考虑LS+AR模型基础数据量的极移预报研究

针对目前极移最小二乘(Least Square, LS)+自回归(AutoRegressive, AR)预报模型的单一数据选取方案, 提出分别考虑LS模型数据量和AR残差数据量的组合数据模式, 并对极移预报时单一数据和组合数据预报结果精度进行分析, 探讨模型输入数据量对极移预报精度的影响. 结果表明, 模型输入数据量的变化对极移预报结果影响较大. 采用组合数据预报的方式相比较于单一数据量预报方式精度更高, 特别是针对30--360 d跨度内的中长期预报, 组合数据量的极移预报精度可比单一数据量预报精度有较大改善. 结论证明组合数据在极移预报时具有一定的优势, 可为以后极移预报数据量选取提供一定的借鉴参考意义.     

与地震有关的水文及地球化学变化

简要回顾了几十年来对地震发生前、地震过程中和震后地下流体和地球化学变化的研究和成果，这些研究一般都是以探索地震预报可能性为目的的。论述了与地震有关的地下水文及地球化学变化的机理，这些地下流体(包括地下水和气体诸如氢、氧和惰性气体)的起源和迁移流动现象以及详细介绍了早期和近代对有关地震的地下流体和地球化学变化的观测成果。同时指出了对地下流体和地球化学作为地震前兆来观测研究的困难所在以及为了克服这些困难而应该采取的地震前兆观测研究的方向，例如多种手段和多种原理方法，开发有效的地球物理和地球化学模型以及适当的数据分析统计方法等。     

COVID-19疫情前后北美五大湖航运网络多尺度时空变化及影响因素研究

新冠疫情给全球海洋运输业造成了严重的影响，在后疫情时代航运产业的复苏过程中蕴含新的挑战与发展机遇。现有研究时间跨度不足，无法充分认识航运网络的变化过程，其次，仅对宏观尺度空间格局变化进行分析忽略了网络变化的内在驱动因素。因此本研究基于复杂网络理论、社区探测算法和TOPSIS分析方法，提出一种航运网络多尺度变化分析框架，结合2019—2021年北美五大湖船舶轨迹数据分析整体航运网络、港口群落和港口3个尺度的变化特征。此外，还对各类型航运网络的变化机理进行追踪。研究结果表明：(1)网络流量方面，疫情前货轮和牵引船交通量占比达交通量总量的80%，疫情爆发后船舶交通量总量下降22.4%，各类型船舶交通量变化的时期、速度不同，其中，游船与货轮恢复能力强，油船次之，客船交通量降幅超50%为各类最高，受影响严重且恢复能力最弱，后疫情时期交通量总量较疫情前上涨4.4%，表明网络流量恢复能力整体较强；(2)网络结构方面，疫情前航运网络随气温变暖呈扩张趋势，港口数量、航线数量递增式上升，疫情后网络结构受损连通性下降，后疫情时期指标值迅速恢复、航线密度增大，期间网络“骨架”未被破坏。整体而言，五大湖航运网络...     

鄂尔多斯盆地高自然伽马异常特征

为了加深对盆地深部和浅部高自然伽马异常特征综合分析研究,揭示高自然伽马异常地质成因,从而促进盆地多种能源矿产协同开发研究,针对收集大量的地球物理测井资料、地质资料及其他相关成果,绘制并分析了相关成果图。研究中遵循从单孔测井曲线特征分析到典型剖面研究,并按层对高自然伽马的平面分布特征进行分析研究。化验测试结果和自然伽马能谱测井成果研究表明,在本区,自然伽马异常增大主要是由于铀的活化和聚集,导致铀元素增加而引起。相关研究表明,盆地深部和浅部的铀异常具有一定的关系,盆地历经的沉积环境变迁是铀元素富集的主导因素。     

水库重力测量检测非牛顿引力的实验数据分析新方法

本文提出水库重力测量检测非牛顿引力的实验数据分析新方法。利用近一天两重力仪的重力差值信号,基于同液面高度变化水体重力信号相等这一具有明显物理意义的准则,建立仪器零漂信号多项式系数矢量的矩阵方程,通过极大似然反演比较严格地计算漂移信号,并从中提取检测信号。实例计算结果表明:(1)当数据充分、漂移多项式阶数取值适当时,该方法完全有效;(2)在现有水库实验的设备和技术条件下,测定万有引力常数G对实验室值的偏离精度可达0.15％,优于矿井实验和先前水库实验的分析结果;若进一步改善水面高度测量,检测精度还可明显提高;(3)Hornberg水库实验重力仪G709在0.4％的精度范围内,未发现G对实验室值的偏离。     

基于机器学习的锆石成因分类研究

锆石是在自然界中多种温压条件下能够稳定保存,并记录原岩年龄信息的副矿物。锆石微量元素能完整记录地质演化过程信息。通过微量元素分析锆石成因的研究已久,通常利用Th-U图解和La_N-(Sm/La)_N图解等二元图解对锆石进行分类研究。然而,随着锆石研究的深入,以及二元图解无法呈现数据高维度信息的局限性,传统图解已经不能满足对锆石类型进行准确判别,且对已知类型的锆石出现判定偏差。因此,本文将地质大数据与机器学习相结合,训练出高维度锆石成因分类器。文中收集了3 498条不同成因类型的锆石微量元素数据,并通过测试和运用随机森林、支持向量机、人工神经网络和k近邻等4种机器学习算法,最终得出准确率为86.8%的线性支持向量机锆石成因分类器,用于锆石类型的判定与预测。这项工作为锆石分类研究提供了更高维度的判别手段,极大提高了微量元素分析成因结果的精度。将锆石微量元素数据与机器学习方法相结合,是大数据分析与机器学习技术在地球化学研究中的积极探索。     

深部地质钻探钻进过程流式大数据分析与动态预处理——以辽宁丹东3000 m科学钻探工程为例

深部地质钻探钻进过程数据价值密度低,传统方法难以在钻中流式大数据条件下有效去除尖峰、毛刺等各类钻进过程数据噪声。本文提出一种深部地质钻探钻进过程流式大数据分析与动态预处理方法,并成功应用于辽宁丹东3000 m科学钻探工程。首先,深入分析过程工艺和数据处理需求,建立深部地质钻探钻进过程流式大数据分析与动态预处理框架结构;然后,运用限幅滤波结合过程数据分布特征、司钻/机长人工操作经验去除过程数据中的离群值;接着,引入滑动窗口策略对流式钻进大数据进行动态处理,在每个窗口中运用Savitzky Golay滤波进一步提升数据质量。仿真实验和工程应用结果验证了本文方法具有很好的工程适用性和有效性。     

航空重力测量中GNSS动态定位与测速研究

<正>全球导航卫星系统(GNSS)在航空重力测量领域扮演着重要的角色。论文的主要目标是为航空重力测量发展可靠的GNSS精密动态定位与测速算法及开发相应的GNSS数据分析软件。基于航空重力测量和舰载重力测量项目的实际需求,论文的主要研究内容如下:(1)估计算法研究。根据航空重力测量对GNSS导     

修正的极大似然法拟合幂律频数分布

针对包含饱和样本数据的频数幂律分布拟合,提出一个新的幂律分布指数的极大似然估计方法的修正公式.对比研究显示,修正公式适用于剔除异常饱和值的幂律频数拟合.如果不剔除饱和值,幂律指数的估计只能使用修正前的公式,其误差随幂律指数变化,指数较小时误差较大.由此建议,对于包含饱和样本的频数分布拟合,首先剔除异常的饱和值,然后对剩余不含饱和值的子集使用修正公式进行参数估计.     

基于经验模式分解和最小二乘支持向量机的卫星钟差预报

针对卫星钟差(satellite clock bias,SCB)呈现非线性、非平稳变化的特性,提出结合经验模式分解(empirical mode decomposition,EMD)和最小二乘支持向量机(least squares support vector machines,LSSVM)的钟差预报方法.首先对钟差相邻历元间作一次差,并利用经验模式分解将差分序列分解成若干不同频率的平稳分量,分解后的分量突出了差分序列不同的局部特征;然后根据各个分量的变化规律,选择合适的核函数和相关参数构造不同的最小二乘支持向量机模型分别预报;最后将各分量预报值叠加得到一次差预报值,再将其还原得到钟差预报值.实验结果表明,所提方法与常用的二次多项式(quadratic polynomial,QP)模型、灰色系统(grey model,GM)模型和单一的最小二乘支持向量机模型相比,具有较高的预报精度和较强的泛化能力.