卷积神经网络在近岸表层海温预报中的应用

针对数值预报和人工经验预报在近岸定点表层海温(sea surface temperature, SST)预报中预报准确度不高,将近岸台站定点SST预报转换为多元时间序列预测任务,应用卷积神经网络(convolutional neural networks, CNN)构建近岸台站定点SST时间序列变化模型,对近岸台站每日最高海温、最低海温、平均海温进行预报,并与人工经验方法和长短期记忆网络(long short-termmemory,LSTM)方法进行对比试验。结果显示,在测试数据中相比人工经验预报,CNN方法全年日最高海温预报平均绝对误差(mean absolute error, MAE)为0.36℃,平均下降0.14℃,均方根误差(root mean squared error, RMSE)为0.49℃,平均下降0.21℃,日最低海温预报MAE为0.36℃,平均下降0.17℃, RMSE为0.63℃,平均下降0.24℃,日平均海温预报MAE为0.30℃, RMSE为0.47℃,预报性能和LSTM模型预报性能相当。研究表明CNN应用于近岸SST预报具有可行性,能够有效地提高SST预报准...     

应用多元统计技术和GIS技术进行印度野牛生境定量分析--以西双版纳纳板河流域生物圈保护区为例

印度野牛目前在中国仅发布于西双版纳地区可以视为西双版纳热带森林系统中的代表性物种。有关印度野牛生境信息的缺乏和西双版纳热带雨林修复的要求必须进行印度野牛生境的分析。文中综合利用多元统计技术和ＧＩＳ技术,建立逻辑斯蒂回归模型去评价所调查的印度野牛生活动位置与一组生增变量之间的关系。ＧＩＳ为逻辑斯蒂回归模型提供空间信息,并执行逻辑斯辑期蒂模型预测印度野牛生培在该区的空间分布概率。结果表明,硝塘、居民点     

推荐一组对长、短积分间隔皆优的线性多步积分公式

推荐了一组对短、中、长积分间隔以及带耗散力或较大偏心率等多种类型卫星轨道数值积分皆可获取较高计算精度的线性多步积分公式（MTM）,供读者选择使用。     

温度和体重对花尾胡椒鲷幼鱼最大摄食量的影响

研究了花尾胡椒鲷幼鱼的最大摄食量与温度和体重的关系。花尾胡椒鲷幼鱼的最大摄食量与体重呈正相关 ,二者的关系为 :Cmax=1 5 95 .3W0 .6 87(Cmax:最大摄食量 ,J/d ;W :体重 ,g)。最大摄食量随温度的变化情况为 :在实验温度为 2 2～ 2 8℃范围内 ,二者呈正相关 ,超过 2 8℃之后呈负相关。最大摄食率与体重的相关关系为 :Rmax=1 5 0 7.6W-0 .313[(Rmax:最大摄食率 ,J/(d·g) ]。采用回归分析 ,建立了由温度和体重预测该种鱼的最大摄食量和最大摄食率的模型 :Cmax=2 86 790e-0 .90 4ln(T3-77.738T2 1985 .185T -16 42 9.710 ) W0 .6 16 　n =1 6 ,r =0 .994Rmax=0 .887e1.2 6 4ln(-T3 78.0 6 1T2 -2 0 0 3.397T 172 36 .5 2 0 ) W-0 .2 83　n =1 6 ,r=0 .978     

线性向量半参数模型与标量半参数模型最小二乘估计的比较

研究了最小二乘准则下线性向量半参数模型的核估计、近邻估计及样条估计3种估计方法,分析了向量半参数模型与标量半参数模型在这几种估计方法中的差异。     

基于地震属性的煤层厚度预测模型及其应用

地震属性技术在岩性和构造解释等方面得到了越来越广泛的应用,特别是在煤、油气资源勘探中具有重要的作用.基于淮南矿区谢桥1区13 1煤层地震勘探资料,提取了28种地震属性数据;通过地震属性的分析,优选出平均峰值振幅、振幅的峰态、最大绝对振幅、瞬时频率斜率等4种地震属性作为煤层厚度预测模型基本参数,结合已知钻孔资料,利用多元多项式回归以及BP人工神经网络方法,求出了各属性与煤厚之间的多元多项式回归模型及人工神经网络模型,并对模型进行了误差分析和应用结果对比分析,反映出人工神经网络模型在煤厚预测中具有好的应用效果.     

地震资料预测薄层厚度方法研究与应用

薄层厚度预测一直是公认的难题之一,其难度就在于如何准确地识别和提取薄层的地震属性.常规方法是利用时间域或频率域地震属性与薄层厚度的线性关系计算.但是理论与实际资料表明,不同的薄层和地层组合对地震波的动力学的信息影响很大,各种参数与薄层厚度成非线性关系,使用单一的信息不可能准确预测薄层厚度.本文利用三种线性预测原理（模型）,经数学变换为属性参数,采用非线性BP网络预测薄层厚度,取得了令人满意的效果.     

基于APSO-SVR-GRU模型的白水河滑坡周期项位移预测

滑坡周期项位移的预测,是研究地质灾害中滑坡变形至关重要的一步。由于单一模型易受偶然因素影响,且无法充分利用有效信息,导致其预测精度不高,适用性不强。基于此,文中提出了一种结合自适应粒子群算法（APSO）、支持向量机回归算法（SVR）、门控神经网络算法(GRU)的组合模型。该模型通过自适应粒子群优化算法对支持向量机回归算...     

国产磁通门磁力仪稳定性分析

国产磁通门磁力仪(GM-3磁通门磁力仪)在全国各地磁台站推广应用,两年来,该仪器在武汉地震台工作比较稳定。本文对该仪器的基线值进行了多层线性回归分析。结果表明仪器性能比较稳定。