连续台风时期香港区域的水汽变化分析

利用香港卫星定位参考站网GNSS观测数据,提取强热带风暴"塔拉斯"与热带风暴"洛克"影响期间各测站天顶方向对流层延迟,反演香港区域大气可降水量;根据香港区域49个天文台气象站提供的实测降雨量数据,分析大气可降水量与实际降雨量的相关性,以及两次台风对香港区域水汽时空分布的不同影响。结果表明,大气可降水量在台风影响前期均上升,在大量降雨后回落,但在连续台风的间歇期间,仍高于台风来临前的水平;水汽累积是大量降雨的前提条件,当水汽累积量相近时,水汽累积时长与累积降雨量呈正相关;台风期间大气可降水量值超过65 mm的区域面积与台风等级相关,台风路径对局部水汽分布有一定的影响。     

基于PSR-WSVM模型的边坡位移预测

为建立高精度的边坡位移预测模型，采用相空间重构（PSR）将边坡位移时间序列数据转换为多维数据，同时构造小波核函数改进的支持向量机模型，建立PSR-WSVM模型并应用于边坡位移预测。将PSR-WSVM模型预测结果与传统支持向量机（SVM）模型、小波支持向量机（WSVM）模型和基于相空间重构的支持向量机（PSR-SVM）模型预测结果进行对比，通过平均绝对误差（MAE）、平均绝对误差百分比（MAPE）和均方根误差（RMSE）3个精度评价指标验证PSR-WSVM模型的可行性。工程实例结果表明，PSR-WSVM模型预测结果的3个精度评价指标都优于另外3种模型，边坡位移预测的精度明显提升。     

A machine learning approach for predicting computational intensity and domain decomposition in parallel geoprocessing

ABSTRACT

High performance computing is required for fast geoprocessing of geospatial big data. Using spatial domains to represent computational intensity (CIT) and domain decomposition for parallelism are prominent strategies when designing parallel geoprocessing applications. Traditional domain decomposition is limited in evaluating the computational intensity, which often results in load imbalance and poor parallel performance. From the data science perspective, machine learning from Artificial Intelligence (AI) shows promise for better CIT evaluation. This paper proposes a machine learning approach for predicting computational intensity, followed by an optimized domain decomposition, which divides the spatial domain into balanced subdivisions based on the predicted CIT to achieve better parallel performance. The approach provides a reference framework on how various machine learning methods including feature selection and model training can be used in predicting computational intensity and optimizing parallel geoprocessing against different cases. Some comparative experiments between the approach and traditional methods were performed using the two cases, DEM generation from point clouds and spatial intersection on vector data. The results not only demonstrate the advantage of the approach, but also provide hints on how traditional GIS computation can be improved by the AI machine learning.     

青藏高原隆升的非线性动态有限元仿真研究

根据青藏高原的地质特征建立分析模型，采用3维动态有限元方法，在计算仿真板块速度场的基础上，计算在青藏高原的隆升过程中该地区地壳岩石的等效应力和位移随时间的变化，计算仿真得到的速度场与1998年GPS观测的速度场吻合良好；与过去一贯的假设相反，计算结果反映出地壳应力场不是静态的，而是此起彼伏，不断变化的，应力值最大且变化最剧烈的地区在克什米尔地区、鄂尔多斯地区和鲜水河－小江断裂带，与地震多发区域吻合。     

大同—阳高Ms6.1地震前兆综合加权信息熵的变化

利用“地震预报计算机专家系统”的思想对大同 -阳高 Ms6 .1地震前每一前兆异常事件进行综合评估 ,以每一异常的最可能发震时间来计算发震概率 ,利用地震前兆综合加权信息熵研究了系统熵值与地震的关系。对华北地区的地震前兆综合加权信息熵研究表明 ,在大同 -阳高 Ms6 .1地震前 ,信息熵出现了明显的减熵有序变化     

对青藏东北缘现今块体划分、运动及变形的初步研究

利用2维非连续变形分析方法（DDA），以位移代替围压作为边界约束力，研究青藏东北缘现今块体划分及其运动变形。根据该地区地质构造及地震活动，以GPS点测量位移作为模拟结果约束点，得出了较合理的块体划分模型和随时间演化的主应变分布图，并把应变高值区与近几年来发生的5级以上地震作对比，得出了研究区内地震危险性可能较大的区域。另外，对模拟的甘青块体与阿拉善块体的边缘带断裂左旋运动做了大概计算。     

抽油机悬点投影测量仪

油田抽油机的抽油杆幌动幅度过大，是引起抽油杆断裂的一个重要因素，检测这种幌动幅度是防止抽油杆断裂的一种有效手段。设计了一种基于面阵CCD和普通半导体激光器（LD）测量这种幌动的悬点投影测量方法，通过数字卷积滤波，达到了范围为0－40mm，误差＜0.2mm的技术检测指标。     

Influence of the Choice of Core-Envelope Transition Point on the Binary Merger of Two Main-sequence Components

We have studied the influence of different choices of core-envelope transition point on the final merger of contact binaries with two main-sequence components. A binary of 1.00 + 0.90M⊙ with an initial orbital period of 0.35d is examined. The mass fraction of the primary mixed with the matter of the secondary, qmix, determined by the chosen core-envelope transition point, ranges from 0.04 to 1.00 in our analysis. If as qmix< 0.8, none of the     

流星暴的航天定义

定义ZHR^*以每小时穿过1000平方公里天顶截面的，能在铝质表面打出直径不小于1厘米的弹坑的流星体数，作为流星群对航天安全威胁强度的定量标志，给出了从ZHR到ZHR^*的换算公式．用ZHR^*取代ZHR来评价20世纪90年代以来的一些强流星雨，发现1998年的贾可比尼(天龙座)流星雨对航天安全来说，是比公认的1999、2001、2002年3次狮子座流星暴强数倍的更强流星暴．