基于建立的雪灾灾损指数，确定新疆特重雪灾区域；进一步聚焦特重雪灾区的8个县（市），包括阿勒泰市、福海县、青河县、塔城市、托里县、沙湾市、尼勒克县和伊宁县，分别建立县域RBF网络模型，预测2021—2050年年最大积雪深度。结果表明：该模型可用于新疆特重雪灾区最大积雪深度预测，但预测精度仍有待提升；塔城市、尼勒克县将于2025—2029年连续出现最大积雪深度偏高事件，2039年青河县将出现最大积雪深度的极大值，因此应关注可能发生雪灾的年份与县（市），积极做好雪灾的防御工作。
基于建立的雪灾灾损指数，确定新疆特重雪灾区域；进一步聚焦特重雪灾区的8个县（市），包括阿勒泰市、福海县、青河县、塔城市、托里县、沙湾市、尼勒克县和伊宁县，分别建立县域RBF网络模型，预测2021—2050年年最大积雪深度。结果表明：该模型可用于新疆特重雪灾区最大积雪深度预测，但预测精度仍有待提升；塔城市、尼勒克县将于2025—2029年连续出现最大积雪深度偏高事件，2039年青河县将出现最大积雪深度的极大值，因此应关注可能发生雪灾的年份与县（市），积极做好雪灾的防御工作。
基于建立的雪灾灾损指数，确定新疆特重雪灾区域；进一步聚焦特重雪灾区的8个县（市），包括阿勒泰市、福海县、青河县、塔城市、托里县、沙湾市、尼勒克县和伊宁县，分别建立县域RBF网络模型，预测2021—2050年年最大积雪深度。结果表明：该模型可用于新疆特重雪灾区最大积雪深度预测，但预测精度仍有待提升；塔城市、尼勒克县将于2025—2029年连续出现最大积雪深度偏高事件，2039年青河县将出现最大积雪深度的极大值，因此应关注可能发生雪灾的年份与县（市），积极做好雪灾的防御工作。
为探究青藏工程走廊沿线多年冻土区活动层厚度分布情况，结合青藏公路、青藏铁路沿线300个钻孔点的活动层厚度监测数据，基于年平均地表温度、平均植被指数、等效纬度、纬度、高程和含冰量等参数建立了活动层厚度的经验公式、随机森林和径向基函数（radial basis function,RBF）神经网络预测模型。各预测模型结果表明，活动层厚度与各预测因子间具有极强的非线性关系；RBF神经网络预测模型具有最高的预测精确度，拟合优度R2达到0.84。运用RBF神经网络预测模型和高精度遥感数据绘制活动层厚度分布图，分布图显示研究区内活动层厚度主要为2～4m，总面积为5 468.3km2，面积占比为47.27%，主要分布于楚玛尔平原至北麓河盆地和唐古拉山区南部至头二九山区；活动层厚度大于4m次之，总面积为3 382.3km2，面积占比为29.24%，整体分布偏向南部地区，主要分布于布曲河谷地至头二九山区。并对研究区活动层厚度与含冰量、地温关系进行了研究，结果表明活动层厚度随含冰量增加而减小、随地温升高而增加。
为探究青藏工程走廊沿线多年冻土区活动层厚度分布情况，结合青藏公路、青藏铁路沿线300个钻孔点的活动层厚度监测数据，基于年平均地表温度、平均植被指数、等效纬度、纬度、高程和含冰量等参数建立了活动层厚度的经验公式、随机森林和径向基函数（radial basis function,RBF）神经网络预测模型。各预测模型结果表明，活动层厚度与各预测因子间具有极强的非线性关系；RBF神经网络预测模型具有最高的预测精确度，拟合优度R2达到0.84。运用RBF神经网络预测模型和高精度遥感数据绘制活动层厚度分布图，分布图显示研究区内活动层厚度主要为2～4m，总面积为5 468.3km2，面积占比为47.27%，主要分布于楚玛尔平原至北麓河盆地和唐古拉山区南部至头二九山区；活动层厚度大于4m次之，总面积为3 382.3km2，面积占比为29.24%，整体分布偏向南部地区，主要分布于布曲河谷地至头二九山区。并对研究区活动层厚度与含冰量、地温关系进行了研究，结果表明活动层厚度随含冰量增加而减小、随地温升高而增加。
为探究青藏工程走廊带楚玛尔河地区冻融土导热系数的基本规律,采用瞬态平面热源法测试了148个冻土试样和88个融土试样导热系数。对楚玛尔河地区黏性土和砂土导热系数的总体特征及影响因素进行分析;对黏性土、砂土导热系数与干密度和含水率之间进行二元回归方程拟合,并分别建立黏性土、砂土RBF神经网络预测模型。结果表明:楚玛尔河黏性土导热系数分布较为集中,砂土导热系数离散度高,分布范围较广;二元回归方程对黏性土、砂土导热系数平均拟合优度较低;与二元回归方程相比,以干密度和含水率作为输入因子所建立的楚玛尔河黏性土、砂土导热系数RBF神经网络预测模型具有更高的精确度。研究成果可有效预测青藏工程走廊带土体导热系数,对冻土温度场计算具有重要指导意义。
为探究青藏工程走廊带楚玛尔河地区冻融土导热系数的基本规律,采用瞬态平面热源法测试了148个冻土试样和88个融土试样导热系数。对楚玛尔河地区黏性土和砂土导热系数的总体特征及影响因素进行分析;对黏性土、砂土导热系数与干密度和含水率之间进行二元回归方程拟合,并分别建立黏性土、砂土RBF神经网络预测模型。结果表明:楚玛尔河黏性土导热系数分布较为集中,砂土导热系数离散度高,分布范围较广;二元回归方程对黏性土、砂土导热系数平均拟合优度较低;与二元回归方程相比,以干密度和含水率作为输入因子所建立的楚玛尔河黏性土、砂土导热系数RBF神经网络预测模型具有更高的精确度。研究成果可有效预测青藏工程走廊带土体导热系数,对冻土温度场计算具有重要指导意义。