“7·10”连山大桥泥石流运动特征与沟道堵溃分析

计算"7·10"四川省汶川县连山大桥泥石流运动参数,分析泥石流运动与堵溃特征,揭示"7·10"连山大桥泥石流灾害成因,为合理选择泥石流治理方案提供科学依据。通过对连山大桥泥石流灾害进行的现场勘查、泥石流运动特征参数(泥石流容重、流速、流量、一次总量及冲击力)的计算、沟道泥石流堵溃特征的分析,结果表明连山大桥泥石流为黏性泥石流,主沟泥石流流速为4.2~9.3m/s,配方法计算得到的泥石流峰值流量(41.8m~3/s)远小于形态调查法得到的流量(出山口176.4m~3/s),百年一遇泥石流一次总量为6 620m~3,块石最大冲击力为4 955kN。"7·10"连山大桥泥石流灾害主要成因为泥石流在运动过程中发生2次堵溃,泥石流流量剧增。针对连山大桥泥石流沟现状,进行泥石流工程治理和监测预警工作是十分必要的。     

喀纳斯保护区西伯利亚云杉树干液流动态变化

基于树干液流与树木蒸腾作用之间的关系,在新疆喀纳斯国家自然保护区内,采用TDP热扩散探针法连续监测了不同径级的西伯利亚云杉阳生面和阴生面的树干液流,明确不同大小的树体在参与森林水分循环中的的作用及其差异。结果表明:6—9月,西伯利亚云杉树干液流季节变化呈多峰曲线型,同一径级西伯利亚云杉树干阳生面与阴生面的液流启动时间、达到峰值时间一致; 8月份的树干液流量比其他月份的大,其大、小径级树干阳生面的最大液流速率分别是阴生面的1.45倍和1.19倍; 生长季内大径级西伯利亚云杉的总液流通量为5 974.90 kg,小径级的为1 628.71 kg; 晴天时树干液流的日变化呈多峰型,阴天时为单峰型; 夜晚时段小径级西伯利亚云杉的液流持续存在的时间较大径级的长,不同天气条件下的夜间液流主要用于树体自身夜间补水; 大径级和小径级西伯利亚云杉阳生面、阴生面的夜间液流速率分别是晴天的1.49、1.23倍和1.13、1.20倍。研究表明,影响西伯利亚云杉树干液流昼夜变化的主要因素为气温、水汽压、光合有效辐射、土壤温湿度和风速。     

基于混合校正内点法的最优潮流

提出了一种混合校正的内点法.该方法有效结合了预测校正和中心校正方式,在预测校正过程中通过动态选择校正方向在总的牛顿方向中的比例来优化搜索方向,以改善中心校正的效果,进而加快了整个算法的收敛速度.通过IEEE 57、IEEE 118、IEEE 300和3个实际系统的仿真计算表明,与多中心 校正内点法相比,此算法能以更少的迭代次数和计算时间快速收敛.此外,计算结果还表明,该算法比传统的预测 校正内点法及其衍生的内点法更具有鲁棒性.     

机械能流密度矢量

本文通过对连续媒质内机械能流转移的分析,引入机械能流密度矢量S,并讨论了机械能流在动力学系统中的一些应用。     

开孔铺面土柱入渗试验及对地表径流削减作用分析

对开孔铺面的土柱入渗试验结果是：在充分供水条件下,下渗强度和下渗量的大小与土壤性质、土壤含水量及淹水深度有关,利用试验结果对典型城市设计暴雨分析表明,开孔铺面对地表径流确有削减作用,但不同的土壤性质、土壤含水量,降雨强度、降雨历时的削减作用有显著的判别。     

基于激光雷达的移动机器人环境建模与避障

为了提高自主移动机器人运行的安全性和可靠性 ,提出了一种基于激光雷达的距离信息进行环境建模和避障的方法。首先简要描述了激光雷达的工作原理 ,比较了几类常用的激光雷达 ,并介绍了激光测量系统 ( laser measure-ment system,LMS)。然后给出了一种用于移动机器人环境建模和避障的算法 -时变势场法 ,在此基础上提出了改进算法 -多分辨率势场法 ,实验表明其性能优于原算法。最后讨论激光雷达在实际应用中的一些问题。目前 ,该方法已成功地应用于清华室外移动机器人 THMR- V     

全站仪和GPS在数字测图中的联合应用

介绍了测区概况,论述了全站仪和GPS在数字测图中联合使用的作业流程、作业方法,对两种仪器结合使用的优越性进行了分析。     

非达西渗流时一维固结方程的两种数值解法

Terzaghi一维固结理论对低渗饱和地基沉降的预测值与实际值之间存在较大误差,原因之一在于其假定地基的渗流符合Darcy定律.在采用考虑起始水力梯度的非Darcy渗流方程和承认Terzaghi一维固结理论其他假定的基础上,重新推导了饱和粘土一维固结方程,并分别给出了有限差分法和有限体积法的离散格式.对单面排水情况下渗流前锋和固结度的计算结果证明了两种数值方法的适用性,而有限体积法具有更好的收敛性.     

网络流量测量中一种分布式有效测量点选择算法

提出了一种分布式求解弱顶点覆盖集的近似算法，用于网络流量有效测量点的选择，该算法不需要维护网络拓扑的全局信息，仿真结果表明，比较现有算法，新算法能找出更小的弱顶点覆盖集，具有更好的町扩展性。     

KPCA-LSSVM方法在视频时间序列预测中应用

为提高时间序列预测精度及降低预测过程中的计算复杂度,提出一种基于核主成分分析(KPCA)与最小二乘支持向量机(LSSVM)相结合的预测方法.首先,将输入数据通过核方法映射至高维特征空间;然后,在特征空间上提取有效非线性主元;最终,通过LSSVM建立时间序列模型.为验证KPCA-LSSVM方法的有效性,将其应用于交通流及视频流预测中,在同等条件下,与单一的LSSVM及神经网络等预测方法进行比较.实验结果表明:基于KPCA-LSSVM建立的模型具有较好的推广性及较高的辨识精度.