利用MorPAS对上黑龙江成矿带进行金成矿预测

上黑龙江成矿带主要由早-中侏罗世河流-湖泊-洪积相含煤碎屑岩组成,目前已发现多个中小型矿床,在该区进行成矿预测意义重大。文章利用MORPAS成矿预测系统,采用证据权重法进行了成矿预测工作,在充分研究区内已知矿床的成矿规律基础上,以1：257Y地质图为背景,物化探异常分析子系统对1：20万区域化探数据进行C—A分形确定异常下限,综合现有的找矿标志,提取有利的成矿要素,进行针对处理,制成上黑龙江成矿带MORPAS金成矿预测分析图,提供成矿靶区,为森林高覆盖区提供找矿有利单元。     

神经网络辅助的GPS/MEMS-INS组合导航算法

在GPS/MEMS-INS(Micro-electromechanical System-Inertial Navigation System)组合导航中,当载体处于恶劣环境下或者载体处于大机动运动情况下,会导致GPS失锁。此时单独工作的低精度MEMS-INS会由于其位置和速度误差随着时间的变化而迅速积累最终无法导航。针对此问题,设计了一种结构简单易于实现的神经网络辅助的GPS/MEMS-INS组合导航系统。通过模拟实验,与标准卡尔曼滤波(KF)和无迹卡尔曼滤波(UKF)框架下组合导航相比,所提出的结构简单容易实现的神经网络辅助的组合导航系统具有较高的稳定性,并且组合导航整体过程中经纬度与速度精度均提高了65%左右。     

一种新的守时型原子钟综合时间尺度方法研究

在这篇文章中, 提出了一种基于改进的指数平滑和Vondrak_Cepek联合平滑的氢铯综合时间尺度产生方法. 以最小误差方法为理论基础, 动态估计氢原子钟频率漂移参数, 提升氢原子钟钟差预测准确度; 基于改进的二次指数平滑产生氢原子钟组时间尺度、加权平均方法产生铯原子钟时间尺度, 同时设计Vondrak_Cepek滤波器以结合两类时间尺度长短期稳定度优势, 提升综合时间尺度性能. 实验结果表明, 所提方法产生的氢铯综合时间尺度时稳可达1.60x10^-15,天稳可达3x10^-15,优于ALGOS、AT1和Kalman滤波3种经典方法产生的时间 尺度性能.     

基于一次差分预报原理的常用钟差预报模型效果分析

基于15 d的精密卫星钟差数据,从不同角度全面分析6种常用钟差预报模型（LP模型、QP模型、GM模型、SA模型、ARIMA模型、KF模型）基于钟差一次差分预报原理的预报效果,得到以下结论：1）采用钟差一次差分预报原理,可以提高LP模型、SA模型、GM模型及KF模型对于GPS卫星钟差的3 h预报精度,提高QP模型和ARIMA模型对于ⅡF Rb钟的3 h预报精度,提高LP模型和GM模型在6 h和12 h预报中的精度,提高ARIMA模型在6 h、12 h和24 h预报中的精度;2）基于钟差一次差分预报原理的预报结果与卫星及其星载钟类型有关,对于GPS BLOCK ⅡF Rb钟,该预报原理可以提高6种模型的短期预报精度,特别是对GM模型、LP模型和ARIMA模型预报效果的改善最为显著;3）对于3 h和6 h的预报,采用钟差一次差分预报原理的LP模型（DLP模型）对应的RMS值都最小,即DLP模型的预报精度最高,说明钟差一次差分数据更适合一次多项式模型的短期预报。     

精密水准与GNSS垂向形变关系研究——以天山构造带为例

以天山构造带区域为例,分别用精密水准和GNSS给出地壳形变垂直运动速率矢量图,对其差异及差异形成的原因进行深入分析和探讨,并基于优势互补原则,给出二者融合的形变图像。根据多年研究经验认为,该方法得到的垂直形变图在强震中长期预测中具有较为重要的应用价值。     

基于LSTM神经网络的青藏高原月降水量预测

青藏高原的降水量预测不仅为该地区水资源合理规划利用提供依据,同时对中国及周边国家气候变化研究有着重要的意义。论文利用1990—2016年青藏高原降水量数据,采用长短期记忆神经网络（LSTM）对青藏高原月降水量进行预测,主要包括：① 使用青藏高原86个测站1990—2013年的月降水资料,预测各个测站2014—2016年的月降水量,并与传统的RNN、NAR、SSA和ARIMA预测模型相比,平均决定系数R²分别提高了0.07、0.15、0.13和0.36,均方根误差（RMSE）和平均绝对误差（MAE）表现更低;② 分析了降水量预测精度的空间分布特征,将各模型的R²在青藏高原地区内插值,分析R²的空间分布特征,发现所有模型降雨稀少的干旱地区和降雨多的湿润地区R²较低,在气候稳定、降水规律性明显的地区R²较高,且LSTM模型R²≥0.6的空间范围远大于传统模型;③ 分析了不同预测长度对各模型预测精度的影响,发现所有模型会随着预测长度增加而预测精度降低,但在不同的预测长度下LSTM预测的RMSE值都低于其他模型。     

人工神经网络和决策树模型在滑坡易发性分析中的性能对比

机器学习模型广泛应用于区域性滑坡易发性分析。模型的选择关系到评价结果的可信度、准确率和稳定性。现有滑坡易发性分析模型对比研究侧重模型的预测精度。模型的稳定性和数据量敏感性对机器学习模型的性能评估同样非常重要。本文以福建省南平市蔡源流域为研究区,以四川省绵阳市北川县为验证区,从预测精度、稳定性和数据量敏感性3个方面深入对比BP（Back Propagation）人工神经网络模型和CART（Classification and Regression Tree）决策树模型在滑坡易发性分析中的效果,主要结论如下:① 在逐渐增加一定数量训练样本的过程中,BP人工神经网络模型预测精度的增长率更高。在蔡源流域内,当训练样本数量增加10 000时,BP人工神经网络模型的预测精度上升5.22%,CART决策树模型的预测精度上升2.11%。② BP人工神经网络的预测精度高于CART决策树模型,且较为稳定。在100组数据集上,BP人工神经网络模型验证集预测精度的均值和验证集滑坡样本预测精度的均值分别为81.60%和84.86%,高于CART决策树模型的72.97%和76.59%。与此同时,BP人工神经网络模型对应预测精度的标准差分别是0.32%和0.37%,小于CART决策树模型的0.35%和0.67%。③ BP人工神经网络模型分析的滑坡易发区相比CART决策树模型,更接近实际滑坡的空间分布。最后,北川县的验证实验也出现了相同的现象。     

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。     

ENVIRONMENTAL CHANGE AND ITS IMPACTS ON HUMAN SETTLF, MENT IN THE CHANGJIANG RIVER DELTA IN NEOLITHIC AGE

Dating data, altitude of Neolithic sites, climatic changes from sedimentary records and previous research results were collected and analyzed to detect possible connections between climatic changes and human activities in the Changjiang River Delta in the Neolithic Age. The results indicated that hydrological changes greatly impacted the human activities in the study region. Low-lying geomorphology made the floods and sea level changes become the important factors affecting human activities, especially the altitude change of human settlements. People usually moved to higher places during the periods characterized by high sea level and frequent floods to escape the negative influences from water body expansion, which resulted in cultural hiatus in certain profiles. However, some higher-altitude settlements were not the results of climatic changes but the results of social factors, such as religious ceremony and social status. Therefore, further research will be necessary for the degree and types of impacts of climatic changes on human activities in the study area at that time.     

Deterministic non-linear wave prediction using probe data

The accurate prediction of non-linear sea states represents a great challenge, with a number of applications in oceanography, marine engineering, security of people and marine transportation, etc. In this paper, we report on the development of two efficient deterministic prediction models for 2D irregular wave-fields. These models are based on the exploitation of wave elevation time series given by one or more probes and on the use of two different numerical models for the wave-fields simulation. Two effective data assimilation processes are developed to improve the wave-field estimates obtained from the study of one or several probe signals, so that we obtain proper initial conditions for the forecast. The assimilation schemes have been validated on the reconstruction of model-generated observations and accurate predictions of the corresponding synthetic wave-fields evolution have been obtained.