简介:随机有限断层模型是模拟地震动加速度时程的一个重要工具.但将其应用于中强地震时,由于震源信息的准确性较差从而使模型参数具有较大的不确定性.尤其针对其中最为关键的应力降参数,目前相关研究较为缺乏且尚未形成系统的确定方法.本文基于美国LittleSkullMountainMw5.6级地震2个近场台站记录的地震动模拟,详细研究了采用随机有限断层法拟合中强地震地震动伪加速度反应谱(PSA)来确定应力降参数值的方法,并在计算应力降时引入了其它震源参数的不确定性,随后对此方法的可行性进行了验证.研究表明:采用不同频段反应谱残差和计算得到的应力降值差别较大,确定中强地震应力降较为合适的反应谱频段是中高频,采用该频段确定的应力降参数值模拟的反应谱和峰值加速度与实际记录较为符合;脉冲子断层百分比、断层长宽、倾角和深度等震源参数按截断的正态分布或均匀分布随机抽样,拟合得到的应力降参数值与通过实际震源模型参数得到的值相近.以上研究结果对确定一个区域中强地震应力降或中强地震近场强震动模拟研究提供了更进一步的研究方法和研究方向.
简介:摘要综合利用红外热成像技术和疲劳断口分析技术检测CFRP板加固钢板疲劳试验中的疲劳裂纹扩展取得了很好的效果。红外热成像技术通过分析裂尖温度场来探测裂纹的扩展,无法检测CFRP板覆盖下的裂纹。为此,采用变应力幅循环荷载可以形成规则的疲劳条纹,然后根据断口上疲劳辉纹与裂纹扩展速率和应力强度因子幅的关系,得到在CFRP板下的裂纹扩展速率。疲劳试验结果表明红外热成像可以得到很精确的应力分布图及裂尖位置,从而准确测定裂纹长度;变应力幅循环荷载形成很清晰的疲劳裂纹条带,可以测量得到裂纹长度和扩展速率。两种方法的相互配合使用在试验中取得到了很好的效果。
简介:选取热带测雨卫星(TropicalRainfallMeasuringMission,TRMM)微波成像仪(TRMMMicrowaveImager,TMI)液态水路径(liquidwaterpath,LWP)轨道像元数据为研究对象,探讨了将瞬时探测以及逐月的像元数据进行格点化(0.1°、0.25°、0.5°、1.0°和2.5°五种格点分辨率)时,格点数据的失真情况。对TMI瞬时探测的个例分析结果表明,细分辨率(0.1°、0.25°和0.5°)格点能保留原始像元数据的细节;而随着网格变粗,细节受到较大的平滑。因此对于中尺度到天气尺度的天气系统分析而言,将卫星轨道数据处理到网格尺度不大于0.5°的格点更合适。对逐月LWP像元资料格点化处理的分析表明,细分辨率格点能保留LWP空间分布细节,尽管5种分辨率下LWP的概率密度分布(probabilitydensityfunction,PDF)均相近。因此,对月尺度及以上的气候分析研究而言,格点尺度大小对卫星像元数据格点化的影响不显著。最后利用本实验室计算的TMI/LWP格点数据与欧洲中期数值预报中心再分析资料(EuropeanCentreforMedium-rangeWeatherForecastsInterimreanalysis,ERA-Interim)和NCEP再分析资料(NCEPClimateForecastSystemReanalysis,NCEPCFSR)进行了对比,发现两种再分析资料都高估了LWP;TMI/LWP格点数据与两种再分析资料LWP的多年变化趋势大致相同。
简介:本文提出了一种新的反演方法:通过采用纵、横波走时数据对(从相同的震源产生的P和S波被同一台站记录)来联合反演纵波速度(Vp)和纵、横波速度比(Vp/Vs),然后单独反演横波速度Vs,在反演过程中同时对地震参数进行定位。该方法不需要假设P和S波的射线路径一致,它是沿着P和S波射线路径计算相对慢度扰动值。该方法直接把Vp/Vs作为一个模型参数,由此能获得比采用从独立反演获得的Vp和Vs计算出Vp/Vs的方法更精确的速度比值。该新方法被应用到反演日本东北地区的壳幔速度及波速比结构的研究中,获得了较好的效果。反演结果表明,在日本东北地区,太平洋俯冲板块为一高Vp,高Vs和低Vp/Vs异常区,而在活火山下方的浅部地幔楔以及背弧深部地区为低Vp,低VS和高Vp/VS异常。虽然这些特征在前人的研究中已经报道过,但与前人的研究结果相比,本次研究所获得的Vp/Vs的空间分布具有较小的分散性,同时,它的分布特征能较好的与地震波速度结构相吻合。
简介:Tikhonov正则化(TR)方法在重磁数据处理中发挥了重要的作用,本文在研究如何利用Tikhonov正则化方法方法解决重力数据3D反演的同时,深入讨论了可进一步提高拟合误差的ExtrapolationTikhonov正则化方法(EXTR)的原理,并就其参数选择方法及各参数对拟合误差、迭代次数及反演结果的影响进行研究。常密度及变密度组合模型试算结果表明,与TR方法相比,EXTR方法不仅可以达到解释人员设定的先验拟合误差水平,在计算时间及迭代次数相应增加的前提下有更高的拟合精度;同时其反演结果也更加紧致,进一步改善了TR反演结果的发散性;并且其反演数据范围更贴近预设模型参数范围,模型特征与预设模型密度分布吻合较好。更多还原