暗河发育区岩溶隧道突涌水洪峰流量估计

地下暗河是岩溶隧道建设与运营重大的安全风险,暗河发育区岩溶隧道突涌水洪峰估计是岩溶隧道施工抢险与后期处治方案制定的重要基础数据。地下暗河洪峰流量不仅由岩溶区水文地质条件控制,而且还受到暴雨期地表径流补给的影响。本文结合实测数据和统计数据,围绕小流域暴雨资料推求出地表汇流洪峰和地下暗河汇泄流洪峰,提出了一种考虑地表径流补给的暗河发育区岩溶隧道突涌水洪峰估计方法,并结合翠屏隧道的地形地貌、水文地质与实测涌水资料,开展了案例分析计算并比较实测涌水量。表明传统涌水预测方法无法考虑暗河与地表水补给的影响,与实测结果差距很大,本方法能够较好预测岩溶区因地表汇水补给暗河发育区隧道突涌水洪峰,为隧道防洪护堤高度、涵管过水容量设计、洪峰避险时间提供重要支撑,保障隧道施工与运营安全。

下穿岩溶天坑隧道暴雨期涌水量峰值估算方法

岩溶地区隧道建设不可避免会遭遇涌水灾害,突涌水量估算是岩溶隧道施工抢险与后期处治方案制定的重要基础。天坑洼地是岩溶地区特殊地貌单元,是联接岩溶地区地表水与地下水的重要通道,下穿岩溶天坑隧道涌水量不仅受岩溶区水文地质条件控制,而且还受到暴雨期岩溶天坑小流域地表径流补给的影响。结合实测数据和统计数据,基于小流域暴雨资料推求地表汇流洪峰形成机制,提出了一种考虑岩溶天坑流域地表径流补给的下穿岩溶天坑隧道暴雨期突涌水量峰值估算方法,并结合鸡冠山隧道的隧址区地形地貌、水文地质条件与实测涌水资料,开展了案例分析计算与实测涌水量对比。结果表明:传统涌水预测方法无法考虑暗河与地表水补给的影响,与实测结果差距很大,本方法能够准确预测隧道下穿岩溶天坑区暴雨期突涌水量峰值,为保障岩溶区隧道施工与运营安全提供重要支撑。

基于FPGA的声纹识别系统设计

随着生物识别技术在各行各业之中开始普遍使用,作为人类最高频的交互方式,声纹识别成为生物识别技术中一种不可替代的解决方案。本文设计了一种基于现场可编程门阵列(Field Programmable Gate Array,FPGA)的声纹识别系统。该系统基于MFCC提取的声音特征通过卷积神经网络模型进行声纹识别,并结合IP核对卷积运算进行加速,试验测试表明,该系统可以充分发挥FPGA的高密度、高效率优势,提高CNN的运行效率、优化其前馈网络结构,从而实现更快速、更精准的声纹识别。