浅谈“中国海监”在海洋执法监察中的法律地位

国家海洋局承担海洋监察执法管理工作已经有近二十年的历史，从执法体制、执法内容的演变，大致可以分成三个阶段。第一阶段２０世纪８０年代初～８０年代末；第二阶段８０年代末～９０年代末；第三阶段９０年代末至今。无论哪个阶段，国家海洋局作为海洋行政主管部门，在履行法律法规赋予的权力和义务时，始终有“中国海监”相伴。１９８３年３月１日我国第一部“海环法”生效之日也是“中国海监”诞生之时。不过那时的“中国海监”只是海洋执法巡航船舶、飞机乃至车辆的标识而已，并不是一级组织，更不是行政机构。令人兴奋的是１９９８年…     

一类序同态的构造

作者定义了从L_1~X到L_2~Y的映射σ,证明了σ是满足σ(x_λ~0)=σ(λ)∧σ(x_(I_1)~0)的保并映射的充要条件是σ(A)=∨g(λ)∧f(Aλ),其中f为X到L_1~Y的映射,g为L_1到L_2~Y的保并映射,且有f(X)≤g(I_1);最后证明了一类序同态的分解定理,它们是前人相应结果的推广与补充。     

重力异常垂向一阶导数的一种简便算法

利用拉格朗日插值导出了重力异常垂向一阶导数的计算公式，给出了地面以及地面之上不同高度的求导系数。该公式可以计算地面上的重力垂向一阶导数，还可以直接计算地面之上任意高度上的垂向一阶导数。鉴于该公式除系数不同外，与上延公式完全相同，因此，程序设计尤为简单。使用本公式对模型数据和实际资料进行了处理，证明了本算法的实用性。     

基于分区的局域神经网络时空建模方法研究

区域数据表现为两种尺度的空间特性:反映全局特征的空间依赖性和反映局域特征的空间波动性.空间波动性表现为空间数据在局部地区的聚集或高低交错现象.在研究区域数据时空预测性建模时,从降低数据的空间波动和不平稳性对模型预测能力的影响角度出发,提出了一种基于分区的局域神经网络时空非线性建模的思路.分区过程由基于空间邻接关系的K-means聚类算法完成.不同的分区方案通过相关性、波动性、紧凑性等指标进行评价和优选.在确定最优分区方案的基础上,对各子区分别采用两层前馈网络进行建模,模型的输入不仅要考虑本区内单元的作用,而且要考虑相邻子区的边界效应.各神经网络模型的时空预测能力通过平均相均差和动态相似率等指标进行衡量.最后,通过对法国94个县每周流感报告病例的时空建模分析表明,与全局神经网络模型相比,基于分区的局域神经网络模型具有更好的预测能力.     

基于钻孔数据的三维地质建模与可视化研究

三维地质模型能够完整准确地表达复杂地质现象的边界条件及地质体内含的各种地质构造,直观地再现地质单元的空间展布及其相互关系,最大限度地提高地质分析的直观性和准确性,因此三维地质建模已引起地质、采矿、岩土工程等诸多领域的日益重视。笔者在综合考察多种建模方法的基础上,结合工程实践,提出了一种实用的工程地质三维建模实施方法。该方法以钻孔资料和地质剖面数据为三维地质建模的源数据,允许用户手工修正模型剖面地层分界线,从而实现对建模过程的干预和控制,克服了单纯依靠钻孔数据建模结果不精确且难以修正的问题。最后,通过一个研究实例展示了该方法的实际建模效果。     

新疆南天山库车坳陷区东秋里塔格断褶带构造特征及新活动性

库车坳陷是南天山中段新构造运动异常强烈的地区,内部发育有四排近EW向展布的逆断裂-背斜带,由南天山山前向塔里木方向依次为:山麓逆断裂-背斜带;喀桑托开逆断裂-背斜带;秋里塔格逆断裂-背斜带和亚肯盲逆断裂-背斜带.东秋里塔格背斜属秋里塔格逆断裂-背斜带东段部分,其构造运动尤为强烈.研究表明:东秋里塔格背斜是浅部滑脱面与其南翼逆冲断层共同形成的断层传播-滑脱混生褶皱,背斜南翼的浅层逆冲断层和深层的断坡构造是重要孕震场所.东秋里塔格浅部背斜核部的背冲式断裂和北翼的膝折属于派生的次级构造,断裂的规模、错动量有限.东秋里塔格背斜南翼逆断层最新活动错断Ⅱ级阶地砾石层,其活动年代至少为全新世早期,这次错动在地表留有3～4 km长的古地震破裂形迹,说明断裂具粘滑运动特征.     

塔里木盆地巴楚地区中奥陶统一间房组露头礁滩复合体储层地质建模及其对塔中地区油气勘探的启示

通过1：5万礁滩复合体地质填图,在巴楚地区共发现大小不等的礁滩复合体90余个,层位为中奥陶统一间房组二段．台缘为礁滩复合体密集发育区,礁滩体规模大,台内为礁滩复合体零星发育区,礁滩体规模小。通过对6个典型礁滩复合体的解剖,研究了礁滩复合体的微相类型、组合和各微相的岩石特征、生物群落,并对其生长发育阶段进行了分析。根据6个典型礁滩复合体及礁间的大量铸体薄片鉴定和物性资料,分析了储层的特征、成因和非均质性,建立了台缘礁及礁间、台内礁及礁间2种背景条件下的储层地质模型。巴楚地区露头礁滩复合体储层地质模型对塔中地区上奥陶统良里塔格组礁滩复合体的勘探具有重要的指导意义,并为勘探实践所证实。     

地学自由曲面径向基函数网络重建的详细算法

径向基函数(RadialBasisFunction,简称RBF)神经网络是一种理想的地学离散数据网格化工具,能够适应各种不同分布形式和边界条件的数据,收敛速度较快,可以逼近任何复杂曲面。这里详细介绍了RBF神经网络的算法。适当径向基函数的形式和偏差系数是使用RBF神经网络作地学曲面重建的关键。大量的实际数据验证结果表明,当选用Gauss型径向基函数时,一般可获得比较理想的网格化效果,同时具备"曲面平滑"和"拟合度高"的特点。