花岗岩非稳态传热破坏过程能量演变规律研究

热作用下花岗岩损伤的定量描述是个亟待解决的问题。从能量角度出发,对600℃范围内高温花岗岩试件非稳态传热过程的温度状态进行测定,借助冷却法分析了花岗岩正规状况阶段热物理参数演变规律,讨论了花岗岩非稳态传热过程能量吸收、释放及耗散特性,揭示了热作用下花岗岩性能损伤与能量演变规律的内在联系。结果表明:不同高温状态下的花岗岩试件自然冷却时正规状况阶段比热变化分两个阶段,分别为比热平稳变化阶段与比热大幅变化阶段;随着初始高温状态的降低,整个非稳态传热过程中所耗散的能量也在随之降低,且在同一冷却模式下,输入的能量越大,耗散能所占比例也越大;非稳态传热过程中耗散能的大小与高温热作用后花岗岩宏观力学性能的劣化有较强的相关性,耗散能的大小与最大热冲击因子有显著的线性关系。

基于Boruta算法和GA优化混合地统计模型的土壤有机质空间分布预测

建立土壤有机质(SOM)空间预测模型不仅可以准确预测SOM含量的空间分布,而且对科学化土壤管理和完善生态系统服务具有重要意义。本文以山西省临汾市永和县土壤为研究对象,从数字高程模型(DEM)和植被遥感数据中提取出地形因子和植被指数,结合土壤本身属性为变量因子,采取Boruta算法从变量因子中筛选出与SOM相关性强的特征变量为辅助变量作为模型输入,实测SOM值作为模型输出,选择普通克里格方法(OK)、反向传播神经网络(BPNN)、遗传算法优化的BP神经网络(GA-BPNN)和GA优化BP神经网络结合地统计方法(GA-BPNN-OK)对训练集样本SOM含量进行预测,并利用验证集样本对比分析预测精度。研究结果显示:Boruta算法优选出特征变量并且对其进行了重要性排列,依次为:全氮>地形湿度指数(TWI)>高程>坡度>归一化植被指数(NDVI)>增强型植被指数(EVI);4种方法对SOM的预测结果虽然局部会有差异,但整体的空间分布基本一致,在研究区内呈现出西部和西南部地区低、东部和东南部地区高的空间分布趋势,与其他3种模型相比,GA-BPNN-OK模型预测的SOM分布图对低值区和高值区的划分更加明显、细致;预测精度指标对比得出,GA-BPNN-OK法的均方根误差(RMSE为0.059)、平均绝对误差(MAE为0.240)、平均相对误差(MRE为0.165)最小,且拟合系数(R2为0.78)最高。同时为了验证采用Boruta算法对模型精度有所提高,将全变量与特征筛选之后的变量作为GA-BPNN法的模型输入,对预测结果进行对比,结果表明采取Boruta算法后模型误差减小。因此采取Boruta算法筛选出特征变量作为辅助变量,GA-BPNN-OK法对于SOM含量空间分布的精度最高,两者结合为最优预测模型。