A Physically-Based Turbulent Velocity Time Series Decomposition

Single-point, three-component turbulent velocity time series data obtained in the atmospheric boundary layer over the ocean reveal coherent structures that are consistent with a model of a steady linearly varying spatial velocity field that translates past the measurement point at constant velocity. The kinematic model includes both strain and rotation rates and has implications regarding vortex generation, vortex pairing, vortex break-up, and stability. While the complete specification of the dimensions, spatial velocity gradients, and translational velocity of the linear coherent structure (LCS) cannot be made from the single-point, three-component measurements, the model LCS velocity time series can be determined from least- squares fits to the data. The total turbulent kinetic energy is used to find in the record the initial and final times of a model LCS in the data, i.e., the time interval over which a model LCS is passing over the anemometer. Maxima in the kinetic energy removed from the data (by subtraction of the model LCS velocity functions from the data) are used to identify the most-energetic model LCSs. These model LCS velocity functions replicate the essential large-scale features of the time series of the three-component velocity fluctuations, most noticeably in the streamwise component. The model LCS decomposition was used to perform a scale analysis of the data, which was compared to the usual Fourier method. Time intervals of model LCSs were found successively in the data, after subtracting the previous fits. This process resulted in a series of 'levels with a number of LCSs found at each level. About six levels account for most of the kinetic energy. The model also allows the computation of the Reynolds stress components, for which six levels also are sufficient. The recomposition of the time series on a LCS-by-LCS basis compares well with the mode-by-mode Fourier recomposition for the average momentum fluxes and kinetic energy.     

佘山地磁台百年磁暴（二）——极大磁暴分析

本文是佘山地磁台百年磁暴的第二部分,对其极大磁暴（主相ΔH≥400 nT）进行分析.通过与其他三组由不同地磁活动指数定义的极大磁暴对比,表明佘山台用主相幅度差对极大磁暴的定义与之基本相符.同时结合几个典型磁暴,对磁暴与太阳风、行星际磁场和电离层之间的关系进行了讨论.     

山西地区ML≥3.0地震震源机制解研究

选取2007年至2010年ML≥3.0的49个地震,重点研究该时间段内山西发生的5次ML4.0以上的地震,通过snoke方法的计算结果,与仅用振幅比方法所得的结果进行对比分析,结果表明,snoke方法是可行的。     

面波频散谱多模式高分辨率成像的多道信号比较法

高分辨率的面波频散谱成像是浅层地震勘探领域基于频散性质反演横波速度结构中的一个关键步骤.在天然地震探测领域,仅利用两个台站记录的线性信号比较法(LSC),被广泛用来计算面波的频散谱,并用于大尺度的面波层析成像.然而互相关的成像方式会造成频散谱在低频端较低的分辨率.非线性信号比较法(NLSC)利用指数函数克服了这个问题,同时极大地提高了频散谱的成像分辨率.然而,在研究中我们发现,仅利用两个台站的地震记录,并不能将面波的频散特性完整地考虑在内,导致LSC和NLSC方法对高阶模式的成像存在较大的误差.由于主动源面波勘探多道采集的方式,基于信号比较理论的多道信号比较法(MSC)充分利用多道地震信号,可以获得准确的多模式成像,然而该方法需要计算任意两道的频散谱并叠加,存在冗余的计算,导致计算效率较低.因此,本研究对MSC方法进行了相应的改进,通过追踪炮集记录上的面波波组提高了原方法的计算效率,同时,利用理论频散曲线进行叠加分析,验证了改进的MSC方法的正确性和有效性.通过与相移法、LSC和NLSC方法的对比分析,展示了MSC方法是一种准确的、高分辨率的面波多模式频散谱成像方法.实际地震资料的应用...     

高塔,高层建筑物振动与形变的超长摆综合观测

高大建筑物（如电视塔等）在外力作用和自身老化过程中出现的形变和振动频率特性变化的监测，是灾害预测和工程检验的重要内容。具有测站移动坐标系的超长摆观测系统，可以胜任这一超宽频（0～100HZ）振动和挠曲综合观测要求。文中导出超长摆观测方程xi＝－（R~2_iQ~2_s＋P~2_i－2R_iQ_sP_icosγ_s）~(1/2)Xmsin（ωt＋θ_i）并论证了在相应参数选择下，此系统具有足够的振幅放大系数（S_i≥0．8）和振动周期观测覆盖范围；对超低频一永久形变也具有真实的监测能力（S_i＝P_i）；具有监测频带宽、动态测量范围大、无漂移、抗干扰等优点。     

深水有限振幅重力波的一种解法

采用变量代换的方法,处理水波的自由边界,获得了新的水波控制方程和边界条件。以摄动法解非线性偏微分方程的近似解析解,求得了与三阶斯托克斯波略有差别的非线性波面和包含振幅的非线性水波色散关系,并且得出了二阶以上的波动势函数在深水情况下不为零的结论。     

基于超宽带雷达及支持向量机的灾后人体呼吸信号识别方法与试验研究

与常规雷达相比,超宽带雷达具有距离分辨力高、近距离盲区小、穿透性强、目标识别率高等特点,已被广泛应用于灾后搜寻、救援工作中,以对受困生命体征目标进行生命探测。为实现使用超宽带雷达对受困生命体征目标的识别定位,本研究提出基于信号多特征提取技术及支持向量机模型的人体呼吸信号识别方法。首先,使用经验模态分解、变分模态分解及希尔伯特变换提取雷达探测信号的微多普勒特征,使用傅里叶变换提取宏观频谱特征,使用相关分析获取相关性特征;然后,以提取的信号特征为输入,使用支持向量机模型对信号进行分类,进而对人体呼吸信号进行识别,对人体位置进行定位。不同障碍物场景下的试验结果表明,本方法可有效识别砖墙、建筑楼板等遮挡物下的受困生命体征目标,并提供其位置信息。     

乌鲁木齐附近地区小爆破识别判据的研究

采用新疆乌鲁木齐地区多个地震台的位移仪及速度仪记录，探讨了人工小爆破记录与天然地震记录的差异及其识别判据。结果发现，爆破记录与地震记录在震相、P波垂直向初动符号分布、振幅衰减、振幅比As^-/Ap^-等方面具有不同的特征，据此我们制定出了识别爆破的单项判据和综合判据。     

尾波振幅比和能量比异常特征研究

利用中国数字地震台网（CDSN）兰州台记录的短周期数字地震资料，测定了尾波最大振幅与S波最大振幅之比r1、尾波能量与S波能量之比的平方根值r2随时间的变化。结果表明：在永登主震（19950和天祝-古浪主震（1996）前，r1和r2均出现上升或下降异常变化，且有较大的偏离平均值的异常高值或异常低值出现。     

云南地区双震型地震序列中第二主震的前震识别

本文通过对双震型地震序列的地震波动力学特征的研究，提出了识别双震中第二主震前震的可能性。结果表明、在双震第一主震发生后，序列地震的Ｐ波垂直分量初动一致时，可依据波形来识别第二主震的前震；而初动不一致时有三种情况：１、两组初动中有一组Ｐ、Ｓ波振幅比仍保持为过原点的直线而另一组离散，２、两组初动的振幅比分别为过原点的直线；３、两组初动的振幅比共同组成过原点的直线，对前两种情况可识别第二主震的前震，最后一种情况难以识别。总体达６０－７０％的可识别率。