陕北榆林富县组中的遗迹化石及其环境意义

讨论了富县组陆相沉积中发现的遗迹化石及其沉积环境意义.文审鉴定出的遗迹化石有 Chondrites sp.和 Phycodes palmata,二者均发育在浅湖相沉积中。      

豫西陕渑煤田太原组一3煤形成环境和聚煤特征

陕渑煤田位于河南省的西部,其晚古生代煤系地层由晚石炭世太原组、早二叠世早期山西组和早二叠世晚期～晚二叠世早期石盒子群所组成。本文主要讨论太原组—3煤层形成的沉积环境和聚煤特征。—3煤沉积前的下部碎屑岩段为一套开阔型海岸碎屑潮坪体系沉积,发育潮坪以及与其共生潮道和潮沟。—3煤沉积后的灰岩段根据微相、沉积构造及其中所含的生物化石等可以确定是一套由潮间带到潮下低能带的向上变深的沉积序列。—3煤层厚度分布主要受其沉积前沉积环境的影响,其中主要潮道发育的地方以及潮坪上较低洼的地带,上覆煤层厚度小（0～0.50m）,而在潮坪上其它地区,煤层则厚度大（一般大于0.50m）。—3煤硫分主要受其沉积时沉积环境和沉积后沉积环境的影响,煤层中夹有薄层混灰岩时,煤的疏分就增高。—3煤层硫分和灰分普遍高的原因是受其堆积后较深水碳酸盐沉积的影响所致。     

一种改进的VMD-XGBoost验潮站月海面高序列预测模型

海平面不断上升威胁人类的生命安全,高精度的海平面预测对人类预防水文灾害具有重要意义。现有的预测方法因验潮站数据为单一时间序列而难以进行高精度预测。针对此问题,提出一种融合变分模态分解(VMD)和极度梯度提升算法(XGBoost)的变分模态分解-极度梯度提升预测模型,简称VMD-XGBoost模型。与XGBoost模型、卷积神经网络与长短期记忆神经网络混合模型(CNN-LSTM)、变分模态-卷积神经网络与长短期记忆神经网络混合模型(VMD-CNN-LSTM)对比,对荷兰沿岸海平面验潮站时间序列进行预测。验潮站预测结果分析表明：相较于XGBoost模型,VMD-XGBoost模型预测结果的均方根误差平均降低65.43%,平均绝对误差平均降低63.79%,平均绝对百分比误差平均降低63.44%,且相较于VMD-CNN-LSTM模型,VMD-XGBoost模型在验潮站海面高序列预测上具有更高预测精度,可实现高精度验潮站时间序列预测。     

CAR和SVM方法在郑州冬半年大雾气候趋势预测中的试用

以郑州冬半年大雾日数为对象,在分析其气候特征的基础上,尝试大雾日数的气候趋势预测。首先选择气候预测中常用的环流特征量作为因子群,通过相关筛选,选取与预测对象相关系数较大的环流特征量作为预测因子,然后分别采用多变量自回归（CAR）和支持向量基（SVM）回归两种方法,建立郑州冬半年大雾日数预测模型。CAR方法回报正确率为88％,SVM方法回报正确率为82．4％;经2002／2003—2005／2006年4a的独立样本试报,两种方法平均预测准确率（Ts）均为75％。     

2008年1月河南异常低温多雪分析及数值预报产品释用

2008年1月,河南省出现了历史同期罕见的大范围持续性低温雨雪冰冻天气,降水量比常年同期偏多1.4倍左右,气温比常年同期偏低1.6 ℃;中下旬出现了3次大范围强降雪天气,信阳最大积雪深度为50多年来的最大值.分析表明:2008年1月份,500 hPa欧亚环流高、低纬度反位相特征明显,高度距平场上欧亚高纬度自西向东呈异常的+-分布,而中低纬度则呈相反的-+分布,由于这样的分布特征有利于冷空气从东路入侵河南和南支低槽活跃,因而冷暖空气在河南省交汇形成大范围的降雪天气;1月副高偏北偏西,有利于暖湿气流向北输送;历史上河南省冬季气候对拉尼娜均有不同程度的响应;在太阳活动的高低值年份,河南省1月份均出现过多雪,特别是高值年份多雪概率较高,其次是低值年份;数值预报产品的释用在1月中下旬取得了较好的预报服务效果.     

河南省旬雨量分级预报自动化系统

用1961～1990年的500hPa 候平均高度值作为预报因子.采用逐步回归法建立我省旬雨量预报方法、并在微机上实现从解报、计算到结果输入完全自动化.     

2001年7月下旬河南连续性强降水中期天气特征

从大尺度环流形势场、西风环流指数、阻塞高压、副热带高压和南亚高压等方面,对2001年汛期强降水多发时段的中期天气特征进行了分析,结果表明①极涡由一个中心分裂为多个中心,北半球极涡呈偶极型或多极型,其中有一较强中心位于东半球偏于亚洲一侧;②亚欧中高纬环流形势为两脊一槽型,亚洲中部为一低压槽;③连续性强降水发生在西风环流指数由峰值向谷点过度的过程中;④鄂霍次克海阻塞高压的建立是造成我省连续性强降水的关键;⑤西太平洋副热带高压在短时间内迅速西伸北跳,140°E副高脊线位置位于30°N附近并稳定;⑥100 hPa南亚高压脊线北跳至33°N以北,且中心位置自西向东震荡并稳定于90°E以东地区.     

华北南部晚古生代陆表海的沉积充填、聚煤特征和构造演化

华北南部晚古生代煤系为海退型剖面,沉积环境演化为由陆表海碳酸盐—碎屑海岸、碎屑潮坪至被河流三角洲充填的半咸水海湾。晚石炭世中期华北南缘与秦岭—大别山区因拉张分离出现了陆表海,陆源碎屑自北向南的充填表明北方蒙古—西伯利亚板块向华北板块北缘的对接俯冲。沉积中心和聚煤作用随之自北向南迁移,因此在华北南部集中了丰富的煤炭资源。聚煤最有利的沉积环境是海退形成的滨海平原和河流注入浅水海湾形成的三角洲平原。煤变质带自本区中部向南递减表明三叠纪沉积中心向北迁移,表明华北南缘与秦岭—大别山地块以及华南板块的对接拼合时间可能发生在煤系形成之后至三叠纪以前,海西末期的可能性较大。     

GNSS接收机数据质量及常见问题分析

GNSS接收机数据质量是接收机实现各项功能、向用户提供各项服务的基础。针对当前GNSS数据质量核验方法和评价指标较为单一,分析方法不系统的问题,文中分析一种综合利用TEQC、GAMIT、RTKLIB三款软件进行GNSS数据质量分析的方法,并给出相应质量分析指标。以北京市全球卫星定位系统网络中基准站数据为基础,对北斗三模接收机和GPS/GLONASS双模接收机数据质量进行对比分析,对比结果显示,石景山和牛口峪两个站数据质量整体较差,mp1大于0.5m,mp2大于0.75m,周跳比小于2 000。对影响数据质量的原因进行初步分析,通过实地勘测验证理论分析结果,对比分析结果表明:采用文中提出的质量分析方法所判断出的问题同实地勘察结果一致,验证本方法的实用性。最后针对基准站存在的问题向相关部门提出改善建议,并对改善后该站观测数据进行质量分析,各项指标均达标。     

基于Prophet-XGBoost模型的GNSS高程时间序列预测

针对GNSS时间序列非平稳性和非线性等特点,通过分析XGBoost模型与Prophet模型的适用性与特点,构建Prophet-XGBoost预测模型。该模型先通过Prophet模型对GNSS原始时间序列进行分解,然后通过XGBoost模型进行分部预测,等权相加得到预测结果。实验选用ALGO、ALRT、BRST三个IGS站U分量日坐标时间序列数据,采用MAE和RMSE作为评价指标。结果表明,与单一的XGBoost模型和Prophet模型相比,Prophet-XGBoost模型的MAE和RMSE值均得到一定程度优化,说明该模型具备有效性,可用于GNSS时间序列预测。