德州市中心城区地下空间资源潜力研究

为合理评价德州市中心城区地下空间资源潜力,研究工作从水文及水文地质、工程地质、环境地质、生态环境保护以及人类工程活动5个方面建立了由16个评价单因子组成的地下空间开发利用潜力评价指标体系,根据层次分析法评估结果将德州市中心城区地表以下不同深度内的地下空间划分为“可充分开发”、“不可充分开发”、“慎重与限制开发”三个等级区,并结合城市建设及环境条件,基于GIS平台开展了中心城区地下空间开发利用潜力评价。研究结果能够较为准确地反映地下空间开发利用潜力状况,具有实际的应用价值,可以为政府部门的管理和决策提供信息支持。     

鹤壁市防雷业务管理系统

介绍鹤壁市防雷业务管理系统的建设目标、主要内容和功能.     

地球弓激波前的低频磁流体波

一、引言 在地球弓激波前存在着低频磁流体波。这种低频磁流体波是太阳风在地球弓激波上的反射粒子和太阳风粒子之间相互作用产生的。根据人造卫星的观测资料可以得到,在地球弓激波前,Pc3-4脉动频率范围内的低频磁流体波的主频率和行星际磁场强度     

基于分类与形态综合的高分辨率影像建筑物提取方法研究

本文提出了一种基于分类和形态综合的高分辨率影像建筑物提取方法。主要研究的是基于高分辨率影像多尺度分割的面向对象人工地物分类方法,并以此为基础提取房屋,实现房屋位置、范围的初步自动化提取。最后,对提取的地物图斑的精确边界利用Hough变换提取直线边缘轮廓线,并以此为基础进行轮廓拟合和制图综合,从而得到规则的、方形组合的建筑物形状信息。     

2022年1月8日青海门源6.9级地震前电离层异常特征分析

利用张衡一号电磁卫星朗缪尔探针观测的原位电子密度数据和等离子体分析仪观测的原位氧离子密度数据,针对2022年1月8日青海门源M_S6.9地震,分析震前电子密度和氧离子密度异常特征,并总结以往震例。结果显示,在门源M_S6.9地震前11天出现电子密度和氧离子密度高值异常;对电离层异常进行震例统计分析,发现大多数地震前6天以内出现电离层异常,且走滑型地震和逆冲型地震震前居多,讨论异常产生的机理可能为大气声重波机制和电场机制。     

河南冷水北沟铅锌矿地质地球化学特征及成因探讨

冷水北沟铅锌矿床赋存于元古界栾川群和管道口群内,矿体受断裂破碎带及矽卡岩带的控制。矿石类型可分为热液脉型和矽卡岩型,矿体围岩蚀变强烈。根据矿床地质-地球化学特征,结合矿石的矿物共生组合、铅和硫同位素组成及成矿年龄、包裹体成分及特征,认为该矿床的矿源为岩浆岩,成矿溶液主要来自岩浆水和大气降水的混合溶液,矿床成因类型属中高温条件下形成的热液脉型-矽卡岩型矿床。     

三水盆地古近系下部湖相沉积的稀土元素地球化学特征及其古气候意义

通过分析三水盆地古近系下部岩心的稀土元素丰度和分布模式,并结合其它地球化学指标(Fe/Mn, Mg/Ca),重建了古近纪早期的古气候条件。岩心中稀土元素总量（∑REE）变化于7.06~230.01 μg /g之间,平均值为142.32 μg/g。接近全球平均大陆上地壳成分（UCC）,略低于北美页岩。沉积物显示轻稀土相对富集、右倾斜型、Eu中度亏损以及Ce异常不明显的稀土元素分布模式。岩心各深度处稀土元素分布模式非常相似,且与UCC的稀土元素分布模式基本一致。表明沉积物具有较为一致的物质来源和形成机理,而且源区具有大陆上地壳性质。岩心沉积时期古气候变化经历了较为干燥—温湿—温湿与干旱气候交替出现—以温湿气候条件为主的四个阶段。总体上显示明显的变湿趋势。     

汶川特大地震汉源烈度异常原因的初步分析

远离震中的汉源县老县城在汶川大地震中遭到了严重震害,是Ⅵ度区内的唯一的Ⅷ度烈度异常区.汉源的地震烈度异常现象引起学术界的广泛关注.在汉源科学考察基础上,介绍了汉源震害情况,收集和整理了汉源县城及附近有关工程场地的强震和土体力学参数资料.通过背后山滑坡体有限元分析结果与汉源附近强震台记录的比较,从传递函数角度分析了背后山滑坡复活对烈度异常的影响,研究了汉源特殊土层结构对地震动的影响.结果表明,背后山滑坡的复活和特殊土层结构的放大作用等场地条件的影响是引起烈度异常的主要原因.所得结论对进一步分析汉源烈度异常的原因具有一定的参考价值.     

基于支持向量机回归的岩体变形模量预测

岩体变形模量是表征岩体变形特性的最重要参数之一,其获取手段有室内试验与现场试验法、经 验 关 系 法、数 值 模 拟法、人工智能预测方法等。人工智能预测方法中常用的是神经网络方法,但神经网络易陷入局部极小值和过学习而导致低精度,支持向量机回归（ＳＶＲ）方法能有效地避免神经网络的以上缺陷,并在小样本、非线性预测方面具有较大优势,但目前 ＳＶＲ 应用于岩体变形模量预测的研究较少。以某水电站坝址区英安岩的试验数据为依托,采用灰色关联分析筛选出与变形模量最相关的纵波波速作为输入变量。在此基础上,以３个国内的水电站为例,分别建立相应的以实测纵波波速作为输入变量的粒子群算法优化－支持向量机回归（ＰＳＯ－ＳＶＲ）变形模量预测模型,同时,通过与 ＢＰ神经网络（ＢＰ－ＮＮ）、ＲＢＦ神经网络（ＲＢＦ－ＮＮ）２种预测方法进行对比,对比分析表明ＳＶＲ模型具有更高的预测精度,预测效果较好,说明 ＰＳＯ－ＳＶＲ方法更适用于岩体变形模量预测。