紫金山铜矿受控定向钻探试验及其应用效果

摘要在紫金山矿区应用受控定向钻探技术,可避免悬崖陡壁施工困难,解决深孔防斜保直问题。本文简述该矿区受控定向钻探试验情况及其取得的主要成果:分枝孔孔深930.21 m,钻孔实际轴线与设计轨迹总体吻合,在928 m处中靶点偏离设计1.245m;岩矿心采取率95％以上;总体经济效益超10万元。在工艺方面,应用回避小顶角定向方法和不停泵倒杆技术,设计推、扩组合钻具,均取得实际效果。     

热带大西洋年际和年代际变率的时空结构模拟

使用美国夏威夷大学发展的中等复杂程度海洋模式(IOM)在给定表面强迫条件下模拟了热带大西洋上层海洋年际和年代际变率的时空结构.利用NCEP的41a(1958～1998年)逐月平均表面资料作为强迫场,积分海洋模式41a作为控制试验,并利用模式分别做动量(风应力)通量和热量通量无异常变化的平行试验,与控制试验作比较.对3组试验模拟上层海洋变率状况的比较,并按年际和年代际时间尺度分别分析,揭示表面风应力和热通量异常对海表面温度和温跃层深度变化的影响,并比较了其影响的相对重要性.结果表明模式成功地模拟出了热带大西洋上层海洋的变率.模式模拟的海表面温度年际变化主要表现为弱ENSO型,年代际变化表现为南、北大西洋变化相反的偶极子型.在年际时间尺度上,热力强迫和动力强迫对海表温度变化都有贡献,其中赤道外海表面温度异常(SSTA)变化主要由热通量异常引起,而近赤道SSTA的变化主要由动量异常强迫引起.在年代际时间尺度上,热通量强迫的作用远比动量强迫重要.模式不仅能够模拟SST在年际和年代际时间尺度上的变率,还能够模拟温跃层深度在年际和年代际时间尺度上的变率.年际和年代际时间尺度上,温跃层深度的变率主要由动量异常决定,热通量异常强迫的贡献很小.     

基于应变模态法识别刚架桥梁的损伤

基于应变模态方法，对刚架桥的损伤识别进行了研究。通过对某刚架桥在不同损伤工况下的数值仿真计算，探讨了应变模态方法用于刚架桥损伤识别的能力。计算结果表明：利用应变模态差曲线能比较准确地识别出刚架桥的损伤位置；应变模态差曲线在刚架桥损伤单元处的跳跃幅值随单元损伤程度的增加而增大，依此可定性地识别出刚架桥的损伤程度。     

HHT方法在地震工程中的应用之初步探讨

详细介绍了一种新的非线性、非平稳信号的处理方法-HHT，讨论了其有效性和优越性，简单介绍了其在地震工程中的应用前景，并利用HHT处理了地震工程中常用El Centro地震记录，得到了该记录的振幅-频率-时间分布特性，并将得到的边际谱与傅立叶谱做了对比。     

高耸塔架结构节点损伤基于神经网络的两步诊断法

本文针对高耸钢塔架结构的损伤特点，建立了具有节点损伤的有限元模型，提出了一种分层神经网络两步诊断法：第一步，由基于区域残余力理论的第一层神经网络进行结构损伤区域的初诊；第二步，由基于应变模态理论的第二层神经网络进行损伤区域内的具体损伤节点位置和程度的诊断。对一平面塔架结构的数值仿真分析表明：本文提出的损伤诊断方法的结果是令人满意的。     

基于灵敏度分析的结构损伤识别中的传感器优化配置

本文提出了结构损伤识别中的传感器测点优化配置的方法。该方法是通过仅考虑结构刚度变化的结构特征灵敏度分析，以结构各自由度的损伤信息为条件，计算出结构的Fisher信息阵，并且考虑到Fisher信息阵的逆阵可能不存在，而将Fisher信息阵对应于每个自由度进行分解，通过计算每个分解的Fisher信息阵的迹而确定每个自由度含有的损伤信息的多少，从而从结构的全部自由度中去掉那些含损伤信息少的自由度。建立直接利用结构不完整的实测模态来定位结构的损伤，避免结构模态扩阶带来不必要的误差。最后，通过数值算例表明，该方法能有效地识别出结构的损伤。     

振动模态控制反馈增益的一个解析解

详细研究了结构振动模态控制中反馈增益的解析解，数值模拟表明，解析解具有计算精度高，计算时间短，控制效果显著的特点。     

基于复模态的有限元模型修正算法

针对地下结构地震响应分析中无限地基辐射阻尼问题，引入复模态情况下的具有非简化的堆积阻尼矩阵的阻尼模型，并针对具有集中质量阵的阻尼模型提出了合并与质量有关的阻尼和堆积阻尼的思想，并据此提出了一种修正此类有限元模型的两步法，首先从复模态参数中提取实模态参数，采用基于模态残余力的识别算法修正刚度矩阵，然后根据复模态参数和已得的刚度矩阵来识别阻尼模型中的刚度参与系数和质量阻尼堆积阻尼联合矩阵。     

受控定向钻进技术在福建马坑矿区的应用

重点介绍了福建马坑矿区ZK8321分支孔受控定向钻进技术。施工中运用了国内先进的螺杆钻造斜技术及光纤陀螺测量定向技术,避开上部复杂孔段（松散破碎层、溶洞地层、采空区等）及对勘探工作的影响,达到了施工目的;总结了施工技术难点与措施,分析了施工技术效果,积累了宝贵的施工经验。     

基于优化经验模态分解和聚类分析的滑坡位移智能预测研究

针对三峡库区"阶跃式"滑坡的变形特征,提出了一种新的滑坡位移预测方法。以白水河滑坡ZG118和XD-01监测点位移数据为例,采用基于软筛分停止准则的经验模态分解(SSSC-EMD)将累计位移-时间曲线和影响因子时间序列自适应地分解为多个固有模态函数(IMF),并采用K均值(K-Means)聚类法对其进行聚类累加,得到有物理含义的位移分量(趋势性位移、周期性位移以及随机性位移)和影响因子分量(高频影响因子和低频影响因子)。使用最小二乘法对趋势性位移进行拟合预测;采用果蝇优化-最小二乘支持向量机(FOA-LSSVM)模型对周期性位移和随机性位移进行预测。将各位移分量预测值进行叠加处理,实现滑坡累计位移的预测。研究结果表明,所提出的(SSSC-EMD)-K-Means-(FOA-LSSVM)模型能够预测"阶跃式"滑坡的位移变化规律,且预测精度高于传统的支持向量机回归(SVR)、最小二乘支持向量机(LSSVM)模型;并通过改变训练集长度,进行单因素分析,发现其与预测精度之间呈正相关关系。