瞬态瑞雷波法在工程检测中的应用研究

本文简要介绍了瞬态瑞雷波法的工作原理,野外观测及数据采集系统,并总结出了资料处理解释流程图,同时从工程实践出发,探讨了该项新技术应用于高速公路建设中的优点,存在问题及未来发展趋势。     

一种基于微博语义的天气情感地图设计

天气情感地图是一种表达情感相关的专题地图。本文提出了一种基于微博语义的天气情感地图设计方法,基于程序获取了合肥市区2016年6月20日至2016年7月10日暴雨期间带有地理位置的新浪微博数据,通过数据清洗及标准化处理,利用情感词库,结合人工判读,将暴雨天气过程相关情感微博文本数据分为8种情感类别,设计了8种情感着色,结合GIS格网技术与核密度分析方法,制成暴雨天气过程前、中后期情感地图,并分析了暴雨天气过程3个阶段中微博用户多维情感变化。该研究可为政府相关部门在突发性天气灾害过程中制定救助与决策提供参考。     

黄河入海径流量与河口沉积物的侵蚀关系

河口地区海水环境变化复杂,岸滩侵蚀严重,入海径流对侵蚀的影响不可忽视。从入海径流量与河口盐度变化的关系入手,主要阐述了海水盐度变化对河口泥沙沉降及泥沙沉降后固结的影响,进而讨论盐度变化对河口沉积物侵蚀的影响,其中,着重对黄河口地区入海径流量与河口沉积物侵蚀的关系进行了探讨;并且概述了黄河口沉积物侵蚀相关的研究情况,指出在黄河三角洲等河口岸滩侵蚀的研究中,可以以盐度等为媒介,把入海径流与沉积物本身联系起来,综合考虑分析岸滩侵蚀机理。     

自然资源卫星遥感常态化监测框架设计及关键技术

卫星遥感一体化数据采集、处理等对地观测体系已经构建,但自然资源卫星应用技术体系建设尚不成熟,极大地限制了卫星遥感应用综合产品体系的构建以及地方自然资源调查监管体系的现代化。结合当前测绘遥感行业的先进技术和理念,研究自然资源卫星遥感常态化监测的新方法、新技术具有重要的理论和实践意义。通过突破自然资源卫星遥感常态化监测等系列关键技术,开展全国全要素常态化季度监测、重点区域高频次精准监测、特定目标即时监测和“数量—质量—生态”三位一体监测,服务自然资源调查、监测与监管主体业务,构建全覆盖、全要素和多尺度的自然资源卫星遥感监测体系,全面提升自然资源卫星遥感数据保障、常态化监测、信息服务和决策支持能力。     

基于特征的无人机载视频运动目标快速检测方法

针对无人机载视频序列影像动态背景以及常用检测方法处理效率不高等问题,提出了一种基于特征的无人机载视频运动目标快速检测方法.该方法主要包括预处理、ORB特征提取(oriented fast and rotated BRIEF,ORB)、渐进一致采样(progressive sample consensus,PROSAC)...     

自由测站边角交会网在工程中的应用

鉴于自由测站边角交会网具有网形规则、可靠性高、多余观测数多和观测时无需对中等优点,提出将自由测站边角交会网应用于长大隧道洞内平面控制、基坑水平位移监测和有砟轨道CPⅢ平面网建网中。研究结果表明,将自由测站边角交会网应用于上述工程中都能在一定程度上克服传统方法的不足,提高测量效率和精度,值得推广使用。     

JpGraph绘图类库在地震数据展示中的应用

天津市地震局在进行地震观测数据可视化发布工作中,采用PHP语言及JpGraph类库实现了前兆类观测数据在WEB页面中的图形化展示,扩展了PHP语言在行业数据发布与展示系统中的应用,本文主要阐述JpGraph类库的应用及在使用中遇到的问题.     

大型桩基承载力确定的模拟试验

介绍了一种模拟试验确定桩承载力的新方法,通过室内中型剪切摩擦试验确定桩与土层间的c,φ值,按库仑准则确定桩侧摩阻力.桩侧法向应力的确定采用桩土上部荷载引起的作用于桩身的水平应力;桩端承载力通过室内三轴试验确定.最后通过实例,介绍了该方法在肇源松花江大桥桩基承载力试验中的应用,并取得了很好的效果.     

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.     

基于机器学习的卫星导航系统全球定位性能评估方法研究

针对卫星导航系统伪距相位、广播星历等观测数据,本文采用特征提取和模型回归等技术手段,从数据类型和观测时间两个维度寻找数据内在特征,挖掘出海量测站数据之间的特征关联,并采用机器学习方法评估卫星导航系统全球定位性能.本文所提出的评估方法在实际测站数据上进行了验证,中国及周边区域12个测站模型定位精度1-平均绝对百分比误差(mean absolute percentage error, MAPE)的均值为92.36%,最差为PTGG站,1-MAPE为89.26%;全球范围120个测站模型定位精度1-MAPE的均值为86.59%,最差为SCOR站,1-MAPE为81.46%,与传统数理统计框架下得到的实测值较为吻合.实验结果表明：基于机器学习模型评估卫星导航定位性能的方法可行有效,机器学习模型在大数据统计分析中具有强评估能力和高泛化性,突破了现仅用传统数理统计的全球定位性能评估思路.