一次强降水过程TWP16风廓线雷达资料分析

利用TWP16风廓线雷达资料,对2019年8月10—15日"利奇马"台风在辽宁盘锦登陆引发的强降水天气过程进行诊断分析.结果表明,风廓线雷达资料从时间和空间上能准确清晰地对这次强降水的天气系统变化过程进行连续监测.对流层中下层径向速度大于9 m/s(极值为11.2 m/s)、SNR大于55 dB(极值为70 dB)、Cn2大于1.0×10–10、速度谱宽大于2.5 m/s是强降水发生发展阶段,整个大气层垂直风场运动与降水过程有着较好的对应关系.对流中下层垂直下沉速度数值越大,降水越强,SNR能够很好地揭示强降水发生、发展、结束时雷达接收到目标散射信号的强弱,Cn2最大值1.0×10–10出现的最大探测高度和持续时间与降水有密切的关系.降雨不同高度层内,速度谱宽与其降雨量存在着显著的线性关系,即降雨强度越强,速度谱宽数值越大,反之利用速度谱宽的变化趋势可以得到降水强的变化趋势.研究结果揭示了风廓线雷达水平风廓线、径向速度、SNR、速度谱宽与降雨强度之间的内在联系,为风廓线雷达应用在降雨天气监测提供了参考.     

受火约束钢梁在升温段和降温段行为的理论分析(Ⅱ)

通过约束钢梁抗火试验结果与笔者提出的理论方法结果的比较,验证了升温段理论分析方法的正确性。在降温段,采用本文方法所得结果与其他理论所得结果也很相近。采用笔者提出的理论方法对约束钢梁进行了参数分析,研究了约束钢梁的轴向约束刚度、转动约束刚度、荷载比、梁的高跨比、钢材屈服、荷载作用类型和截面温度分布等因素对受火约束钢梁在升温段和降温段的影响。研究表明,上述因素,尤其是梁的荷载比、轴向约束刚度和高跨比等对约束钢梁在火灾升温段的行为有很大影响;在降温段,由于梁的收缩受到约束,引起很大的轴向拉力,轴向力的大小除了与梁的荷载比、轴向约束刚度有关外,还与梁所经历的最高温度有关。     

风廓线雷达在北京地区一次强沙尘天气分析中的应用

基于北京地区逐小时风廓线雷达数据、大气成分观测数据以及地面常规观测资料对2017年5月3~7日一次沙尘天气过程进行了研究.结果表明：受蒙古气旋影响,全国多地出现空气质量严重污染,其中北京PM₁₀浓度达到严重污染级别时间超过30h.通过对边界层内水平风场、垂直速度以及大气折射率结构常数等要素进行分析,研究发现沙尘爆发前,边界层内出现平均风速达到14.8m/s的西北急流核,该急流核的建立有利于将高层沙尘粒子向近地面传输,而沙尘爆发阶段边界层通风量较前期增加31.6%,中低层的通风量逐渐占据主导地位,使近地面PM₁₀浓度出现爆发性增长.此外,整个沙尘天气过程中,以弱下沉运动为主,垂直速度在1m/s以下,而沙尘天气爆发前,边界层内出现强烈垂直下沉运动,达到5.3m/s.同时,大气折射率结构常数出现1.0×10^-16的高值中心.二者均先于地面污染物浓度的变化,预报时间提前量为8~9h,可为今后沙尘预报提供一定参考.     

ICP-AES法多条谱线测定环境土壤中钒

选用钒的5条特征谱线用电感耦合-等离子发射光谱(ICP-AES)法测定环境土壤中的钒含量,运用干扰系数法对多个土壤标样和样品测定结果进行干扰校正,干扰系数用多个土壤标样的标准值和测定值的最小二乘法来确定.结果表明,未进行校正时,7个土壤标样5条特征谱线测定原始结果和标准值相差较大,不在标准值的范围内;校正后,土壤标样的311.071 nm.波长与309.311 nm波长谱线测定结果的均值在范围之内,且干扰系数为1.015(约等于1),不需折算,波长311.071 nm也在保证值范围内(校正系数为1.184).对土壤样品进行测定,5条谱线测试结果一致性好,相对标准偏差为2.2％～10.4％,平行相对偏差为0.3％～3.3％,加标回收率为88.4％ ～ 111.4％.建议用ICP-AES法对环境土壤中的钒测定时,选用波长311.071 nm谱线并用干扰系数法进行校正(系数为1.184),或用波长311.071 nm与309.311 nm谱线测定均值作为测定结果.     

低压电力线通信信道的多径效应分析

针对低压电力线信道的多径衰减效应,在分析低压电力线信道噪声、衰减和多径特性的基础上,提出采用分集技术降低通信系统误码率的解决方案,并使用矩阵实验对其模型进行仿真验证。仿真结果表明:最小频移键控的电力通信系统采用分集技术可抵抗多径效应。     

公路小半径曲线路段驾驶人焦虑水平模型

为提高双车道公路小半径曲线路段(SCCR)的交通安全监测水平，利用量表测试与驾驶模拟试验，实现驾驶人弯道焦虑水平的量化评测，定量刻画驾驶人弯道焦虑水平与行车安全特征量之间的关系；通过统计分析焦虑驾驶行为，运用Spearman分析法，筛选影响焦虑水平的关键行车安全特征量；综合道路线形条件、驾驶人个体特征和驾驶操作行为特性等行车安全特征因子，采用径向基神经网络(RBFNN)建立多因素驾驶人焦虑水平预测模型。结果表明：弯道焦虑水平与驾龄、年龄呈显著负相关，与车速、侧向偏移量、转角变异系数以及曲线半径之间存在着较为显著的负相关性(显著性概率p值<0.01);通过验证，基于RBFNN的驾驶人焦虑水平预测模型判别精度可达73.7%;转角变异系数、年龄、驾龄是影响驾驶人焦虑水平的重要因素，其重要度依次为100%、93.3%、90.7%。研究结果可为双车道公路SCCR驾驶焦虑水平监测、交通安全维护等方面提供理论支撑。