地震学定量预报指标的一种提取方法——对比筛选法

鉴于目前地震学综合定量预报指标的缺乏和预报工作的急需,尝试使用“对比筛选法(简称CSM方法)”进行地震学定量预报指标的提取试验。较之以往作法的进展在于:1.同时使用“有震”和“无震”两类样本对比筛选;2.对不同地区的地震学参数进行了归一化处理。这样做的显著优点是:1.可以较有效地提取“有震异常”和“正常变化”指标;2.提取的异常和预报指标具有定量化和普适性特点。 试验研究使用大华北地震区资料,研究对象取中强地震。经内符和外推检验,证明该方法提取的异常和预报指标有效性和实用性较高。     

神经网络技术及其在测井解释中的应用

在分析传统测井岩性解释中存在的一些问题的基础上，从神经网络的机理、特点出发，探讨了利用神经网络技术进行测井岩性识别的可行性及优越性，并以找矿目的层为对象，进行了岩性分析与对比，为该方法的进一步应用开拓了前景。     

测井资料在碳酸盐岩储层评价中的应用

以塔河油田碳酸盐岩储集层基本特征为依据，利用常规和能谱测井资料信息比值法和重叠法等技术．致力于储集层缝、孔、洞测井响应特征敏感性评价研究，从中提取8项储层敏感性参数，并对其进行综合评判，确定出划分储层类别的标准，经过50口井的测试资料验证，采用多参数综合评判来划分储层类别是可行的，对储层的评价效果较好，使常规测井资料得到了更深入、广泛的应用。     

基于PCM改进算法的遥感混合像元模拟分析

混合像元的存在是影响遥感图像分类精度的主要原因,模糊分类是进行混合像元分解的重要方法,其效果的好坏取决于各像元分类后对各类别的隶属度值能否准确地反映像元的类别组成。当非监督分类中的聚类数目与实际类别数目不符,或者监督分类中训练样本存在未训练类别时,常用的模糊c-均值(FCM)方法的效果将大大降低,而可能性c-均值(PCM)方法则可以解决这个问题。该文提出了基于PCM算法的遥感图像混合像元分解方法,并用监督分类方法实例说明PCM方法的优越性。     

BP模型双样本训练方法

根据气象预报应用情况，分析ＢＰ模型训练人工神经元网络中存在的问题，并提出双样本训练方案。试验表明，采用双样本训练的网络，实际预报能力较高。     

通用客观预报工具设计

通用客观预报工具设计是根据预报人员在制作预报过程中的基本经验为基础。借用逐步回归的教学方法。从Micaps系统中提取上游气象要素实况、数值预报产品和预报站点的天气实况等气象要素作为样本序列．建立预报回归方程．从而作出预报站点的客观天气预报产品。作为预报业务的初始天气预报的程序实现。它具有时间、空间、各气象要素预报的通用性、自动化。     

基于正交多项式逼近法的岩土参数概率分布推断

针对岩上参数样本容量较大的情况,基于数值分析中的逼近原理,直接根据试验样本值,运用勒让德正交多项式来拟合岩土参数的概率密度函数,并用K-S检验法从理论上证明所求的密度函数的正确性和实用性。     

地理国情普查外业调查与核查探讨

地理国情普查主要是查清我国地形地貌、地表覆盖等自然和人文地理要素的现状和空间分布情况,建立普查成果数据库,为开展常态化的国情监测奠定基础。正确理解吉林省地理国情普查技术设计和作业指导书,以及国情普查的内容与指标,进行外业核查与遥感影像解译样本采集工作,为最终形成地理国情要素数据、地表覆盖分类数据和遥感影像解译样本数据库奠定基础。     

MASNUM-WAM海浪模式集合Kalman滤波同化研究-I.风场扰动对海浪模拟影响

模式集合样本的代表性和观测信息的可靠性是制约数据同化效果的重要因素,而前者对海浪模式同化的影响尤为显著。由于海浪模式对初始场的敏感性较弱,来自大气的风输入源函数是海浪的重要能量输入,如何合理地对风输入进行扰动,构造海浪的集合模式运行,是实现和改进海浪模式集合Kalman滤波同化的关键问题。为了实现海浪模式集合运行,本文提出了风场的三种集合扰动方案,分别为：纯随机数、随机场和时间滞后的风场扰动方法。本研究利用2014年1月ECMWF全球风场,基于这三种风场扰动方法开展了集合海浪模式的集合运行实验,并统计分析了海浪特征要素（有效波高）和二维波数谱对风场扰动的响应。结果表明,随机场集合扰动方案所构造的风场集合效果最佳,所得海浪模拟结果的集合样本发散度适中,能够较为合理地反映背景误差的统计特征,可用于进一步的集合Kalman滤波海浪数据同化实验。     

小样本岩土参数下土质边坡可靠度分析的条件概率法

岩土勘察取样数量有限是土工参数统计不确定性的重要来源,小样本条件下参数估计偏差向可靠度计算环节传递,导致分析结果呈现不确定性。针对小样本岩土参数 X ,围绕样本平均值X构造具有不同随机偏离程度的一系列假想参数总体均值 μ *,以μ_i*的不同取值为发生条件P(B_i)、对应的可靠度计算结果P_fi为条件概率P(A|B_i),基于Bayes全概率公式,建立了小样本岩土参数下计算边坡失效概率P(A)的条件概率分析方法。研究表明:参数正态总体的样本数量有限条件下,以t分布函数对总体均值μ发生抽样估计偏差(X-μ)的概率进行量化,以此作为权值对可靠度条件概率进行修正,得到更趋近可靠度真值的分析结果;由简单土坡算例验证,较之将样本平均值X替代总体均值μ进行可靠度计算的传统直接代入法,条件概率法能减小因参数估计偏差导致的计算结果离散性,一定程度上可提高小样本岩土参数下的边坡可靠性分析精准度。