Prediction of UT1–UTC,LOD and AAM χ<Subscript>3</Subscript> by combination of least-squares and multivariate stochastic methods

This article presents the application of a multivariate prediction technique for predicting universal time (UT1–UTC), length of day (LOD) and the axial component of atmospheric angular momentum (AAM χ ₃). The multivariate predictions of LOD and UT1–UTC are generated by means of the combination of (1) least-squares (LS) extrapolation of models for annual, semiannual, 18.6-year, 9.3-year oscillations and for the linear trend, and (2) multivariate autoregressive (MAR) stochastic prediction of LS residuals (LS + MAR). The MAR technique enables the use of the AAM χ ₃ time-series as the explanatory variable for the computation of LOD or UT1–UTC predictions. In order to evaluate the performance of this approach, two other prediction schemes are also applied: (1) LS extrapolation, (2) combination of LS extrapolation and univariate autoregressive (AR) prediction of LS residuals (LS + AR). The multivariate predictions of AAM χ ₃ data, however, are computed as a combination of the extrapolation of the LS model for annual and semiannual oscillations and the LS + MAR. The AAM χ ₃ predictions are also compared with LS extrapolation and LS + AR prediction. It is shown that the predictions of LOD and UT1–UTC based on LS + MAR taking into account the axial component of AAM are more accurate than the predictions of LOD and UT1–UTC based on LS extrapolation or on LS + AR. In particular, the UT1–UTC predictions based on LS + MAR during El Niño/La Niña events exhibit considerably smaller prediction errors than those calculated by means of LS or LS + AR. The AAM χ ₃ time-series is predicted using LS + MAR with higher accuracy than applying LS extrapolation itself in the case of medium-term predictions (up to 100 days in the future). However, the predictions of AAM χ ₃ reveal the best accuracy for LS + AR.     

红旗渠任村镇白家庄至尖庄段一带地质灾害体特征及其稳定性评价

红旗渠是举世文明的引水工程,全长4 013.6 km.红旗渠沿线地质条件极为复杂,地质灾害频繁发生.林州市任村镇白家庄至尖庄一带为本次工作的勘查区,勘查中共发现零星崩塌3处,崩塌带1处、沟谷泥石流3处.本文针对发现的地质灾害的类型、规模、形态等进行描述并给以稳定性评价.     

三峡水库区兴山后坝滑坡成因分析

文章通过对三峡水库区兴山后坝滑坡的地质、结构及变形特征研究以及稳定性分析,阐明了该滑坡成因和影响因素。研究发现,滑坡活动主要受地形地貌、地层岩性、人类工程活动以及降雨等因素的影响。运用剩余推力法对比分析天然及暴雨条件下不同层位的滑坡稳定性系数,得出在暴雨作用下滑坡表层滑带稳定性系数最小,不同滑带的稳定性受降雨的影响也各不相同,呈表层〉浅层〉深层的规律;这主要受滑带土的粘土矿物组分的影响。     

老松公路延吉段K64+300～K64+900边坡稳定性评价及治理措施

对老松公路10标边坡开挖后的稳定性分析表明,地表及地下水是影响其稳定性的重要因素,排水不畅使边坡体饱水处于欠安全状态,稳定性难以保证.针对该边坡体的特点,采用了支撑盲沟和排水盲沟联合作用并结合坡面防护的处治措施,疏干坡体内地表及地下水,增大抗滑力,达到了提高边坡稳定性,保护生态环境,美化公路的目的.     

加固需求度分析在某水电站右岸边坡的应用

边坡工程需要合理确定加固区与非加固区,在施工过程中,要动态调整设计方案。加固需求度方法将影响边坡稳定的主要因素与现场实际的位移监测结果结合起来,依靠专家经验知识,能够得到比较好的结果。在边坡加固需求度的基础上,引入影响权值,对某水电站右岸边坡稳定性进行分析,计算出一段位移监测期内边坡各部分的加固需求程度,得到了比较好的应用。     

金沙江下咱日堆积体的成因和稳定性初步分析

下咱日堆积体的稳定性对拟建的梨园水电站大坝和附近的水力设施有着重要的意义。利用下咱日堆积体的勘察资料,本文分析后认为下咱日堆积体经历了中更新世的金江冰期和晚更新世的丽江冰期两次冰期的作用,是由冰碛物、河流沉积物、湖相沉积物及崩积物组成的复杂成因堆积体;稳定性初步分析认为,下咱日堆积体局部有坍塌,但是整体稳定,以后稳定与否的关键是堆积体中湖相沉积层及坡脚的松散砾石层的稳定性。     

爆破震动对某边坡稳定性影响的数值模拟

爆破震动是影响边坡稳定性的一个重要因素之一。结合实际工程文章利用了拉格朗日有限差分法FLAC程序对爆破震动作用下某边坡进行了数值模拟。讨论了利用FLAC进行边坡动力分析时设置边界条件设置、动力时程的合成、输入以及转化,阻尼的合理选取。从位移场和速度场进行了详细的动力分析。获得该边坡爆破震动特征及位移场、振动速度场的变化规律。研究成果对保证边坡安全具有较好的指导作用。     

松散堆积体工程边坡变形机理分析及支护对策研究

合理选择开挖坡比、正确认识变形破坏机理是影响松散堆积体边坡稳定性和施工安全的前提, 本文研究了西南地区某松散堆积体工程边坡的结构特征, 根据地形条件确定了合理的开挖坡比, 采用二维有限元研究了开挖边坡的变形机理并根据模拟结果确定潜在滑动面, 在此基础上, 提出支护对策。研究结果表明, 边坡由厚度达70m 的坡洪积、泥石流块碎石堆积体组成, 斜坡下部缓中部稍陡, 开挖平台位于缓坡部位, 根据地形条件结合坡体结构特征确定边坡开挖坡比为1: 0. 75; 数值模拟结果表明, 边坡变形开挖面附近及坡顶拉应力和坡体下部最大剪应力控制, 坡顶部位将首先产生拉张裂隙, 开挖边坡内部产生从坡脚部位向上发展的剪切变形, 滑面一旦与坡顶拉裂缝贯通, 边坡将产生整体失稳; 边坡采用锚拉桩、锚索框架、锚杆框架、排水相结合的综合治理措施进行支护。     

浅埋双连拱隧道围岩边坡体系变形机理及稳定性分析

双连拱隧道是一种新的隧道形式, 由于其整体跨度大、结构复杂、施工工序繁琐, 在地形偏压、地质条件复杂的情况下修建双连拱隧道难度较高, 尤其在洞口段容易出现衬砌开裂、边坡变形等一系列工程问题。结合安徽铜黄高速公路汤屯段富溪隧道进口段工程, 采用地质条件研究与数值模拟分析相结合的研究手段, 对复杂地质条件下偏压双连拱隧道围岩① 边坡体系在施工过程中应力应变发展过程进行了研究。综合分析表明, 富溪隧道进口段处于F5断层影响带内, 岩体呈碎裂结构,同时, 受到地形偏压影响, 隧道开挖后衬砌和围岩表现为沉降变形和侧向变形, 进口边坡在隧道围岩变形的诱导下, 表现为蠕滑- 拉裂变形破裂。根据以上研究成果, 提出了富溪隧道变形治理应以控制进口段隧道拱顶的变形为主。     

沪蓉高速柴家湾隧道围岩稳定性分析及支护效果研究

隧道围岩的应力分布及变形特征对保证其长期稳定性具有关键的作用。本文以柴家湾隧道为例进行实态建模,通过采用有限元软件ANSYS对其施工全过程进行了三维弹塑性数值模拟计算。研究结果表明,隧道拱顶和拱脚处应力集中现象明显,局部可能出现拉应力;变形主要集中在拱顶、拱腰部位,衬砌单元所受内力在规定强度范围以内,支护措施合理有效。