六种海产虾类基因组DNA多态性的RAPD标记研究

于１９９６年１０月在青岛胶州湾附近海域采集中国对虾,细巧仿对虾,周氏新对虾,鹰爪虾,脊尾白虾和脊腹褐虾等６种不同科或不同属的海产虾类,用ＲＡＰＤ技术对其基因组ＤＮＡ的多态性进行了研究。在事先优化的反应条件下,经２０个随机引物扩增,共得到２８２条多态性片段,片段长度在２３０￣２８００ｂｐ之间,根据扩增片段的共享度计算出相对遗传距离指数,然后用ＵＰＧＭＡ和ＮＪ程序进行聚类分析,结果所显示的６种虾的亲缘     

基于理论走时表的震相研究

对理论震相走时表,包括震相走时、震中距及震源深度之间的变化规律进行研究。结果表明,每个理论震相走时随震中距或震源深度的变化并不完全一致,存在正相关或负相关,同时部分震相走时受震中距或震源深度的影响会在某处截断。借助这些规律可以快速分析地震事件。     

昌马断裂带地震滑坡的展布特征

根据大量的野外地质调查和测量资料分析，讨论了地震滑坡沿昌马断裂带走向和倾向的展布特征。研究认为昌马断裂带地震滑坡主要发生在山坡坡度３０°－５０°的部位和山坡地形高差１００－３００ｍ的部位；地震滑坡规模、数量的分布特征与断裂活动强度的分布变化有密切的关系，这是地震滑坡与降水滑坡、人为滑坡和融冻滑坡的最大区别；最后讨论了地震滑坡最大水平滑距的规律，对地震滑坡灾害预测有很现实的意义。     

国家地震灾情调查系统探讨

本文论述了我国目前地震灾情调查的现状以及地震应急所存在的问题,通过剖析这些问题,提出了我国地震灾情调查系统的框架设计,并详细介绍了国家地震安全社会服务工程项目中已实现的地震灾情调查系统.同时,考虑到新型技术发展所带来的机遇,对国家地震灾情调查平台的手段进行了更深入的拓展讨论.     

DINI12电子水准仪在台站短水准测量中的应用

主要介绍了DINI12电子水准仪的特性、原理、检测方法及代替原有光学水准仪在台站短水准测量中的应用,并结合电子水准仪的实际观测数据,对该仪器的使用方法和测量精度进行了探讨。     

羌塘盆地尼玛地区盒子波分析

西藏地区羌塘盆地地表、地质条件复杂,资料信噪比极低,地层褶皱严重,地震成像差.目前勘探程度低,资料有限,地震勘探施工参数选择困难,对于地震资料处理参数选取难度大.为了更加有效地认识该地区资料干扰波特点,选择合适的地震勘探采集参数,提出了合适的盒子波调查方法.通过盒子波分析,发现该区产生规律性很强的规则干扰波,其速度、振幅存在较大差异.通过室内组合分析,认为该地区接收组合方式对资料影响较大,接收组合个数、基距和组合图形等参数均影响着资料品质.     

高铁影响下的中国区域创新时空演化与效应分解

探究高速铁路对区域创新的影响机制将深远影响我国区域经济发展。运用ESDA、SDM和求偏微分等方法,测算了由高铁开通带来的时空压缩对区域创新产出产生的直接效应和间接效应,并通过分地区回归对异质性进行了深入分析。结果表明：我国创新产出具有显著的空间相关性,且集聚程度不断增强,“核心-外围”区域基本形成,创新活动具有一定的锁定特征;其中,R&D人员投入、FDI、政府财政科技支出和居民消费支出是影响区域创新产出的重要因素;高铁开通对创新的影响存在空间异质性,R&D人员全时当量对东部地区的影响最大,东北和中部地区则同时依赖于R&D人员和R&D资本投入,西部地区并未受到极化影响,反而因时空压缩产生了正向溢出效应。     

欧洲地区电离层峰值电子密度逐日变化的相关距离研究

本文采用欧洲22个台站的电离层F^₂层峰值电子密度N_mF^₂,分析了其逐日变化分量的相关距离S,着重研究了S的周日变化、季节变化及其随太阳活动和地磁活动的变化.首先用指数型函数模式来拟合任意两站间电离层逐日变化的相关系数R随间距d的变化,由此估算出逐日变化的相关距离S.详细研究了S在不同的季节（春季、夏季、秋季和冬季）,不同的地磁活动（平静和扰动）及不同的太阳活动（低、中和高）随世界时的变化（周日变化）.结果表明：（１）S的范围一般为400～1600 km;（２）S值在白天比夜间大;（３）S值具有季节变化,夏季最大,冬季最小,春秋季差异不大;（４）S值在地磁扰动时比平静时大;（５）当太阳活动低时,S值在日落到正午间要比太阳活动中或高时明显偏小,而在正午到日落间则与太阳活动中或高时差异不大.根据以上结果,我们认为：（１） 太阳辐射对电离层逐日变化的影响是大尺度的,并在白天和太阳活动高时大于晚上和太阳活动低时;（２） 地磁活动的影响也是大尺度的;（３）气象活动的影响是相对小尺度的,且逐日变化具有季节性.本文从相关尺度分析的角度,证实了电离层逐日变化来源于太阳辐射、地磁活动和气象活动因素的论断.     

Social Distance metric: from coordinates to neighborhoods

Choice of a distance metric is a key for the success in many machine learning and data processing tasks. The distance between two data samples traditionally depends on the values of their attributes (coordinates) in a data space. Some metrics also take into account the distribution of samples within the space (e.g. local densities) aiming to improve potential classification or clustering performance. In this paper, we suggest the Social Distance metric that can be used on top of any traditional metric. For a pair of samples x and y, it averages the two numbers: the place (rank), which sample y holds in the list of ordered nearest neighbors of x; and vice versa, the rank of x in the list of the nearest neighbors of y. Average is a contraharmonic Lehmer mean, which penalizes the difference between the numbers by giving values greater than the Arithmetic mean for the unequal arguments. We consider normalized average as a distance function and we prove it to be a metric. We present several modifications of such metric and show that their properties are useful for a variety of classification and clustering tasks in data spaces or graphs in a Geographic Information Systems context and beyond.