理学3080E3型X射线荧光光谱仪维修实例

介绍理学3080E3型X射线荧光光谱仪样品驱动单元及高压发生器部分的故障现象及维修实例。     

芦岭煤矿碎软低渗煤层高效抽采技术

针对碎软煤层地面煤层气难以抽采,水平井钻进容易塌孔的问题,在借鉴页岩气和致密气开发先进技术的基础上,研究碎软低渗煤层顶板分段压裂水平井技术。通过优化煤层顶板水平井钻进、定向射孔和分段压裂等工艺流程,从地面抽采碎软煤层中的瓦斯气体。运用该技术在安徽淮北芦岭井田开展了LG01水平井组试验。试验结果表明：LG01水平试验井组日产气量超过1.0×10⁴ m³,与同一井田的压裂直井相比,相当于4口以上直井的产量,实现了碎软煤层从地面高效抽采煤层气的目的。     

利用粒子滤波进行动态精密单点定位观测异常影响控制

采用粒子滤波控制观测异常影响,提高动态精密单点定位精度。粒子滤波是一种非高斯噪声分布的动态滤波,通过重点概率密度进行随机采样以获取高精度状态参数;根据观测噪声概率密度、状态噪声概率密度以及重点概率密度等因素确定粒子权值,降低受污染粒子对定位结果的影响;采用Kalman滤波进行重点采样,减缓粒子退化;采用单差无电离层固定模糊度,减少状态参数维数,进而减少粒子的选取个数。实测数据结果表明,粒子滤波有效控制了观测异常影响,提高了动态精密单点定位的精度。     

长江入海口浅层沉积物中典型有机氯农药分布特征

对长江入海口包括江苏启东,上海崇明岛、长兴岛、横沙岛等地区的浅层沉积物中典型有机氯农药(OCPs)的分布情况进行了研究。采用气相色谱-电子捕获检测器进行检测,方法检出限为0.10 ng/g,回收率为62.4%～116.7%,精密度(RSD)为2.7%～8.3%。调查分析结果显示,长江入海口沿岸均存在轻度和中度的OCPs污染,主要检出物总滴滴涕(DDTs)浓度范围为1.22～626.43 ng/g。深度(0～80 cm)采样检测结果表明,研究区表层及深度样品中DDTs均有不同程度检出,浅层沉积物中DDTs在0～20 cm区域占检出总量的58.1%;其次是20～40 cm区域,DDTs占总量的30.8%;40～60 cm区域DDTs占总量的8.2%;60～80 cm区域DDTs占总量的2.9%,即浅层沉积物中DDTs主要集中在0～40 cm区域,部分点位40～80 cm能够检出少量DDTs。本研究提供的数据为该地区OCPs垂直分布提供参考。     

GPS测时在电力系统中的应用

介绍了利用GPS测时及时间传递的几种方式。详细地讨论了GPS用在电压相角测量、输电线路故障定位以及线路网损和电能结算系统几个方面的应用原理。设计出应用的方案,并得到了部分结果     

关于国土资源数据共享分类的思考

数据共享分类是制定数据共享政策和数据资源开发利用规划的一项基础性工作。本文 提出国土资源数据共享分类的意义、原则和方法,探讨建立以数据共享分类为核心的 国土资源数据分类体系,以期为全面开展国土资源数据共享分类提供参考。     

Impact of different sampling rates on precise point positioning performance using online processing service

In this study, the effect of different sampling rates (i.e. observation recording interval) on the Precise Point Positioning (PPP) solutions in terms of accurac...     

城市级地理信息共享服务平台建设——以哈尔滨为例

以哈尔滨市为例,探讨如何建立城市级空间数据共享和地理信息服务中心,从地理空间信息资源中心和空间数据共享与服务两个方面来阐述在进行地理信息共享服务平台建设时要着力解决的一些关键问题,力求建立完善的地理空间信息共享与服务体系。为城市级的地理信息行业应用和公众应用提供完整、统一的解决方案。     

高分一号遥感影像地质灾害信息提取方法研究

山区地质灾害发生频繁,受灾范围大,危害严重。提取地质灾害信息、估算受灾情况,对救灾工作极为重要。传统的遥感人工解译方法速度慢、效率低;计算机自动解译速度快但解译精度受影像质量影响大,大范围地区很难建立起普适性的解译模型。本文利用洮南市西部高分一号遥感数据,结合DEM生成三维影像,建立解译标志,解译基础地质信息,分析地质灾害成因;根据研究区泥石流地质灾害的主要影像特征,提取影像的分类属性,基于面向对象的分类方法,建立信息提取模型,快速提取出地质灾害敏感区域;再进行人机交互,精确提取出地质灾害的类型和范围,通过野外验证,该方法十分可靠,为大范围地质灾害信息快速提取和灾后救援提供科学依据。     

Time-Expanded Sampling Approach for Ensemble Kalman Filter:Experiment Assimilation of Simulated Soundings

In the Ensemble Kalman Filter (EnKF) data assimilation-prediction system, most of the computation time is spent on the prediction runs of ensemble members. A limited or small ensemble size does reduce the computational cost, but an excessively small ensemble size usually leads to filter divergence, especially when there are model errors. In order to improve the efficiency of the EnKF data assimilation-prediction system and prevent it against filter divergence, a time-expanded sampling approach for EnKF based on the WRF (Weather Research and Forecasting) model is used to assimilate simulated sounding data. The approach samples a series of perturbed state vectors from Nb member prediction runs not only at the analysis time (as the conventional approach does) but also at equally separated time levels (time interval is △t) before and after the analysis time with M times. All the above sampled state vectors are used to construct the ensemble and compute the background covariance for the analysis, so the ensemble size is increased from Nb to Nb+2M￡Nb=(1+2M)×Nb) without increasing the number of prediction runs (it is still Nb). This reduces the computational cost. A series of experiments are conducted to investigate the impact of △t (the time interval of time-expanded sampling) and M (the maximum sampling times) on the analysis. The results show that if △t and M are properly selected, the time-expanded sampling approach achieves the similar effect to that from the conventional approach with an ensemble size of (1+2M)×Nb, but the number of prediction runs is greatly reduced.