安徽张八岭地区构造演化及动力学

对张八岭地区的构造特征、演化及其动力学有不同解释。通过1：5万张八岭幅、珠龙幅区域地质调查．从地层、岩石组合、岩石化学、岩浆岩、构造变形和变质等研究认为．该区从中新元古代起，经历了成谷、沉积．下沉、顺层剪切、深部熔融、塑性流动、层间褶皱．叠加折劈、宽缓褶曲、逆掩推覆，壳层滑动、熔融成浆、聚浆热隆、侵入或喷发．剥蚀夷平、堆积充填等铸成现今地貌景观．引起上述构造特征和演化的动力源自重力、热力和地球自转速率变化的惯性离心力等的结合与转化，它们在每个阶段各自所起的作用不同，就产生不同构造特征，推动区域构造演化．     

Molecular behavior and interactions with microbes during anaerobic degradation of bio-derived DOM in waste leachate

It is the key to control bio-derived dissolved organic matters (DOM) in order to reduce the effluent concentration of wastewater treatment, especially for waste leachate with high organic contaminants. In the present study, the anaerobic degradation of aerobically stabilized DOM was investigated with DOM substrate isolated through electrodialysis. The degradation of bio-derived DOM was confirmed by reduction of 15% of total organic carbon in 100 days. We characterized the molecular behavior of bio-derived DOM by coupling molecular and biological information analysis. Venn based Sankey diagram of mass features showed the transformation of bio-derived DOM mass features. Occurrence frequency analysis divided mass features into six categories so as to distinguish the fates of intermediate metabolites and persistent compounds. Reactivity continuum model and machine learning technologies realized the semi-quantitative determination on the kinetics of DOM mass features in the form of pseudo-first order, and confirmed the reduction of inert mass features. Furthermore, network analysis statistically establish relationship between DOM mass features and microbes to identify the active microbes that are able to utilize bio-derived DOM. This work confirmed the biological technology is still effective in controlling recalcitrant bio-derived DOM during wastewater treatment.     

复杂粘性土层深基坑挡土桩受力分析

针对目前桩锚式支护计算方法的局限性，对复杂土层中下端固定的锚定式挡土桩作了受力分析，并编写了计算机程序，适用于处理深基坑支护中的分层土(砂土、粘性土)、有超载、存在地下水等各种复杂土层。     

开式冷挤压成形深小锥孔件时极限变形程度的理论研究

给出了深小锥孔件开式冷挤压成形时极限变形程度的定义,建立了变形区非稳态连续速度场;利用上限原理得到了极限变形程度的理论判据。分析了各主要参数对极限变形程度的影响规律,对指导制定深小锥孔件开式冷挤压成形工艺具有重要意义。     

Adaptive management: Promises and pitfalls

Proponents of the scientific adaptive management approach argue that it increases knowledge acquisition rates, enhances information flow among policy actors, and provides opportunities for creating shared understandings. However, evidence from efforts to implement the approach in New Brunswick, British Columbia, Canada, and the Columbia River Basin indicates that these promises have not been met. The data show that scientific adaptive management relies excessively on the use of linear systems models, discounts nonscientific forms of knowledge, and pays inadequate attention to policy processes that promote the development of shared understandings among diverse stakeholders. To be effective, new adaptive management efforts will need to incorporate knowledge from multiple sources, make use of multiple systems models, and support new forms of cooperation among stakeholders.     

万峰湖总有机碳空间分布特征

于2012年9月对万峰湖(水库)的总有机碳(TOC)空间分布特征进行研究,结果显示:TOC含量范围为0.41~3.94 mg/L。TOC在纵向分布上的差异不显著,在垂向分布上,总体呈现出上层中层下层的趋势。TOC在垂向上的分布差异主要源于万峰湖属于深水水库,不同深度水层因光照和温度差异所导致生物量的多寡是致使万峰湖出现上层TOC浓度明显高于中层和下层的主要因素。     

基于机器学习分类算法解析EIS数据的有机涂层性能评价方法

目的 基于机器学习分类算法快速评估有机涂层的防腐性能。方法 通过实验室加速试验模拟涂层真实的退化过程,并根据测得的电化学数据,分析不同退化阶段的等效电路元件参数。随后,采用随机抽样方法获取大量数据,用于机器学习模型训练。通过对比支持向量机(SVM)、k最近邻(k-NN)和随机森林(RF)3种不同的机器学习算法,以及多种输入特征集训练的涂层性能分类器模型的准确率,分析最适合用于涂层性能快速评估的机器学习算法和电化学特征。结果 根据不同输入特征训练的k-NN和RF模型均表现出良好的预测效果,而SVM模型的预测效果相对较差。根据不同频率范围训练的分类器模型中,在低频区表现最佳,而在高频区表现较差。结论 基于阻抗虚部、虚部+实部和阻抗模值3种输入特征训练的RF分类器模型的预测效果最准确。不同频率区间内,低频区的阻抗特征更能准确表征涂层性能。     

基于村庄分散度的农村生活污水治理模式量化分析

随着农村地区生活水平的提升,生活污水所含污染物成分趋于复杂化,未经处理就地排放对生态环境影响不容小觑。目前,农村生活污水治理模式种类多样,但决策方法缺乏科学依据。以内蒙古地区82个村落为研究对象。以自然村落为最小研究单元,利用村落宅基地占比、村落长宽比、周长、极限距离、坡度0°~8°占比和坡度标准差等指标,构建了居住密度决策树 (准确率76%) 以及地势决策树 (准确率88%) 。决策树所得结果通过二分类概率单位回归 (Probit)分析 (准确率87%) ,确定其村落集中或分散情况,进而选择适宜的村落污水治理模式 (集中模式、纳管模式、分散模式、拉运模式、就地利用模式) 。农村生活污水治理模式决策方法的确立决策指标的量化,为促进农村生活污水治理体系的发展、提升污水治理的有效性具有积极意义。     

基于链式多重插补的WOA-ELM煤与瓦斯突出预测模型

为了提高缺失数据下煤与瓦斯突出预测准确率,提出1种基于链式支持向量机多重插补(MICE＿SVM)的鲸鱼优化算法(WOA)-极限学习机(ELM)预测模型,以淮南朱集矿区为例,选取5个煤与瓦斯突出影响指标作为模型特征,采用提出的MICE＿SVM算法插补突出事故数据中缺失值,利用WOA优选ELM输入层权值及隐含层阈值,构建煤与瓦斯突出预测模型,将插补后数据用于WOA-ELM模型的训练与测试,并与其他模型的预测效果对比。研究结果表明：MICE＿SVM插补前、后的有突出数据预测准确率分别为83.02%,90.41%,MICE＿SVM显著提高了有突出预测准确率,对无突出和整体的预测准确率提高不明显;数据插补后WOA优化ELM对无突出、有突出和整体的预测准确率分别为97.94%,96.25%,96.48%,较优化前分别提高了5.79%,5.84%,5.55%,数据插补后WOA-ELM为最佳预测模型。     

人工神经网络在预测深基坑周边地表沉降变形中的应用研究

深基坑开挖引起的周边地表变形预测是一个复杂非线性问题,引起地表沉降的影响因素很多,各因素之间呈高度的非线性关系。传统的基坑用边地表沉降变形预测方法存在着一定的局限性,其预测精度有待提高,而人工神经网络是一种多元非线性动力学系统,可以灵活方便地对多成因的复杂未知系统进行高度建模,实现全面考虑各种主要影响因素的深基坑周边地表沉降变形预测。本文介绍了误差反向传播(BP)网络模型的结构、学习过程及其算法的改进,径向基函数(RBF)网络模型的结构及其学习过程;分析了影响深基坑开挖周边土体沉降变形的主要影响因素;以25个基坑工程的地表沉降实测资料为训练样本,建立了11个输入影响因素的BP神经网络模型和RBF神经网络模型,通过对样本的学习训练过程及对5个检验样本的预测精度,说明了人工神经网络用于预测基坑周边地表沉降的可行性和准确性。