考虑干密度影响的尾矿材料土水特征曲线模型及其应用

尾矿坝在运行过程中,堆积尾矿处于干湿交替环境,进行稳定性分析需要确定其抗剪强度和渗透系数。直接测量上述参数存在价格昂贵、耗时等缺点,而土水特征曲线是研究土的非饱和特性的重要工具。针对典型的尾矿材料,分别进行不同干密度尾矿样的脱水试验,测量不同吸力下尾矿样的含水量。在此基础上,整理得到不同干密度下尾矿样的土水特征曲线,采用Gardner模型对其进行拟合,得到考虑干密度影响的尾矿材料土水特征曲线模型。最后,将其应用于尾矿边坡的稳定性分析中,探求基质吸力对边坡稳定性的影响。研究成果可为尾矿材料的力学特性以及非饱和尾矿坝稳定性分析提供理论基础。     

武汉市耕地非农化的空间非均衡发展与空间扩散路径分析

在5 期时间跨度20 多年的武汉市土地利用数据基础上,利用ArcGIS 的空间统计和空间分析功能,拟合出武汉市耕地非农化的空间洛仑兹曲线并制作了基于耕地非农化速度分级的重心曲线,结合统计数据分析耕地非农化扩散路径及其与经济、人口重心曲线变化的相关关系。研究结果表明:①武汉市是个典型的单中心城市,其耕地分布不均衡,耕地非农化仍是在围绕城市中心进行,耕地非农化在乡镇级别上是非均衡发展的,但非均衡程度在逐年减缓;②基于耕地非农化速度分级的耕地非农化重心曲线表明,耕地非农化速度快的点到速度慢的点的密度有逐步降低的趋势,并且速度快的点到速度慢的点还有向外围扩散的趋势;③武汉市耕地非农化扩散路径、GDP重心变化路径和人口重心变化路径在移动方向上大体上都符合在南北向是向北,转而向南又复向北;而在东西向是先向西然后向东,武汉市的耕地非农化与经济和人口的相关性表明武汉市的耕地非农化在空间上是有序发展的。研究结果能较好地揭示武汉市耕地非农化的空间非均衡发展状况,实现了武汉市耕地非农化空间非均衡发展的可视化,反映了武汉市耕地非农化、经济和人口之间的关系。     

煤层自燃危险程度的灰色关联分析

将灰色关联分析法应用于煤矿自燃危险程度的评价中,全面考虑影响煤矿生产系统安全的各种因素,结合实例建立了煤矿自燃危险程度的数学模型,阐明了灰色关联分析法的原理和算法,较好地反映了评价过程和评价因素的灰色概念,为制定防范措施和管理决策提供科学依据。     

广西龙布排泥库地下水多元示踪试验研究

以具有复杂水文地质背景的广西平果铝业公司龙布排泥库为研究区．采用钼酸铵、萤光素钠和氯化锌三种试剂．综合考虑各种水文地质条件和其它影响因素．在测区48km^2范围内,布置投放点3个．接收点19个,进行地下水多元示踪试验,为该尾矿库的设计与建设提供必要的水文地质依据,分析库内与库外的地下水水力联系情况,尤其库内与布见水库的水力联系情况,并计算地下水流速,确定地下水流向的主导方向,对于评价该尾矿库对布见水库水源的污染情况具有重要意义。     

非典型约束形式下海洋平台波纹板舱室抗爆能力评估

针对非典型约束条件即底部端面梁固定约束、其他各端面梁连接约束的海洋平台关键舱室,其波纹板舱壁在油气爆炸载荷下抗爆能力研究不足,采用数值模拟方法,结合考虑材料应变率效应的实验验证,分析爆炸载荷下舱壁动力响应及破坏模式。由传统位移指标不能准确评估该模型的抗爆能力,提出基于应变的评价指标,以此建立P-I评估曲线。研究表明舱壁与底部端面梁连接部位首先达到最大破裂应变发生破裂,其为超压与冲量共同作用结果;舱室可抵抗超压40 kPa、冲量230 kPa·ms的载荷而不发生塑性变形;舱室可抵抗超压85 kPa、冲量400 kPa·ms的载荷而不发生破裂。提出的以应变为指标的P-I曲线可量化舱壁损伤评估区间,结合爆炸载荷值,准确评估舱壁抗爆能力及损伤大小,为工程人员优化舱壁抗爆能力、确定灾后控制措施提供指导。     

局部通风机实际特性的近似处理方法及应用研究

针对目前局部风机特性曲线很难得到或应用而导致局部通风研究受限问题,提出一种根据局部风机风量及风压范围近似求解风机特性曲线的方法。该方法采用一次线性插值函数代替风机特性曲线函数,结合风阻特性曲线得到风机工况。基于该方法可进行局部风机选型或预测既定型号风机工况点及风筒出口风量,同时可确定长距离掘进通风中钻孔通风有效风量与钻孔长度、直径的关系,也可确定风库中转位置与风筒长度的关系。应用分析结果表明:用一次函数代替稳定区域风机特性曲线函数不仅简单方便,结果较精确,且方法可靠、实用性高。     

灰色关联分析在矿山安全评价中的应用

寻求并建立科学、合理的矿山安全评价模型,并与实际生产相结合,是矿山安全管理与控制的关键问题,也是安全技术及工程学院投入大量的人力和物力进行研究的重要领域。根据矿山灾害系统的结构特点,应用灰色系统理论对矿山系统的安全状况进行评价,及时了解矿山安全生产的动态,可使矿山的技术和管理部门有针对性地采取措施,达到安全生产的目的。     

九龙江流域经济发展与河流水质时空关联分析

以闽西南地区的九龙江流域为例,综合采用数理统计、GIS技术和环境库兹涅茨曲线（EKC）方法,对该流域1981—2009年经济发展与河流水质变化进行时空关联分析。结果表明,九龙江流域呈现＂第1产业缓增,第2、3产业产值增加较快＂的总体经济格局,农业污染突出;农业种植面积呈现先增加后减少趋势,流域氮、磷肥平均施用强度呈线性增加趋势;氮、磷肥平均折纯施用量之比从1981年的4∶1下降到2009年的2∶1,引起水化学改变并增加水华发生风险;各县（市、区）污染源结构存在明显差异,河流水质变化和沿程分布与流域社会经济布局有很好的空间相关性;北溪流域畜禽养殖业的过快发展、西溪流域以经济作物为主的农业种植结构和高强度施肥、低效率利用是导致河流水质从20世纪90年代开始富营养化的主要原因;EKC曲线尚未出现明显拐点,若农业污染不能得到有效控制,流域水环境将持续恶化;九龙江水质演变规律是流域社会经济布局、污染源排放强度和方式发生变化的综合作用结果。     

The effect of species response form on species distribution model prediction and inference

Ecological theory and current evidence support the validity of various species response curves according to a variety of environmental gradients. Various methods have been developed for building species distribution models but it is not well known how these methods perform under various assumptions about the form of the underlying species response. It is also not well known how spatial correlation in species occurrence affects model performance. These effects were investigated by applying an environmental envelope method (BIOCLIM) and three regression-based methods: logistic regression (LR), generalized additive modelling (GAM), and classification and regression tree (CART) to simulated species occurrence data. Each simulated species was constructed as a sum of responses with varying weights. Three basic species response curves were assumed: Gaussian (bell-shaped), Beta (skew) and linear. The two non-linear responses conform to standard ecological niche theory. All three responses were applied in turn to three simulated environmental variables, each with varying degrees of spatial autocorrelation. GAM produced the most consistent model performance over all forms of simulated species response. BIOCLIM and CART were inclined to underrate the performance of variables with a linear response. BIOCLIM was less sensitive to data density. LR was susceptible to model misspecification. The use of a linear function in LR underestimated the performance of variables with non-linear species response and contributed to increased spatial autocorrelation in model residuals. Omission of important environmental variables with non-linear species response also contributed to increased spatial autocorrelation in model residuals. Adding a spatial autocovariate term to the LR model (autologistic model) reduced the spatial autocorrelation and improved model performance, but did not correct the misidentification of the dominant environmental determinant. This is to be expected since the autologistic approach was designed primarily for prediction and not for inference. Given that various forms of species response to environmental determinants arise commonly in nature: (1) higher order functions should always be tested when applying LR in modelling species distribution; (2) spatial autocorrelation in species distribution model residuals can indicate that environmental determinants with non-linear response are missing from the model; and (3) deficiencies in LR model performance due to model misspecification can be addressed by adding a spatial autocovariate to the model, but care should be taken when interpreting the coefficients of the model parameters.