摘要：利用人口密度随机森林模型探讨人口密度与影响因子之间的非线性关系,是当前人口分布研究的前沿,但人口统计数据在空间分解过程中非正规约束下的最优输运问题尚未妥善解决。本文基于面积加权法,以矢量格式的村人口数据集为起点,以矢量格式的聚落和公顷网格数据集为约束,设计了一套顾及聚落分布的人口统计数据空间分解算法。通过将村常住人口数据依次分解至聚落和公顷网格之中,获得了栅格人口密度数据集(SJZ_RK)。分析表明,SJZ_RK数据集的人口总数为1039.60万人,仅产生0.04%的误差,说明本文提出的人口统计数据空间分解算法具有较高准确度。经测算,SJZ_RK数据集的人口分布基尼系数(0.8909)>GHS_POP(0.8548)>SJZ_CUN_RK(0.5898)>GPWv4(0.5897),说明考虑聚落分布状况的SJZ_RK数据集很好地刻画了人口分布的空间集聚和异质性特征,为构建人口密度随机森林模型等监督类机器学习模型训练样本提供了高质量的人口密度标签数据。在刻画非聚落区、城市聚落区、值域范围方面,SJZ_RK数据集更接近实际情况,其在前两方面优于GHS_POP数据集,其在这3个方面均显著优于SJZ_CUN_RK和GPWv4两个数据集。本文算法破解了2个难题:①优化了获取高精度栅格人口密度数据集的计算程序,实现了相对准确的人口分布离散化表达;②统一了人口密度标签数据和影响因子数据的粒度,从而为人口密度随机森林模型训练样本摆脱MAUP的困扰,为克服人口密度随机森林模型的区群谬误问题,创造了必要条件。

摘要：在不同类型结构面与岩桥组合的大型剪切试验和不同比例岩桥与夹泥层组合的中型剪切试验基础上,对比分析了试验结果与常用的面积加权法计算值之间的关系,探讨了试验过程中应力、应变的变化规律和特征。结果表明,大型剪切试验值一般小于峰值面积加权计算值,而中型剪切试验的摩擦系数接近或小于计算值,粘聚力的试验值大于计算值,且岩桥位置不同对试验结果有一定影响。就剪切变形破坏特征而言,常常是前块首先变形,当变形达到一定量值后中块开始变形,然后是后块变形,直至破坏。当岩桥所占面积比例较小且剪应力较低时,夹泥层变形多大于岩桥变形;剪应力高或岩桥所占面积比例较大,则二者变形相近。岩桥剪切破坏面的特征与岩桥所占比例有关,岩桥所占面积比例较小的试件,岩桥在夹泥附近被直接剪断;岩桥所占面积比例较大的试件,岩桥破坏面为锯齿状,与剪应力方向形成约45°夹角。