简介:2014年11月,由中国地质大学、河南省地质调查院、栾川县人民政府三方共建的栾川矿产资源与地质环境产学研基地正式揭牌,它将成为“紧缺矿产资源勘查协同创新中心”协同相关科研机构、高校、企业等合作开展基础地质调查与研究、地质找矿与开发、地质环境调查评价与治理规划的重要平台,也是我国地质勘查领域实现地质调查成果转化、培养地质科技领军人才的重要平台,其牵头单位是中国地质大学(武汉),核心协同单位包括中国地质大学(北京)、中国地质调查局、中国地质科学院等,主要参与单位包括中国科学院地球化学研究所、中国黄金集团公司、中国铝业集团公司等。
简介:中国西部复杂山地是地震勘探的难点区域,地表和地下都复杂,从而导致地表激发困难,地震资料干扰严重、信噪比低。地下构造形态复杂,导致反射点分散严重,前人尝试过弯线采集,但很少考虑地下实际构造特征。本文章提出基于CRP的不规则采集设计方法,使地表避开难以激发的区域,地下考虑构造特征及CRP点分布位置,优化地表接收线位置,通过地表有目的布置接收点位置,最大程度的保证地下CRP点不分散,从而提高地震数据的信噪比.并以四川盆地某工地的实际资料通过模型数据验证了方法的合理性与可行性。表明该方法能够解决复杂地区地震采集存在的部分难题,为复杂地区的地震勘探采集提供一个新的思路。
简介:摘要文章首先通过隧道裂缝类型进行了阐述,接着对隧道二次衬砌开裂原因进行了细致的分析,最后重点探讨了防止隧道二衬砼开裂的对策。
简介:摘要三维激光扫描数据往往是多站测量得到的,必须要对数据进行数据配准。在数据配准中,要对相邻测站之间进行坐标转换。提取两个测站点云之间的公共点坐标,通过七参数法进行坐标转换。分别用最小二乘和整体最小二乘法进行平差计算,对各自结果进行比较,并进行精度评定。最小二乘中,加权比等权精度高,但整体最小二乘的精度比最小二乘高。
简介:中国西部复杂山地是地震勘探的难点区域,地表和地下都复杂,从而导致地表激发困难,地震资料干扰严重、信噪比低。地下构造形态复杂,导致反射点分散严重,前人尝试过弯线采集,但很少考虑地下实际构造特征。本文章提出基于CRP的不规则采集设计方法,使地表避开难以激发的区域,地下考虑构造特征及CRP点分布位置,优化地表接收线位置,通过地表有目的布置接收点位置,最大程度的保证地下CRP点不分散,从而提高地震数据的信噪比.并以四川盆地某工地的实际资料通过模型数据验证了方法的合理性与可行性。表明该方法能够解决复杂地区地震采集存在的部分难题,为复杂地区的地震勘探采集提供一个新的思路。
简介:首先对海洋测量交叉点误差分析中系统误差分析进行了回顾,指出系统误差分析是一个模型选择和模型参数估计的双重问题,而传统方法中大多仅涉及了后者而忽略了前者。然后对常用的三种模型选择方法,即假设检验、交叉检核、基于信息论的方法,进行了分析和比较,指出后者更具优越性。最后对以Akaike信息量准则为核心的基于信息论的模型选择方法进行了介绍,给出了Akaike信息量准则的计算公式,比较了同其他模型选择方法的关系,并介绍了基于该准则的模型平均方法和模型选择不确定性评估方法。
简介:频率域全波形反演充分利用全波场的振幅、相位以及频率信息,采用较少的频率便能反演得到精度很高的速度模型。本文以有限单元法为基础,对起伏地形条件下二维声波频率域全波形反演进行了研究。在正演算法中,针对截断边界问题,并考虑多频率联合反演中计算区域采用同一套剖分网格的需求,提出了一种适用于起伏地形的衰减边界条件算法。该算法的核心思想是在控制方程波数项中引入衰减因子,通过一定方式调节衰减因子使得声波在衰减层中充分衰减,达到压制截断边界影响的目的。根据指数衰减规律,文中推导出了一种新的衰减因子计算公式,并给出了不同频率条件下衰减层厚度计算公式;在反演算法中,采用共轭梯度法求解高斯牛顿反演迭代方程组,避免直接求解雅克比矩阵和Hessian矩阵带来的巨额计算量,并采用相同的反演模型,对比分析了不同初始模型和频率组合对全波形反演结果的影响。起伏地形模型数值模拟和全波形反演数值试验表明,本文提出的指数衰减边界条件算法和基于该算法的全波形反演算法具有很好的应用效果。
简介:利用1951~2011年中国160个气象站逐月降水、温度、74项环流指数和NCEP再分析海表温度资料,采用偏最小二乘回归(PLSR)方法,结合均生函数构造预报量周期性因子,建立辽宁省汛期平均降水量及其5站(沈阳、朝阳、营口、丹东和大连)汛期降水量预测模型,并进行预测效果检验分析。结果表明:采用均生函数构造预报量周期性因子,在一定程度上弥补了气候预测统计模型高相关性因子的不足,从而使辽宁汛期平均降水量PLSR模型的试报均方根误差降低约10mm。PLSR模型由于较好地解决了预报因子之间的多重相关性问题,其预测效果较逐步回归模型有明显提高,对2002~2011年辽宁5站汛期降水量试报的Ps评分平均值为72.6%,比逐步回归模型提高了10.3%。