Foreword

Ocean circulation in the Yellow and East China Seas is very rich in mesoscale phenomena, such as eddies, fronts, upwellings, river plumes, etc. Among others, having drawn tremendous attention from oceanographic community in the past for nearly 50 years are mainly the Yellow Sea Cold Water Mass (YSCWM) and its related circulation, the Yellow Sea Warm Current (YSWC), the East China Sea     

中国及邻区地震的天文潮汐触发特征研究—附加潮汐应力对发震断层的作用模式及其应用

本文在潮汐应力、构造应力、地震断层和岩石破裂滑动理论的基础上，建立了潮汐应力对地震断层作用的力学模式，该模式将潮汐应力与地震应力作用相结合，描述了沿地震主压应力和地震主张应务方向的附加潮汐应力对发震断层的力学作用方式，从而切入潮汐应力触发地震的物理机制，认为潮汐对地震的触发作用在实质上归结为潮汐应力对地震断层的促滑作用，这种促滑作用分增压型和减压型。在此模式基础上，对中国大陆及邻区的不同类型地震的潮汐触发性进行了研究，内容包括：计算了中国及邻区一千多个地震震源处沿主压应力P轴和主张应力T轴方向的附加潮汐应力分量，分析了这些量对发震断层的作用方式，按纬度区域统计了受到潮汐应力促滑作用的发震断层类型以及它们与潮汐应力作用方式的关系，得到了如下结论：受到潮汐应力促滑作用的发震断层的比例随区域纬度增加有减小趋势，其中，走滑型断层的比例在低纬区较大，而倾滑斜型断层的比例在中高纬度区较大；对整个统计区域而言，受增压型潮汐应力促滑作用的发震断层数比例大于受减压型潮汐应力促滑作用的发震断层；对不同的纬度区域，不同的潮汐应力作用方式与之促滑的发震断层类型也有不同的分布特征。最后，本文将中国及邻区受到潮汐触发作用的地震按构造应力区域划分，计算了这些地震发震时刻的日月位置参数，得到了各构造区域上具有潮汐触发物理机制的地震发震时的日、月位置参数分布图象。     

地壳对海洋潮汐的响应

应用三维动态有限元方法研究了中国北部地区的地壳对邻近的渤海与黄海海平面变化的响应。虽然此应力场过于微弱不足以引发地震，但发现应力集中的位置及应力场变化较大的位置恰好与某些现代地震的震中一致。这一结果表明研究地壳对广泛分布的载荷的响应对研究区域地震构造是有帮助的。     

液核地球自转速率变化的带谐潮效应Ⅱ--数值计算与比较

地球自转速率的潮汐变化可由无量纲参数k/cm)(k和cm分别为壳幔的有效Love数和有效极转动惯量)来表征。对于一个具有弹性地幔、平衡海潮和核幔不耦合的地球k/cm=0.944,且与潮波频率无关。海潮的非平衡扰动使k/cm为复数,且与频率有关。大气对自转速率有效勒夫数的贡献约为Δkat=0.0075。同时地幔滞弹性对勒夫数也产生扰动。利用本文得到的理论公式和最新的潮汐数据计算了地球自转速率的潮汐变化,及其有关地球物理机制的影响。     

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.