连续台风时期香港区域的水汽变化分析

利用香港卫星定位参考站网GNSS观测数据,提取强热带风暴"塔拉斯"与热带风暴"洛克"影响期间各测站天顶方向对流层延迟,反演香港区域大气可降水量;根据香港区域49个天文台气象站提供的实测降雨量数据,分析大气可降水量与实际降雨量的相关性,以及两次台风对香港区域水汽时空分布的不同影响。结果表明,大气可降水量在台风影响前期均上升,在大量降雨后回落,但在连续台风的间歇期间,仍高于台风来临前的水平;水汽累积是大量降雨的前提条件,当水汽累积量相近时,水汽累积时长与累积降雨量呈正相关;台风期间大气可降水量值超过65 mm的区域面积与台风等级相关,台风路径对局部水汽分布有一定的影响。     

平衡剖面的制作流程及其地质意义

平衡剖面技术是地质思维和计算机技术的结晶,使对断层构造的研究提高到定量阶段,其依据是在垂直构造走向的剖面上,地层长度和面积(2D)或体积(3D)是均衡的。在此原理基础上利用数学手段对盆地的构造发育史进行正演和反演模拟,直观地再现地下构造的原始几何形态,迅速提供地震剖面的构造解释方案,并对解释结果进行检验(不平衡的剖面其解释一般有问题),为深刻认识构造发育史、分析油气运移及聚集规律提供依据,提高了工作效率。其结果也为盆地模拟、油藏模拟、定量计算构造伸缩量等地质研究打下了坚实的基础[1]。     

GDJ人卫目视观测数据采集和处理系统的研制

本文介绍了ＧＤＪ跟踪打印经纬仪在人造卫星的观测中如何应用计算机对多圈卫星的目视观测资料进行实时采集、处理等工作过程的原理和方法。     

流星暴的航天定义

定义ZHR^*以每小时穿过1000平方公里天顶截面的，能在铝质表面打出直径不小于1厘米的弹坑的流星体数，作为流星群对航天安全威胁强度的定量标志，给出了从ZHR到ZHR^*的换算公式．用ZHR^*取代ZHR来评价20世纪90年代以来的一些强流星雨，发现1998年的贾可比尼(天龙座)流星雨对航天安全来说，是比公认的1999、2001、2002年3次狮子座流星暴强数倍的更强流星暴．     

奎屯河山前扇形地的地质灾害分析

奎屯河山前扇形地(简称奎屯扇形地)特有的自然地理条件,存在地震、洪水、泥石流、滑坡、崩塌和尘暴等多种地质灾害,并具有特殊的发生规律和表现形式,本文通过调查研究对地段性的地质灾害活动进行了分析、评价,初步提出有方向性的躲避和有目标性的抗灾.以及主动控制的治理措施.     

钼都矿业好当家——记栾川县地矿局党组书记、局长王学

栾川是个矿业大县,以其丰富的钼矿资源而享有"中国钼都"的称号.矿山企业多就意味着监管难度大,工作不容易做好.然而,从2003年以来,栾川县地矿局先后被上级授予"市级文明单位"、"整顿和规范矿产资源开发秩序先进单位"、"市依法行政先进单位"、"党风廉政先进单位"等20多项荣誉称号.     

亚毫米波射电天文用超导SIS接收机的研制(英文)

为了研制亚毫米波射电天文用超导SIS(超导 -绝缘体 -超导 )接收机 ,我们重点开展了如下研究 ,1 )Nb超导SIS结在其能隙频率附近的量子混频特性 ,及其结合高能隙超导薄膜 (NbTiN)和高电导率金属薄膜 (Al)分布结阵在 780 - 950GHz频率区间的量子混频特性 ;2 )亚毫米波超导混频器嵌入阻抗的数值和实验表征 ;3)高电流密度小面积Nb超导SIS结的制备和特性表征 ;4)一个 60 0 - 72 0GHz超导SIS混频器的研制和特性表征。本文详细介绍了相关的数值分析和实验测量结果。     

SIMULATION AND PREDICTION OF DEBRIS FLOW USING ARTIFICIAL NEURAL NETWORK

Debris flow is one of the most destructive phenomena of natural hazards. Recently, major natural haz-ard, claiming human lives and assets, is due to debris flow in the world. Several practical methods for forecasting de-bris flow have been proposed, however, the accuracy of these methods is not high enough for practical use because of the stochastic and non-linear characteristics of debris flow. Artificial neural network has proven to be feasible and use-fill in developing models for nonlinear systems. On the other hand, predicting the future behavior based on a time se-ries of collected historical data is also an important tool in many scientific applications. In this study we present a three-layer feed-forward neural network model to forecast surge of debris flow according to the time series data collect-ed in the Jiangjia Ravine, situated in north part of Yunnan Province of China. The simulation and prediction of debris flow using the proposed approach shows this model is feasible, however, further studies are needed.