岩体质量分级的风险分析方法

提出了基于RMR岩体质量分级系统的岩体质量研究风险分析方法。该方法分析步骤如下 :(1)通过岩芯样品的现场观测和实验室试验获得分类所需的变量 ;(2 )统计分析拟合得出各变量的分布函数及参数 ;(3)运用Monte Carlo模拟方法获得 2万个RMR值 ,并将结果绘成岩体质量描述图 ;(4)利用以上结果作出岩体质量风险分析评价。该方法用于润扬长江公路大桥岩体质量评价研究获得良好效果     

青海省达肯达坂山地区化探元素组合分区探讨

文章对青海省达肯达坂山地区1∶5万水系沉积物测量所得数据进行R型因子分析,提取了5种具有代表性的因子组合类型,对各因子元素组合得分归类,绘制了测区地球化学分区图。通过判读分析,地球化学分区图反映了不同地质体中以相应元素组合类型为主的地球化学异常。研究对比组合分区与因子得分异常,有利于推断相关元素的浓集部位,也为确定找矿靶区提供了方向。     

东海内陆架表层沉积物粒度及其净输运模式

根据对东海内陆架海底沉积物的粒度测试,运用Gao-Collins"粒度趋势分析"方法,探讨了东海内陆架海底表层沉积物的粒度分布特征和净输运趋势。结果表明,研究区表层沉积物可以分为两类:细颗粒(>5Φ)和粗颗粒(<5Φ);细颗粒分布于研究区的大部分区域,而粗颗粒主要分布在闽江、瓯江等入海河流口门以及马祖等海岛附近;表层沉积物的平均粒径、分选系数、偏态等粒度参数对应性较好,总体特征为粒径越粗,分选越差,偏态更正偏,而粒径越细,分选越好,偏态也较低;粒径趋势分析显示东海陆架表层沉积物的运移模式总体为NE—WS方向运移,而研究区边缘在运移过程中发生向左右两侧的偏移,南部闽江河口区沉积物由近岸向海方向辐射运移,研究区表层沉积物的净输运模式主要受控于流系和地形等多种因素。     

深部开采底板隔水关键层受局部高承压水作用破坏理论分析

大量实测地质资料与防治水实践证实,深部煤层开采底板含水层存在大量的局部高承压水区域,在强开采扰动下极易诱发底板突水灾害。基于“下三带”、“关键层”理论,将局部高承压水与底板隔水关键层简化为圆筒力学模型,分析研究隔水关键层在局部高承压水作用下的屈服破坏机制,得到了隔水关键层发生屈服的4个临界水压值公式;对各临界水压值进行区间划分,分析不同区间隔水关键层的屈服状态,确定了局部高承压水致使隔水关键层屈服破坏两个阶段的水压判据平衡方程,得出了奥陶系顶部岩层作为隔水关键层剩余隔水能力的计算表达式,并反演得到了开采深度上限、下限公式。结合九龙矿深部开采实际,对所建力学模型进行了验证与应用,进而提出了防止局部高承压水致灾的相关措施,对实现深部煤层安全带压开采具有重要的理论指导意义。     

"973"计划资源环境领域数据汇交进展与数据分析

国家科技计划项目数据汇交对于促进科学数据的整合集成,增强国家科技投入的效益,提高我国科技计划项目管理水平具有重要意义。经过充分研究,科技部基础司选择国家重点基础研究发展计划(973计划)资源环境领域作为试点,于2008年启动数据汇交工作,并专门成立数据汇交中心。2008年,按照数据汇交计划制定、数据汇交准备、数据实体汇交、数据共享服务4个阶段的工作流程,分"已结题"、"即将于2008年结题"和"在研"3种类型开展汇交工作,完成了24个结题项目的数据汇交,汇交数据总量超过620 GB。为了保证数据汇交的可操作性和规范化,数据汇交中心制定了包括核心元数据规范、数据文档格式等7项标准规范;研制了数据汇交软件工具;建立了海量数据存储环境;设计开发了数据汇交共享服务网络平台。面向数据服务进一步的需要,分析了已汇交数据情况,具体分为5种类型,即定点长期监测和野外定点调查类、区域调查和统计分析类、模型计算类、试验化验分析类、客观或主观描述类,并提出了相应的数据展示策略。     

湖南锡田锡矿的发现及找矿潜力分析

湖南锡田锡多金属矿是近些年来南岭继骑田岭锡矿取得重大突破后寻找锡矿又一大的发现。锡田锡多金属矿由锡田岩体内外与岩体有明显成因联系的若干类型矿床组成。在南北长约18km,东西宽约10km的范围内,蕴藏的矿产资源包括锡、钨等多种金属矿产。形成一个以锡田岩体为中心向外依次为岩体型钨-锡矿床→构造蚀变带(脉)型钨-锡矿床→矽卡岩型(复合型)锡-钨矿床→铅-锌矿床的矿化分带。笔者通过对锡田锡矿主要矿床(化)类型的产出规律、赋存状态、形成原因与模式的探讨和研究,认为在同一成矿区形成种类齐全的不同的矿床类型是这一地区找矿潜力巨大的最重要的依据。笔者对锡田锡矿的找矿潜力进行了进一步分析,并对锡田锡矿资源量进行了初步预测。     

西北干旱区一次阵风锋天气过程分析

利用银川新一代天气雷达观测资料和自动站实况资料,结合本地化非静力平衡中尺度数值预报MM5模式产品,对2004年6月7日银川地区一次区域大风天气过程进行了雷达气象学和中小尺度天气学背景分析。结果表明：这次突发短时大风天气由雷暴强烈下沉气流形成阵风锋引发。阵风锋导致风速增加、气温下降、相对湿度上升。阵风锋在对流云团减弱后仍向前推进,并继续维持30 min左右。阵风锋的长度超过40 km,宽3 km,主体顶高达1 500 m。当时空气层结不稳定,有利于对流运动发展。500 hPa冷空气因重力原因下泻,并与对流垂直环流的下沉气流相结合,是导致强烈下沉气流的根本原因。阵风锋东移过程中,冷气流受下垫面加热作用增暖变性,受地表磨擦而丧失动量;到达贺兰山麓后,环境大气温度随地形升高而下降,阵风锋前后的气温达到平衡而消失。宁夏本地化非静力平衡中尺度数值预报模式对此次阵风锋过程具有较好的模拟能力。     

弹性纵波垂直通过非线性结构面的傅里叶级数分析法

利用傅里叶级数计算任意函数形式的弹性纵波垂直通过非线性结构面的透射波和反射波的速度波形。采用双曲模型描述结构面的变形特性,基于位移不连续模型,结合波振面处动量守恒定律,推导了弹性纵波垂直通过非线性结构面的基本方程。假设应力波在含结构面岩体中传播时,结构面的存在不改变应力波波形函数的最小正周期,运用傅里叶级数理论和周期延拓方法,得到了任意函数形式的弹性纵波垂直入射时透射波和反射波速度波形的傅里叶级数解,并验证了傅里叶级数解是合理的。利用傅里叶级数解,分析了单一频率的正弦谐波入射至结构面时,透射波中各阶谐波的振幅和相位与谐波阶数的关系。研究结果表明,各阶谐波的振幅与阶数呈负指数关系衰减,前7阶谐波振幅的衰减指数为谐波阶数的二次函数,当谐波阶数大于7时,衰减指数为谐波阶数的一次函数;各阶谐波的相位与谐波阶数呈线性关系。     

�й�����IGS����վ���ܵ��㶨λ����ʱ������Ƶ�׷���

??ITRF2008??????й???????5??IGS??????WUHN??BJFS??URUM??KUNM??SHAO??2012??????????????TriP?????????????????????????С??????????????????????????????????????????н?????????????????????????????????GAMIT/GLOBK????????????????????з?????????ж???????????????й??????IGS???????????д??????????????????????????????????????????????????URUM??KUNM??BJFS??SHAO?????????????????????BPPL+WN????WUHN??????N??E??U????????????????з?????????????BPPL+WN??FN+WN??PL+WN??????????BPPL+WN??????????а???????????????????????????2 mm??BPPL???????WN??????1/10???????0.28??0.89 mm????????????????С???????????????????????????????????С??????TriP??????????????????????????????????????????????????     

Automatic Determination of Stellar Atmospheric Parameters Using Neural Networks and Instance-Based Machine Learning

In this article we show how machine learning methods can beeffectively applied to the problem of automatically predictingstellar atmospheric parameters from spectral information, a veryimportant problem in stellar astronomy. We apply feedforwardneural networks, Kohonen's self-organizing maps andlocally-weighted regression to predict the stellar atmosphericparameters effective temperature, surface gravity and metallicityfrom spectral indices. Our experimental results show that thethree methods are capable of predicting the parameters with verygood accuracy. Locally weighted regression gives slightly betterresults than the other methods using the original dataset asinput, while self-organizing maps outperform the other methods when significant amounts of noise are added. We also implemented a heterogeneous ensemble of predictors, combining the results given by the three algorithms. This ensemble yields better results than any of the three algorithms alone, using both the original and the noisy data.