异常形变检测方法探讨

在讨讼以往方法的基础上,将拟准检定法拓展用于发现异常形变。该方法直接以真误差为研究对象,避免了其他方法以最二乘残差及其函数为研究对象的缺点。最后通过一个算例,简单介绍了拟准检定法检测异常形变的实施过程。     

基于ARMA模型拟合分析方法的地磁监测数据研 究——以长春地磁台观测数据为例

ARMA模型也叫做自回归滑动平均模型,它是研究时间序列的重要方法,其中AR为自回归模型,MA为移动平均模型。长春地磁数据F分量的ARMA模型拟合分析是基于MATLAB平台,运用时间序列分析的研究方法,对2007—2018年长春地磁数据F分量进行ARMA模型拟合。按照不同ARMA模型相异的数据特性确定模型类别,判断其属于ARMA模型、AR模型或是MA模型。运用AIC准则法,找到使得AIC值最小的参数并确定为模型参数,最后对残差序列运用Q值检验法,根据检验结果判断模型的拟合优度。本文中的ARMA模型拟合方法是针对F分量的预处理分数据建立数学模型,运用一阶差分方法去除年变趋势,最终得出F分量变化幅度的近似拟合回归方程。通过ARMA模型拟合方程可初步预测F值增减幅度的变化趋势及极值范围,这将为地磁异常乃至其它地震异常定量分析和预测提供一种新思路,也将为地磁异常的判定核实及地震分析预报起到推动作用。     

基于目标对象检验法的四川省两种数值模式暴雨预报对比分析

根据2021年四川省31次暴雨过程预报偏差检验,选取ECMWF预报雨带明显偏西、CMA-MESO预报较好的3次个例,基于目标对象检验法对强降水落区(≥25 mm)从位置偏差、面积偏差、雨带走向和降水强度4个方面对两模式的预报偏差特征和主要原因进行对比分析。结果表明：ECMWF模式降水落区预报较实况偏西偏北,且偏西偏差距离(59.06～123.67 km)显著大于偏北偏差距离(8.23～53.59 km),而CMA-MESO模式雨带走向和位置预报与实况更为接近。两模式降水面积预报均大于实况,ECMWF模式较实况偏大7.0%～34.3%,CMA-MESO模式偏大25.2%～45.9%。两模式降水量平均值预报与实况偏差幅度为-3.5%～20.0%,但降水量极值预报较实况偏差较大,偏差幅度为50.1%～196.9%。检验分析表明,出现在副热带高压边缘,受高原涡或西南涡影响的四川暴雨过程,在ECMWF模式预报强降水落区(≥25 mm)偏西的情况下,CMA-MESO模式可以提供订正参考。