基于时间序列模型的沉降监测预报分析

时间序列模型预测具有可靠性与高效性的特点。本文结合沉降监测工程,采用Matlab进行建模预报分析,分别基于预测模型(AR、MA、ARMA)进行应用。对比自回归模型、滑动平均模型及自回归滑动平均模型预测结果的精度,表明3种模型可预测期连续分布,模型组合可提高预测精度。     

面向LiDAR/Radar松组合的迭代加权IEKF-BP组合算法精度分析

为了验证目前高精度定位中多传感器组合定位模型性能的优越性,以更好地解决自动驾驶场景下自主定位中出现的预测精度标准不一致、预测不及时及误预测率高等问题,本文利用LiDAR与Radar数据,建立了一种基于迭代加权的IEKF-BP组合算法的松组合模型,并对两种传感器组合定位结果精度进行了分析.试验表明,迭代加权的IEKF-B...     

彩色扫描地图中背景色的等高（等深）线矢量化研究

在介绍矢量化方式的基础上,根据国外地图的特点,选择了基于全要素地图的矢量化方式。通过综合利用多义点及方向信息,对等高线矢量化的追踪过程控制,不仅避免了误追踪等特殊情况,且减少了人机交互,实现了有背景色区域等高（等深）线的半自动矢量化。     

Multi-step ahead short-term predictions of storm surge level using CNN and LSTM network

Storm surges pose significant danger and havoc to the coastal residents' safety, property, and lives, particularly at offshore locations with shallow water levels. Predictions of storm surges with hours of warning time are important for evacuation measures in low-lying regions and coastal management plans. In addition to experienced predictions and numerical models, artificial intelligence (AI) techniques are also being used widely for short-term storm surge prediction owing to their merits in good level of prediction accuracy and rapid computations. Convolutional neural network (CNN) and long short-term memory (LSTM) are two of the most important models among AI techniques. However, they have been scarcely utilised for surge level (SL) forecasting, and combinations of the two models are even rarer. This study applied CNN and LSTM both individually and in combination towards multi-step ahead short-term storm surge level prediction using observed SL and wind information. The architectures of the CNN, LSTM, and two sequential techniques of combining the models (LSTM–CNN and CNN–LSTM) were constructed via a trial-and-error approach and knowledge obtained from previous studies. As a case study, 11 a of hourly observed SL and wind data of the Xiuying Station, Hainan Province, China, were organised as inputs for training to verify the feasibility and superiority of the proposed models. The results show that CNN and LSTM had evident advantages over support vector regression (SVR) and multilayer perceptron (MLP), and the combined models outperformed the individual models (CNN and LSTM), mostly by 4％–6％. However, on comparing the model computed predictions during two severe typhoons that resulted in extreme storm surges, the accuracy was found to improve by over 10％ at all forecasting steps.     

城市活断层地震勘探的最佳组合方法与应用研究

根据近年来在全国开展的大城市活断层地震探测实践,在简要介绍各种地震勘探方法的基本原理和工作方法的基础上,着重分析了不同地震勘探方法的适用范围、获得的主要成果和所解决的主要问题。讨论了现阶段用地震勘探获取地壳结构和对不同深度断层定位的最佳组合方法,即对于有沉积覆盖的隐伏数百米深度至地表的断层,可用浅层地震勘探对其进行追踪,基底(埋深数公里)以上断层可采用高分辨地震折射探测;对于地壳中、深断裂应用反射地震勘探和深地震宽角反射/折射联合探测方法;还可以进一步采用三维深地震测深方法获得城市下方的三维结构和构造信息。采用这样的组合探测方法能够较好地获得断层在不同深度的产状与展布以及由深至浅完整的分布图像,并给出了应用实例     

马来盆地成藏规律研究及有利区预测

马来盆地烃源岩包括湖相页岩和河流三角洲相煤、页岩.湖相烃源岩为盆地主力烃源岩,K组页岩是盆地中生烃潜力最好的烃源岩.盆地中部源岩通常都是过成熟,边缘大多处于生油窗或未成熟.中-晚中新世马来盆地发生构造反转,反转主要集中在盆地的东南部和中部,构造反转与油气成藏关系密切.盆地中央的反转强度比侧翼大,东南方向反转强度增加.马来盆地大致划分为4个成藏组合带：基底成藏组合带、下部成藏组合带、中部成藏组合带和上部成藏组合带.晚渐新世-中中新世构造成藏组合带为马来盆地内最重要的一个成藏组合带,其石油储量占整个盆地的85%,天然气占48%.盆地烃源岩经历多期生烃和混合生烃的过程,在盆地南部烃源岩生烃受到抑制.油气运移以横向运移为主,垂向运移为辅.油气藏分布主要受烃源岩成熟度和盆地形态的控制,呈现东南部和中部为油藏、北部为气藏的分布格局.将马来盆地划分为6个大勘探区域,其中东南挤压背斜区是马来盆地主力油气产区,石油储量占整个马来盆地的69%,天然气储量占62%.提出9个潜在有利目标区,其中3个为潜在勘探有利区,6个为新兴勘探区.     

油气田裂缝密度定量研究方法

本文首先简要评述了目前研究裂缝方法的优缺点。用实例介绍了裂缝密度的定量估计方法,这种方法能将岩芯资料和地震资料有机地结合起来。应用这种方法不但能预测区域性裂缝及油气分布规律,而且能回答所获得成果的正确程度。     

一种改进的基于 BDS 三频非差观测的周跳实时探测与修复模型

BDS三频观测条件下可以组合得到具有优良特性的虚拟载波观测量,有利于改善非差观测数据的周跳实时探测与修复。文中提出一种基于BDS三频非差数据的周跳实时探测与修复模型:首先,采用消电离层无几何HMW组合观测量探测和修复EWL周跳;然后,将经过修复的EWL观测量与WL组合消除几何相关项,忽略电离层延迟残差进而确定WL周跳;最后采用经过修复的WL观测量与NL组合形成无几何观测量,并通过优化载波相位组合确定电离层延迟的变化量以探测和计算NL周跳,并通过简单变换得到原始载波观测量的周跳值。通过实测BDS三频数据对模型可行性进行验证分析,结果表明,即使在30s的采样率以及电离层活动活跃条件下,该模型都可有效实时探测和修复各类周跳。     

移动荷载作用下土岩组合基坑吊脚桩变形分析

以青岛地区特有的土岩组合地质条件为背景,采用现场监测和Plaxis有限元模拟相结合的方法,研究了土岩基坑中吊脚桩在龙门吊移动荷载作用下的变形规律及动力响应。结果表明：桩身变形模拟结果与实测值吻合较好,基坑的变形主要发生在基坑上部软弱土层,吊脚桩嵌岩处产生应力集中;在龙门吊移动荷载作用下,桩顶水平位移较大,但其动力响应最小,而嵌岩处水平位移较小,但其动力响应最大;嵌岩处、桩身最大正弯矩处及最大负弯矩处的土压力动力响应较大,且移动荷载刚经过时刻影响最大。研究成果可为类似土岩结合地区深基坑支护设计提供参考。