基于熵值法和突变级数法的泥石流易损度评价     

王雪冬  叶果  李世宇  张晓军  李小龙 《地质与资源》2019,28(5):493

泥石流易损度（危害性）评价是泥石流风险评估的重要组成部分.结合熵值法和突变理论的泥石流易损度评价方法，采用客观的熵值法判断指标间相对重要程度，利用突变级数法计算突变级数值进行评价，方法理论基础牢固且避免了确定指标权重值的弊端.以吉林省和龙市地质灾害调查与区划中的10条泥石流易损度评价实例进行验证，结果表明：数据获取、标准化和评价过程简便，易损度等级以轻度和中度为主的评价结果符合实际情况，该方法经过完善指标体系后可更加合理地应用于实际工作中.因此，基于熵值法和突变理论的泥石流易损度评价方法是可行的、可靠的.  相似文献   

The effects of simulated inundation duration and frequency on litter decomposition: A one-year experiment     

《Limnologica》2019

There is major uncertainty in the responses of litter decomposition to the inundation regimes in field studies, mainly because of the difficulties in identification of the individual effect of duration and frequency using field studies alone. The interactive role of inundation regime and litter quality also remains unclear. The responses of mass loss to simulated inundation regime (duration and frequency) and litter quality were investigated in leaves of Carex brevicuspis and leaves and stems of Miscanthus sacchariflorus from Dongting Lake, China. Three litter types differing in litter quality were incubated under seven different inundations over 360 days (three single inundations of 90, 180, and 360 days; three repeated 180-day inundations of 2, 3, and 6 times; and no inundations) in a pond near Dongting Lake. Initial N and P contents were highest in C. brevicuspis leaves, intermediate in M. sacchariflorus leaves, and lowest in M. sacchariflorus stems, whereas the organic C, cellulose, and lignin contents were ranked in the opposite order among the three litter types. Decomposition rate was highest in M. sacchariflorus leaves (0.00222–0.00900 day⁻¹), intermediate in C. brevicuspis leaves (0.00135–0.00500 day⁻¹), and lowest in M. sacchariflorus stems (0.00080–0.00100 day⁻¹). The decomposition rate of both C. brevicuspis and M. sacchariflorus leaves increased with increasing inundation duration or decreasing frequency. However, both duration and frequency of inundation had no effect on decomposition of M. sacchariflorus stems. At the end of the incubation, N mineralization was complete in leaf litters with increasing rates with increasing inundation duration or decreasing inundation frequency, but accumulation was found in M. sacchariflorus stems. Organic C decayed quickly in both leaf litters compared with the stem litter. These data indicate that inundation regime has no effect on the decomposition of refractory stem litter while prolonged and stable inundation stimulates the degradation of labile leaf litter.  相似文献   

北天山中段时变重力场离散小波多尺度分解     

陈丽  艾力夏提·玉山  朱治国  李瑞 《中国地震》2020,36(4):935-944

利用北天山地区2016～2019年观测的4期流动重力观测资料，分析研究一年尺度的重力场动态变化特征，并利用小波分析方法，将不同场源深度的重力异常进行分离。通过功率谱分析，获取各阶小波重力细节对应的场源深度。研究结果表明，2017年8月9日精河M_S6.6地震前，震中位于负值集中区，四阶小波重力细节显示震中附近出现明显的四象限分布；2020年1月16日库车M_S5.6地震前，震中位于负值区，小波重力细节整体量值较小；功率谱估算的场源近似深度与2次地震的震源深度相近。  相似文献   

GBW10010a大米标准物质复(研)制及数据特征     

杨榕  顾铁新  潘含江  刘妹  周国华 《岩矿测试》2020,39(6):866-877

随着我国对生态文明建设的重视，自然资源综合调查势在必行，对生物标准物质亦提出了新的需求。当前相关调研工作已经大面积开展，自然资源综合调查、农产品与食品安全评价都需要对生物样品元素组成进行准确测试，需要以生物标准物质作为生物成分测试量值比对和溯源的基础，因此对生物基体标准物质的需求量大幅增加。大米作为主要粮食之一，其食品安全日益受到重视，对大米中的化学成分进行准确的分析测试具有重要的现实意义，因而对大米标准物质的需求量尤为突出，但目前大米成分分析标准物质已供不应求。本文严格按照《标准物质定值的通用原则及统计学原理》（JJF 1343—2012）和《地质分析标准物质的研制》（JJF 1646—2017）等相关规范要求，开展了GBW10010a大米成分分析标准物质的复（研）制工作，包括样品采集、加工制备、均匀性检验、稳定性检验、多家实验室协作定值测试及不确定度评定等关键环节。结果表明：本次复（研）制的大米标准物质定值成分多样、量值准确可靠，符合国家一级标准物质的要求。GBW10010a共定值54项主微量元素，包括Ag、Al、As、B、Ba、Be、Bi、Ca、Cd、Ce、Co、Cr、Cs、Cu、Dy、Er、Eu、Fe、Gd、Ge、Hg、Ho、K、La、Li、Ho、Mg、Mn、Mo、N、Na、Nb、Nd、Ni、P、Pb、Pr、Rb、S、Sb、Sc、Se、Si、Sm、Sr、Tb、Th、Tl、Tm、U、V、Y、Yb、Zn，其中的39项元素给出了标准值及不确定度，包括Ag、Al、As、B、Ba、Ca、Cd、Ce、Co、Cs、Cu、Dy、Er、Fe、Hg、K、Li、Mg、Mn、Mo、N、Na、Nd、Ni、P、Pb、Pr、Rb、S、Sb、Se、Si、Sm、Sr、Tb、Tl、Y、Yb、Zn；15项元素提供参考值，包括Be、Bi、Cr、Eu、Gd、Ge、Ho、Ho、La、Nb、Sc、Th、Tm、U、V。与原有GBW10010大米标准物质相比较，GBW10010a中As、Cd、Co、Cr、Cu、Hg、Mn、Mo、Ni、Zn等重金属元素含量显著下降，其中Cd、Cu、Zn降幅较大，分别下降约39%、43%、38.7%，一定程度上反映了农田生态环境的改善。本批标准物质定值元素总数量增加了6项，新增定值元素Ag、Nb（Nb给出参考值），并且各项元素不确定度范围整体上有所缩小，如Al、Cd、Cu、Fe、K、Mg、Mo、Na、P、Pb、Se、Zn等对生物易有影响的重要元素，表明了地质分析测试方法技术的进步及定值水平的提高。本批标准物质定值元素涵盖了具有生物效应的大部分主微量元素，适用于农业生态环境地球化学调查与评价、生物样品测试、农产品质量与食品安全评价样品测试时的分析仪器校正、分析方法评价和分析质量监控等多个领域。  相似文献   

利用重复测线校正海空重力仪格值及试验验证   总被引：2，自引：0，他引：2       下载免费PDF全文

黄谟涛  刘敏  邓凯亮  欧阳永忠  陆秀平  翟国君  吴太旗  陈欣 《地球物理学报》2018,61(8):3160-3169

通过分析海空重力测量系统误差的形成机理，我们发现海空重力仪格值标定误差是引起系统性测量偏差的主要因素之一.本文简要介绍了重力仪格值的标定方法，分析论证了格值标定的精度要求，提出了利用东西正反向重复测线检测校正海空重力仪格值的计算模型和补偿方法，分析讨论了该方法的校正精度及其适用条件，利用航空重力实际观测网数据对该方法的合理性和有效性进行了数值验证，证明该方法对消除海空重力测量系统性偏差具有显著作用.  相似文献   

震后建筑进度BIM估计模型改进   总被引：1，自引：0，他引：1       下载免费PDF全文

武炜  崔邯龙  张丽丽 《地震工程学报》2018,40(4):841-847

传统震后建筑进度BIM估计模型,未考虑精益管理对建筑施工的影响,造成建筑成本浪费较多,影响后期建筑施工进度。本文构建基于BIM和精益管理的震后建筑进度评估模型,根据模型细分震后建筑进度评估过程,在此基础上根据BIM实施三维算量,采用进度计划编制子模型获取各分项工程量,确定建筑施工的主要进度计划,实现对建筑进度计划的编制;通过虚拟施工和现实施工两条主线,利用进度控制子模型实现对施工状态的模拟和精益管理。以此为基础,进行挣值分析比较计划施工成本、实际施工成本和挣值曲线,获取震后建筑的施工进度与成本情况。实验结果说明,本文构建的模型可对震后建筑进度和工程成本进行精准估计,能够减少成本浪费。  相似文献   

参数带椭球约束平差算法的应用     

肖兆兵  宋迎春  谢雪梅 《大地测量与地球动力学》2018,38(9):964-967

针对实际工程应用中遇到的参数带有范围约束的情形，提出带椭球约束的平差算法，并给出其具体模型和解算步骤。数值模拟实验和病态测边网数据计算表明，在处理病态问题时，最小二乘平差（least-squares，LS）已不适用，而与岭估计、奇异值分解法（singular value decomposition，SVD）以及不等式约束相比，本文算法精度更高。  相似文献   

Hypo‐elastic and hyper‐elastic equations of soils          下载免费PDF全文

Koichi Hashiguchi 《国际地质力学数值与分析法杂志》2018,42(13):1554-1564

  相似文献   

景电灌区移民对祁连山植被恢复的相对生态价值          下载免费PDF全文

赵建林  康德奎  彭维恩  王建礼  史中兴  陈天顺  董志洋  汪杰  常兆丰 《干旱区地理》2020,43(1):182-189

近些年来，生态系统的服务价值研究已成为生态学以及生态经济学领域中的一个热点问题。祁连山被称为伸进西北干旱区的一座湿岛，在我国“一带一路”建设中占有重要地位。景电灌区兴建以来从祁连山移出了大量农牧民。那么，景电灌区移民对祁连山植被恢复的生态价值如何呢？以景电灌区移民涉及到的祁连山东端景泰、古浪、天祝3县山区为研究区，用价值工程方法对从祁连山区向景电灌区移民退耕退牧还林还草的生态价值做了分析，并与模型因子当量法的计算结果进行了比较。结果表明：祁连山向景电灌区移民退耕退牧还林还草总的生态价值为37.458 1×10⁸元。其中，退耕还林还草的生态价值为37.438 6×0⁸元，退牧后草场植被盖度增加的生态价值为194.79×104元。计算结果为用COSTANZA和谢高地模型因子当量法计算得的祁连山向景电灌区移民退耕退牧还林还草总的生态服务价值40.054 0×0⁸元的93.52%。两种方法计算结果祁连山向景电灌区移民退耕退牧还林还草总的生态价值为景电工程年总成本1.45×0⁸元的25.8~27.6倍。两种计算结果一致表明，景电灌区生态移民对祁连山植被恢复的生态价值十分突出。由此也可以看出，COSTANZA和谢高地模型因子当量法适用于祁连山的生态服务价值分析。  相似文献   

A machine learning approach for predicting computational intensity and domain decomposition in parallel geoprocessing     

Peng Yue  Fan Gao  Boyi Shangguan  Zheren Yan 《International journal of geographical information science》2020,34(11):2243-2274

ABSTRACT

High performance computing is required for fast geoprocessing of geospatial big data. Using spatial domains to represent computational intensity (CIT) and domain decomposition for parallelism are prominent strategies when designing parallel geoprocessing applications. Traditional domain decomposition is limited in evaluating the computational intensity, which often results in load imbalance and poor parallel performance. From the data science perspective, machine learning from Artificial Intelligence (AI) shows promise for better CIT evaluation. This paper proposes a machine learning approach for predicting computational intensity, followed by an optimized domain decomposition, which divides the spatial domain into balanced subdivisions based on the predicted CIT to achieve better parallel performance. The approach provides a reference framework on how various machine learning methods including feature selection and model training can be used in predicting computational intensity and optimizing parallel geoprocessing against different cases. Some comparative experiments between the approach and traditional methods were performed using the two cases, DEM generation from point clouds and spatial intersection on vector data. The results not only demonstrate the advantage of the approach, but also provide hints on how traditional GIS computation can be improved by the AI machine learning.  相似文献