吴忠市金积水源地地下水水质影响因素的多元统计分析

根据吴忠市金积水源地地下水饮用水用途选择11项水化学指标,采集32个地下水水样进行测试分析及处理。在分析金积水源地地下水流场及水化学特征基础上,综合利用因子分析法和系统聚类分析方法对水质影响因素进行评价,2种方法评价结果基本一致。结果表明,该区地下水水质影响因素主要有：以Cl^-、SO^2-₄、Mg²⁺、NO^-₃、Ca²⁺质量浓度为代表变量的溶滤作用,该作用表现为西强东弱,综合主成分贡献率48.40%;以EC、总硬度及TDS、Na⁺、HCO^-质量浓度为代表变量的蒸发浓缩作用,沿补给区和排泄区作用较强,综合主成分贡献率39.66%;以NH₄-N质量浓度为主要载荷变量的人类活动影响因素,因子得分较高区域与企业分布及排污范围分布一致,综合主成分贡献率11.94%。水质影响因素分布总体表现为黄河沿岸蒸发浓缩作用相对较强;汉渠以北主要受溶滤作用及地下水蒸发浓缩共同影响;南干沟及南干沟入黄河口附近氨氮污染较明显。     

基于多变量LSTM神经网络的地下水水位预测

为解决以往模型未考虑地下水位相关影响因素的问题,探讨长短期记忆（LSTM）神经网络在地下水位预测中的应用,利用长短期记忆神经网络,采用多变量输入的方式,构建了基于多变量LSTM神经网络的地下水水位预测模型。以泰安市岱岳区J1号监测井为例,采用2001-2014年地下水水位动态监测资料与相关影响因素数据,利用多变量LSTM神经网络对2015-2016年地下水位进行预测,并与单变量LSTM神经网络和反向传播（BP）神经网络进行对比。研究结果表明：以相关影响变量为输入的BP神经网络无法考虑时序变化规律,预测均方根误差最大,为2.399 3;以地下水位为变量输入的单变量LSTM神经网络仅能根据时序变化作出相应预测,无法考虑相关变量影响,预测均方根误差为2.102 2;基于多变量输入的LSTM神经网络的预测精度显著高于单变量LSTM神经网络和BP神经网络,预测均方根误差最小,仅为1.919 1。总体上,多变量LSTM神经网络地下水位预测模型仅在某些峰值处误差较大,但总体预测效果较为理想。     

新疆天山公路沿线地质灾害危险性评价

新疆天山公路（国道217线）是连接南、北疆的一条重要交通干线。通过调查研究沿线的地质条件,采用多元线性回归分析方法,选取地层岩性、地面坡度、相对高差、构造密度、多年平均降雨量、冻融作用、地震强度、植被覆盖率、开挖深度、灾害的分布密度和规模大小等11个评价因子,建立了地质灾害危险性级别的评价模型,得出了公路沿线的危险性级别图。     

水文干旱多变量联合设计及水库影响评估

基于东江流域博罗站月径流数据,采用游程理论提取水文干旱事件.选用Meta-Gaussian Copula函数,统计模拟水文干旱指标的多变量联合分布.采用Kendall联合重现期和最大可能权函数,设计给定联合超越重现期的水文干旱指标组合值,并定量评估水库径流调节作用对水文干旱多变量联合特征的影响.结果表明:东江流域水文干旱历时、强度和峰值的统计优选分布均为韦布尔分布.干旱指标之间具有较高的正相关性,Meta-Gaussian Copula能够很好地模拟水文干旱指标两变量和三变量联合分布.基于任意两个变量联合设计和三变量联合设计,干旱指标设计组合值位于同频位置附近,且同一个干旱指标设计值在不同变量组合之间差别较小.水库径流调节作用对于缓解东江流域水文干旱效果明显,同一组干旱指标的多变量联合超越重现期在水库影响下明显变大.联合超越重现期越小,水库对联合设计值的影响程度越大.根据目前水库运行模式,若要满足河道内最小管理流量目标,联合超越重现期10 a一遇的干旱历时、强度和峰值依然达到了约3.89~4.04月、7.20~7.97亿m3和2.99~3.12亿m3.     

Strong ground motion record selection for the reliable prediction of the mean seismic collapse capacity of a structure group

How to select a limited number of strong ground motion records (SGMRs) is an important challenge for the seismic collapse capacity assessment of structures. The collapse capacity is considered as the ground motion intensity measure corresponding to the drift‐related dynamic instability in the structural system. The goal of this paper is to select, from a general set of SGMRs, a small number of subsets such that each can be used for the reliable prediction of the mean collapse capacity of a particular group of structures, i.e. of single degree‐of‐freedom systems with a typical behaviour range. In order to achieve this goal, multivariate statistical analysis is first applied, to determine what degree of similarity exists between each selected small subset and the general set of SGMRs. Principal Component analysis is applied to identify the best way to group structures, resulting in a minimum number of SGMRs in a proposed subset. The structures were classified into six groups, and for each group a subset of eight SGMRs has been proposed. The methodology has been validated by analysing a first‐mode‐dominated three‐storey‐reinforced concrete structure by means of the proposed subsets, as well as the general set of SGMRs. The results of this analysis show that the mean seismic collapse capacity can be predicted by the proposed subsets with less dispersion than by the recently developed improved approach, which is based on scaling the response spectra of the records to match the conditional mean spectrum. Copyright © 2010 John Wiley & Sons, Ltd.     

多元门限回归模型的一种建模方法

本文根据门限自回归模型的基本思想[1]，提出一种多元门限回归模型的建模方法。其特点是充分考虑了预报系统中某些特殊预报因子突变点对预报关系的改变作用。数值实例表明，该模型在模拟和预报精度上比一般线性逐步回归模型有一定程度的提高。