养殖对虾与海捕对虾鉴别方法初探

通过对养殖中国对虾(Penaeus orientalis)和海捕中国对虾肌肉煮熟后的失水率,提取物中的甜菜碱和氧化三甲胺含量,以及虾肉脂质中所含脂肪酸组成和含量进行了分析比较,得到下列结果:(1)两类对虾鲜样煮熟后失水率相差6％以上;(2)海捕对虾肌肉中的甜菜碱和氧化三甲胺含量比养殖对虾的高,两者有显著差别;(3)养殖对虾肌肉所含C18:2ω6为17.3±1.5％,海捕对虾为2.0±0.8％。从以上结果本文推荐以脂肪酸C18:2ω6含量来鉴别养殖对虾与海捕对虾。     

黑鲷三倍体的人工诱导研究

分别于1989年3—6月、1990年3—5月在天津和青岛两地采用冷、热休克法对黑鲷进行三倍体的人工诱导研究。结果表明,冷休克法诱导三倍体的效果好于热休克法,其最适诱导条件为卵子在受精后5min,温度为3—4℃的海水中处理10—20min,三倍体诱导率最高可达50.35％;正交试验证明,三倍体率受冷、热休克法的三因素影响程度的顺序由大到小依次为,处理时间、处理时刻、处理温度;黑鲷染色体数目:2n=48,3n=72,它们的染色体组型也同时获得。     

基于实例的GIS数据库模式匹配方法

针对空间数据库的特点,提出了一种改进的基于实例的层次式模式匹配方法,并解决了实体对应关系的自动建立、要素类相似性计算、属性相似性计算等问题.最后,通过实验验证了该方法的有效性.     

等高线图信息定量度量研究

在分析现有的地图信息定量度量方法的基础上,提出了一组测量等高线地形图的几何信息和拓扑信息的定量度量方法,并进行了实例分析.     

地震短临综合预报方法的研究

本文在《中国震例》资料基础上,详细分析了华北地区１７次中强以上地震前的短临异常,得到华北地区中强以上地震短临异常的三个综合特征,在归纳出短临异常综合特征的基础上,提出了两个判定孕震过程、前兆异常由中期向短期过渡的定量的综合标志。据中期异常的追踪分析和短临异常综合分析相结合的原则,定义并计算了综合预报指标Ｓ值,以此值作为是否发生中强以上地震的判据。本文的重点是在分析短临异常综合特征的基础上,结合实用     

我国西部1∶5万地形图空白区地物解译研究——以西藏那曲其香错地区为例

我国西部部分地区1∶5万地形图数据尚未完成,给区域和国家经济发展带来极大不便。空间技术、计算机技术和信息技术的高速发展为遥感技术应用提供了技术支持,高分辨率影像获取能力的提高为大比例尺地物特征的提取提供了数据可能。本文采用SPOT5遥感影像,以1∶5万地形图图式标准为依据,进行青藏高原其香错地区地物判读,结果表明SPOT5能基本满足1∶5万地形图制图要求。为进一步提高判读结果,可采用多时相、多分辨率影像进行1∶5万地形图地物判读。     

ODP204航次天然气水合物的可能有利储层——浊积层

为了解岩性在天然气水合物分布中的作用, 利用岩矿鉴定、扫描电镜和能谱法对ODP204航次的 4个站位 10个钻孔共计 115个沉积物样品进行分析, 发现沉积物中矿物成分基本相近, 以粘土矿物为主, 含少量以石英为主的陆源碎屑。样品中含有丰富的硅藻和有孔虫等微体化石, 可形成硅藻粘土—硅藻土、有孔虫硅藻土或凝灰质硅质生物粘土。石英碎屑大多呈棱角状, 粒径小、含量少, 同时, 样品中可见透镜体、团块或旋涡状层状结构以及杂乱堆积的斑杂构造。上述特征表明沉积物为含有大量深海或半深海的浊流沉积物或其夹层。由于钻井岩心中有相当部分的天然气水合物样品分布在上述沉积物中, 推断这些浊流沉积物很可能是ODP204航次天然气水合物的有利储层。     

平差系统的模型误差及其识别方法研究

论述了模型误差影响参数估值的一些理论问题,指出了随机模型误差和函数模型误差之间的相互作用和转化。为讨论平差系统最优模型的选取,给出了与现有文献将模型误差纳入平差系统的思路不同的一个估计和识别模型误差的理论基础公式,由此导出了相应的实用公式,给出了平差系统模型的优选方法。     

A new method for indentifying the model error of adjustment system

Some theory problems affecting parameter estimation are discussed in this paper. Influence and transformation between errors of stochastic and functional models is pointed out as well. For choosing the best adjustment model, a formula, which is different from the literatures existing methods, for estimating and identifying the model error, is proposed. On the basis of the proposed formula, an effective approach of selecting the best model of adjustment system is given. Project supported by the Open Research Fund Program of the Key Laboratory of Geospace Environment and Geodesy, Ministry of Education, Wuhan University (No. 905276031-04-10).     

Structural damage detection using the optimal weights of the approximating artificial neural networks

This work presents a novel neural network‐based approach to detect structural damage. The proposed approach comprises two steps. The first step, system identification, involves using neural system identification networks (NSINs) to identify the undamaged and damaged states of a structural system. The partial derivatives of the outputs with respect to the inputs of the NSIN, which identifies the system in a certain undamaged or damaged state, have a negligible variation with different system errors. This loosely defined unique property enables these partial derivatives to quantitatively indicate system damage from the model parameters. The second step, structural damage detection, involves using the neural damage detection network (NDDN) to detect the location and extent of the structural damage. The input to the NDDN is taken as the aforementioned partial derivatives of NSIN, and the output of the NDDN identifies the damage level for each member in the structure. Moreover, SDOF and MDOF examples are presented to demonstrate the feasibility of using the proposed method for damage detection of linear structures. Copyright © 2001 John Wiley & Sons, Ltd.