中国区域加权平均温度的建模研究

主要研究了中国区域加权平均温度(T_m)与地表温度(T_s)的函数关系模型。为提高中国区域T_m的计算精度,收集了中国区域内2013-2015年76个测站的无线电探空数据,采用传统线性回归建模方法建立T_m与地表温度(Ts)的线性回归模型A;然后,顾及T_m的年周期变化,提出了一种改进回归模型B。利用2016年69个测站的探空数据对模型A和模型B进行检验,模型A与模型B的年均方根误差分别为±3.147K和±3.025K,而常用的Bevis模型年均方根误差为±3.385K。模型A与模型B的精度较之常用的Bevis模型分别提高了7%和11%。本研究成果可以提高GNSS技术探测大气可降水量的精度,对GNSS气象学的发展和完善具有积极意义。     

基于BP神经网络的霍普菲尔德模型改进研究

为了分析对流层延迟的时空变化规律、提高对流层延迟的改正精度,利用BP神经网络处理非线性问题的优势,改进传统的霍普菲尔德模型得到一种新的融合模型(Hop+BP模型)。分别对比Hop+BP模型与传统的霍普菲尔德模型、多元线性回归模型、BP神经网络等模型的计算结果,得到如下结论:霍普菲尔德模型存在一个明显的系统误差,精度较低;多元线性回归的预测精度有所提高,但是其本质是将数据强制拟合,缺少物理解释,难以推广使用;传统的BP神经网络的计算精度较之霍普菲尔德模型有80%的提高,但存在明显的不稳定性;Hop+BP模型具有预测精度高、稳定性好等优点,预测中误差为1.1cm,明显优于传统方法。     

一种盾构施工引起的地面沉降预测方法

针对盾构施工引起的地面沉降的影响因素众多、关系错综复杂,常规数学模型难以准确预测沉降量的问题,该文提出了采用主成分分析法和粒子群优化的支持向量机方法来建立预测模型。并结合工程实例将预测结果与常用的多元线性回归模型和基于Levenberg-Marquardt算法改进的BP神经网络模型(LM-BP)的预测结果做了比较。结果表明:PCA-PSO-SVM的预测结果精度较多元线性回归模型和LM-BP神经网络有很大的提高,证明了该研究方法具有一定的理论意义和参考价值。     

无缝线性回归与预测模型

建立回归模型常采用最小二乘方法并忽略自变量观测误差。尽管同时顾及自变量和因变量观测误差的总体最小二乘方法近年来得到了广泛研究,但在模型预测时,依然忽略了待预测自变量的观测误差。对此,本文提出了一种严格考虑所有变量观测误差的无缝线性回归和预测模型,该模型将回归模型的建立和因变量预测联合处理,在建立回归模型过程中对待预测自变量的观测误差进行估计并修正,从而提高了模型预测效果。理论证明,现有的几种线性回归模型都是无缝线性回归和预测模型的特例。试验结果表明,无缝线性回归和预测模型的预测效果优于现有的几种模型,尤其在变量观测误差相关性较大时,无缝模型对预测效果的改善更为显著。     

基于地震-测井数据预测储层参数空间分布规律的神经网络模型

研究了地震资料的特征参数与储层参数间的神经网络模型。建立了相互之间的非线性映射，可以横向预测目的层的储层参数，实现地震资料和测井资料联合预测储层参数的空间分布规律。实验结果表明，该方法是可行的。     

机器学习算法辅助的GPS信噪比观测值土壤湿度反演

利用BP神经网络和支持向量回归机两种机器学习算法,构建基于机器学习算法的GNSS卫星反射信号土壤湿度反演模型,并与线性回归统计模型和实测数据进行对比分析。结果表明:基于机器学习算法的GNSS卫星反射信号土壤湿度反演方法获取的土壤湿度结果与土壤湿度参考值误差较小,反演模型的决定系数分别为0.928 3和0.913 1,均方根误差为0.026 6和0.032 6,线性回归统计模型的决定系数分别为0.553 2和0.859 8,均方差根误差分别为0.093 9和0.041 6。说明利用回归算法定量估测土壤湿度明显优于线性回归统计模型,且基于支持向量回归机的土壤湿度反演模型定量估测土壤湿度优于基于BP神经网络算法的土壤湿度反演模型,证明了该方法的可靠性,为土壤湿度的实时反演研究提供了一种新方法。     

结合注意力机制和Bi-LSTM的降雨型滑坡位移预测

受季节降雨波动和邻近点位的牵引作用影响,滑坡位移呈阶梯状变化趋势。为有效预测该类滑坡的位移,本文提出一种基于注意力机制的双向长短时记忆(Bi-LSTM)神经网络位移预测模型。首先,建立滑坡监测累计位移时间序列模型,将滑坡累计位移分解为趋势项和周期项;然后,分析滑坡因子与趋势项及周期项的相关性,采用多项式回归对趋势项进行拟合,通过基于注意力机制的Bi-LSTM对周期项进行预测。试验结果表明:基于注意力机制的Bi-LSTM预测模型具有稳健的泛化能力,能有效捕获不同时序数据间的相关性;预测结果精度平均绝对误差为0.088 mm,平均均方误差为0.042 mm,相比常规的长短时记忆(LSTM)神经网络模型,本文方法的预测结果精度更高。     

基于深度置信网络的GNSS-IR土壤湿度反演

基于大地测量型GNSS接收机获取的反射信号反演土壤湿度是GNSS领域的研究热点。为克服常规线性回归和BP神经网络算法等的缺陷,本文提出了一种基于深度置信网络的GNSS-IR土壤湿度反演方法。试验结果表明,基于该方法得到的决定系数、土壤湿度平均绝对误差和均方根误差分别为0.909 8、0.017、0.021,与线性回归和BP神经网络算法相比,与实测数据吻合度更高,可有效提高土壤湿度反演精度,证明了方法的有效性和可靠性。     

GA-BP神经网络的GPS可降水量预测

针对传统BP神经网络模型存在的学习速度慢、易陷入局部极值以及网络结构参数取值的不确定性等问题,该文研究了一种基于遗传算法与BP神经网络相结合的GPS可降水量预测的新方法。该方法利用遗传算法对BP神经网络的初始权值和阈值进行优化,并对该模型进行训练,以提高预测模型的性能。实验结果证明了遗传BP神经网络模型用于GPS可降水量预测的可行性,其预测结果的均方根误差为0.16 mm、平均绝对百分误差为0.23%。相对于BP神经网络和小波神经网络模型,均方根误差分别降低了0.37和0.19 mm,平均绝对百分误差分别降低了0.62%和0.33%。同时遗传BP神经网络模型亦显示了很好的非线性拟合能力,能更好地预测GPS可降水量,对实际工作具有较强的参考价值。     

BP神经网络辅助的GNSS反射信号土壤湿度反演

针对如何快速准确地估算区域尺度上的土壤湿度问题,该文首先从高质量GPS接收机接收的信噪比观测值中,提取L2C反射信号的振幅和相位作为输入,并采用Noah陆面模型计算土壤湿度值作为期望值,构建基于BP神经网络算法的GNSS卫星反射信号土壤湿度反演模型。实验结果表明:基于BP神经网络算法的GNSS卫星反射信号土壤湿度反演方法获取的土壤湿度结果与土壤湿度参考值误差较小,线性回归的决定系数R2为0.909 1,均方根误差为0.028 7;进一步与线性回归统计模型比较发现,利用BP神经网络模型定量估测土壤湿度明显优于线性回归统计模型,证明了该方法的可靠性。     

泸定Ms 6.8地震诱发滑坡应急评价研究

2022-09-05,四川省甘孜州泸定县发生Ms 6.8地震。地震在山区诱发了大量的地质灾害,造成了严重的人员伤亡。快速准确地获取地震诱发地质灾害的空间分布范围对震后应急决策和救援抢险至关重要。基于全球同震滑坡数据库与深度学习算法,构建了地震诱发滑坡空间分布概率近实时预测模型,在震后2 h内获取了泸定地震诱发地质灾害的预测结果。通过震后无人机与卫星遥感影像,采用机器学习与深度学习算法实现了震后大范围地质灾害的智能识别,共解译地震诱发滑坡3 633处,总面积13.78 km2。利用遥感解译的泸定地震滑坡数据,对地震诱发地质灾害预测模型进行了优化,获得了震区范围更广、准确性更高的同震滑坡预测结果。结果表明,同震滑坡预测模型能够快速获取震后地质灾害的空间分布情况,填补震后遥感影像获取前的空窗期,为灾后应急救援提供支撑;基于无人机与卫星遥感影像的智能识别技术是快速获取大范围地质灾害信息的有效手段。所取得的研究成果在泸定地震震后应急救援工作中发挥了重要作用。     

绝对重力仪对日本海域6.0级地震的精确纪录

FG5绝对重力仪在上海佘山基准站观测前后发生了日本海域6.0级地震。数据处理分析表明,地震在该基准站引起的绝对重力值变化约为-16微伽,这对地震进行预报以及对地震造成的危害性进行评估有着积极意义。     

唐山7.8级地震三维地表形变和断层运动特征

通过系统收集整理1976年唐山7.8级地震前后区域水准和边角网观测资料,在研究发展动态平差程序的基础上,解算得到了唐山地震震前和同震三维形变定量结果与误差分布,并反演得到了断层面同震滑动分布。结果显示,震前阶段丰润-唐山-唐海-昌黎-迁安一带整体隆升,隆升高值区位于唐山附近,震中区的水平形变量不大,唐山菱形地块相对于周围地块逆时针扭转;同震阶段唐山断裂以右旋错动为主,并呈现西升东降的垂向变形特征;反演结果表明多段断层参与了唐山7.8级地震的应变释放,主震发震断层的南段破裂主要发生在深度约6~18 km、长轴约50 km范围,北段破裂主要发生在深度约7~17 km、长轴约30 km范围,滦县地震断层也发生了少量滑动;主震断层最大水平位错为7.82 m、最大垂直位错为2.04 m,等效震级为Mw 7.58。挖掘得到的唐山震前和同震三维形变场定量结果为深入研究该地震的孕育发生机制及地震影响提供了珍贵资料。     

基于GIS地震灾害的模型研究和空间分析

系统地介绍了建筑物震害预测空间分析模型、地震危险性分析模型、地震经济损失预测模型、人员伤亡与无家可归人员预测、等震线模型等,对建筑物震害预测提出了一种新的、适用于GIS系统的建筑物震害预测方法——模糊震害指数法。并以汶川地震为例进行了地震模型研究和空间分析,为决策部门对震后受损状况与灾后重建工作提供科学依据。     

汶川地震孕育过程中变形场变化特征研究

揭示与地震孕育过程相关的变形场特征是判别地震孕育阶段及地震危险性的一个重要途径。收集汶川Ms 8.0地震震中区汶川台自2002年10月至汶川地震前的地倾斜观测数据,利用小波分析方法和分段拟合方法,提取了震前地倾斜变化的阶段性特征;利用2001年以来全球卫星导航系统（global navigation satellite system, GNSS）站坐标日解数据,计算了震中附近的泸州GNSS站与周围GNSS站间基线,通过基线变化与区域地震的Benioff蠕变结果的对比,发现了二者的协同性特征。分析结果表明,2004年底汶川台地倾斜速率出现显著下降,西向倾斜速率由230 ms/a减少到130 ms/a;2007年初至发震前减少到60 ms/a;2007年底至发震前未出现指数型加速变化。广州-泸州GNSS基线在2005年初开始的加速缩短异常与Benioff蠕变亏损异常具有较高的相关性,相关系数为0.89;该基线加速缩短持续时间约2.5 a,对应地震的震级估计为7.9级,与汶川地震震级相当,反映了其与汶川地震的应变积累具有一定的相关性。2004年苏门答腊Ms 8.9地震的发生对川滇地区应力应变场影响较为显著,对汶川地震的孕育发生起到了加速作用。研究结果对于认识地壳形变观测的意义及创新地震预测思路具有参考价值。     

2008年汶川地震前的形变异常及机理解释

2008年5月12日发生了汶川8.0级大地震,震前的定点形变观测值曲线异常很少。震后通过对定点形变观测台站的震前数据进行了深入分析和处理,发现在汶川8.0级地震前存在形变异常,且距震中较近的台站,出现的异常信息的频率较高;距震中稍远的台站,出现的异常信息的频率较低。对这些现象进行了初步的解释。     

基于D-InSAR的长宁地震形变场提取与模拟

2019年6月19日四川长宁县发生Ms6.0地震,提取地震同震形变场,反演震源机制,对于地震破裂分析、指导救灾具有重要意义。本文利用两轨差分干涉处理覆盖长宁地震影响区域的两景Sentinel-1A影像,在对D-InSAR关键技术和影像特征研究的基础上,配置处理方法和参数,提取了此次地震的同震形变场,采用Okada模型和正向建模对发震断层的几何参数及形变场进行了反演和模拟。结果表明,长宁地震形变场呈西北—东南走向的次级断层控制的不规则椭圆形,断层的两侧区域特征差异明显,断层左下侧为沉降区,右上侧为隆升区,两者的最大视线向形变分别为8、6 cm。断层的运动主要以左旋走滑为主,平均滑动距离约0.38 m,平均滑动角约55°,正向模拟的形变场与观测结果相符,这表明观测结果较可靠,同时也提高了低相干形变区的观测精度。     

2017年“8.8”九寨沟地震滑坡自动识别与空间分布特征

2017年8月8日发生的7.0级九寨沟地震诱发九寨沟熊猫海附近产生大量的滑坡体,造成道路阻塞,严重影响地震应急救援进度。为快速准确地识别滑坡分布范围,本文在深入分析滑坡遥感影像特征的基础上,引入面向对象分析方法,实现了基于无人机影像的震后滑坡体的自动识别。通过多尺度分割算法获取滑坡多层次影像对象,利用SEaTH算法自动构建每一层次特征规则集,实现基于不同层次分析的滑坡体自动识别。分析滑坡体在地形、活动断层等因子中的空间分布特征,为地震滑坡预测与危险性评价奠定基础。与人工目视解译结果相比较,基于面向对象的滑坡自动识别方法提取精度可达94.8%,Kappa系数为0.827,在电脑配置相同的情况下,自动识别方法的效率是人工目视解译效率的一倍。空间分布特征分析表明,地震滑坡的空间分布与斜坡坡度、地形起伏度呈正相关关系,与地表粗糙度存在负相关关系,研究区滑坡体分布存在明显的断层效应。     

利用Sentinel-1A数据监测地表形变案例分析

雷达卫星结合InSAR技术已广泛应用于高精度地表形变监测领域。本文选取2017年九寨沟地震为研究案例,利用Sentinel-1A地震前后的单视复数影像,基于D-InSAR技术获取该次地震的同震形变场。结果显示：震中西北侧表现出相对均匀的下沉现象,沉降漏斗区雷达视线向最大沉降量达25.1 cm;东南侧呈现不均匀抬升状态,地表破碎较为明显,最大抬升量为11.6 cm。研究表明基于Sentinel-1A数据的D-InSAR技术可以为地震形变场的定量分析提供一种快速有效的手段,为阐释地震发震机理及评估受灾情况提供必要的数据支撑,具有广阔的应用前景。     

GPS长趋势变化与大地震的关系

分析了中国大陆27个基准站运行以来至2011年3月的坐标时间序列数据,利用小波变换进行了分频段处理,重点分析了长趋势项(T≥512d)。从长趋势项曲线形态上可以看出站点存在分区特征,同一区域的站点曲线相关系数较高,且区域与地块重合性较好;在曲线形态出现涨落特征后,中国大陆及周边地区会发生Ms 7.5级以上地震。