中国海岸防护林造林地立地类型的分类

<正>海岸防护林造林地具有特殊的立地条件,其立地类型的分类是沿海造林的科学基础。我国海岸带和岛屿的造林地可采取立地类型带(亚带)、区、级、组、型的五级分类系统。海岸带(包括岛屿)造林地立地类型大尺度的分区,根据气温、水分条件、海岸类型分为7个带12个亚带55个区。级、组、型为中、小尺度的分区,根据各立地类型区的中地形、小地形、地形气候以及土壤条件等具体划分。     

细叶红锥木材物理力学性质试验

<正> 细叶红锥(Castanopsis concina auct. non(Champ.)A. DC.)是我国阔叶用材树种,木材呈红褐色,材质坚实,不易蛀蚀,可作工业用材及家具。 本实验测试了细叶红锥木材物理力学性质,并对木材密度和各种强度进行了回归分析。 一、材料与方法 在福建省南靖县南坑区采集样木9株。 9株样木共制得符合要求的物理试件161个,力学强度试件906个,共进行各项力学试验1200次、物理性质测定1479次。 二、试验结果 1.木材物理力学性质的等级 细叶红锥木材物理力学性质的试验均值见表1。 细叶红锥木材基本密度中(偏重),材性类别中(偏高)者居多,径、弦向干缩差异属中,为1.63。     

干缩法、力学法、电学法测定木材纤维饱和点的研究

<正>本文利用干缩法、力学法、电学法分别对针叶树马尾松、阔叶树钩栗的纤维饱点作了测试,得出了与经典的纤维饱和点相近的数值,并对干缩法、力学法、电学法的测试方法作了探索。通过实验曲线和理论推导得出了干缩法测定纤维饱和点的简便公式,它不仅减轻了测量的工作量,而且进一步提高了测量精度。同时,对这三种测定方法的利弊进行了较系统的分析和比较。     

峰林平原区含水层特征与地下水开发——以广西来宾峰林平原区为例

广西来宾峰林平原区的岩溶含水层具有较成熟的三元垂直分带,即浅层岩溶带、中层和深层溶洞带;浅层带岩溶发育强烈且相对均匀,管道多呈网络状发育;含水层给水度大,透水性好,疏干和补给易于实现,具有较强的调蓄水资源能力。地下水开发构想是在枯水季节抽取超过天然径流量的地下水,获得需要的灌溉水资源量;雨季通过天然回灌,把含水层重新充满。开发地下水的关键是定井技术,主要有地质分析、蓄水构造分析、物探、核技术等方法,建议地质－物探－勘探方法综合定井。平原区常用的地下水开发工程有机井、大口井、辐射井、集水槽等,建议根据不同水文地质条件合理采用。     

铁山寺国家森林公园维管植物资源调查

铁山寺国家森林公园共有维管植物约128科383属545种.其中蕨类植物8科8属8种,裸子植物6科14属20种,被子植物114科361属517种.分析了其资源特点,并对其保护管理和开发利用提出一些建议.     

基于机器学习的锚固岩质边坡变形预测

锚索锚固是一种广泛使用的边坡加固技术,锚固性能的研究是锚固的核心问题之一。利用有限差分程序建立324组物理力学参数不同的锚固边坡,组成包括锚索参数和岩土体性质参数的9维输入指标和以沉降位移和塑性区面积为输出指标的数据集,分析输入输出指标间的关系。随后用随机森林和神经网络方法学习数据并建立层状边坡变形预测模型。分析显示,边坡沉降位移和塑性区面积预测结果变化对锚索性质参数中锚索总长度变化最敏感,锚固力的变化影响最小;其次岩土体物理力学性质中边坡力学指标黏聚力、内摩擦角起主要影响作用,岩土体密度变化影响最小;对预测结果的误差分析表明随机森林变形预测模型预测准确性比BP神经网络变形预测模型高5%~10%;模型预测沉降的偏差率小于预测塑性区面积的偏差率。研究表明随机森林算法在锚固效果预测问题上更加具有适用性,通过建立预测模型可以快速预测锚固边坡沉降位移和塑性区面积,指导锚固方案优化和变形控制设计。     

基于机器学习的离港航空器滑出时间预测

准确地预测航空器的滑出时间对于提升机场场面运行安全和效率至关重要。基于机场场面运行态势分析,获得进/离港航空器滑行的时空分布特征,从而准确定义同时段离港航空器数量、进港航空器数量、起飞队列长度。基于影响因素进行相关性结论分析,构建了基于机器学习的航空器滑出时间预测模型,并使用中南某枢纽机场2周的实际运行数据对模型进行了验证。结果表明：（1）滑出时间影响因素相关性大小排序为：起飞队列长度、同时段起飞航空器数量、半小时平均滑出时间、同时段落地航空器数量、起飞使用跑道、滑出距离。（2）机器学习方法能实现对航空器滑出时间的有效预测,分类器的优劣排序为支持向量机（support vector machine,SVM）、BP（back propagation,BP）神经网络、随机森林（random forest,RF）。（3）引入弱相关的影响因素后,滑出时间预测精度会有一定程度的降低。     

基于机器学习方法的地震破坏预测

地震破坏预测研究对于建筑结构减灾规划、震前风险预测、震后应急评估有着重要意义。传统的方法因为受到震害资料数量的限制以及计算精度和能力的制约,一般基于经验只考虑少数因素对结构破坏的影响。通过使用随机森林算法,设计了一个综合考虑地震动、结构和场地等多维度信息的分类方法,用以预测建筑物的地震破坏程度。本文研究框架基于新西兰国家地震委员会所收集的27次地震详细破坏资料,处理得到14.2万条高质量建筑物损失数据,考虑了谱加速度、建筑形状、层数等16个影响因素,将4种不同的损伤状态作为模型的学习标签进行地震破坏预测训练。结果表明,随机森林算法在6种分类算法中性能最佳,经过学习曲线法调参、代价敏感学习之后,经过优化得到的随机森林模型对于测试集的整体预测精确率可以达到75.4%,对4种损伤标签的召回率分别达到了88.2%、55.0%、60.7%和70.8%,远好于其他方法。当只考虑对结果影响最重要的前12个因素,该模型的预测精度仍然能够达到73.7%。可见,基于此框架所训练的预测模型具有良好的精度与适用性,同时该框架对于中国震害资料大数据库的研究具有较高的参考价值。     

基于机器学习的低渗透砂岩聚合物驱采收率预测

在恶劣的油藏条件下,化学驱提高采收率方法的可行性主要在实验室进行,以探究化学驱方案在现场实施的可能效果,但此类实验通常昂贵且费时。为了提高筛选效率和研究变量关系,进行了3个聚合物驱油实验项目,其次通过构建14种机器学习基础模型来预测低渗透砂岩聚合物驱油实验的效率。结果表明多层感知机(MLP)、随机树(RF)和极限梯度上升(XGB)模型表现最佳,它们在测试集的确定系数均为0.99,均方根误差分别为0.855、0.836和0.859。模型表明特征重要性由强至弱依次为含水率、累积注入孔隙体积、渗透率、非均质系数、孔隙度、聚合物注入量、聚合物浓度、注入压力。本研究为室内物理低渗透砂岩聚合物驱提供了可靠的数据,给出了14种机器学习模型预测性能直接对比,建立了高拟合高泛化高稳定低误差的低渗透砂岩聚合物驱预测模型,这将有助于化学驱方案快速在低渗透储层应用,以及降低失败风险。     

首都功能核心区城市森林公园冷岛效应评价

为了研究首都功能核心区新建小型城市森林公园缓解城市热岛效应的能力,本研究以广阳谷城市森林公园为研究对象,基于RS和GIS完成了2014年、2017年和2019年公园内及周边区域的地表温度反演,同时结合长期定点监测公园内外空气温湿度,分析城市森林公园内及周边冷岛效应。结果发现：广阳谷城市森林公园建成后,在园外100米范围内有一定的降温效果。相比建成前,2017年和2019年其100米缓冲区内热岛区域占比分别减少了4.83%和1.38%,地表平均温度比核心区分别降低了0.72℃和1.15℃,说明公园建成以来,充分发挥了冷岛作用;公园内各测点在10：00-17：00的平均温度低于对照点1.65℃,公园内部的相对湿度比对照点高2.68%;3月到8月公园内各点的平均温度比对照点低0.67℃,在3月、4月、6月和7月公园内各点的平均湿度比对照点高1.82%,说明森林公园在此段时间发挥着降温增湿的作用。