查表法设计地震活动模糊预测预警系统

模糊数学方法在地震学研究,特别是在地震预测工作中起到过重要的作用。近年发展起来的模糊查表法是模糊数学中新出现的一种新的模糊系统有效方法,在智能控制、机器学习、序列建模、综合预测中获得了广泛的应用,取得了显著效果。基于此,把该方法引入地震活动趋势预测和预警研究工作中:首先介绍了模糊查表法的方法与原理,然后基于该方法和由最大震级序列形成的多维样本建立了华北地区及主要地震活动带最大震级时间序列的趋势预测和预警模型,并对获得的模型进行了内符检验,最后对建模方法和计算结果进行了详细讨论。综合分析认为,该方法原理简单直观,计算结果稳健,建模与预测精度较高,外推泛化能力较强,可以作为地震趋势预测和预警的一种有效方法。     

近40年三工河流域气候变化分析

通过近40年三工河流域不同海拔高度的典型地貌气象资料的统计，对影响流域气候变化的气温、降水、蒸发气象要素进行线性趋势分析，得出中山森林区气候暖湿化相对较弱，平原区气候暖湿化特征显著，近山倾斜平原绿洲区是气候暖湿化最为明显的地域。流域降水与蒸发呈反相关关系，降水增加起到绝对增湿作用，蒸发减小起到相对增湿作用。在此气候趋势变化下，三工河流域和有相似地理环境的天山北坡各流域已显现出降水量增大、洪水发生频率增高、荒漠植被显著增加以及区域农业生产环境改善的暖湿化特征。     

祁连山夷平面形成时代的ESR年龄证据

青藏高原夷平面形成年代是确定高原起始隆升时代和抬升幅度的重要证据。青藏高原东北缘祁连山地区4100~4300 m的海拔高度上保留有大片平坦地形面构成的夷平面,地质与地貌调查表明,夷平面切削古生代花岗岩类侵入体及晚古生代-古近纪地层,被夷平的最新地层为始新世-渐新世火烧沟组。祁连山抬升导致河流下切与断陷作用并形成深切河谷及断陷盆地,充填于古河谷及断陷盆地中的渐新世-中新世白杨河组开始沉积时代,代表了夷平作用过程的终止年代及导致夷平面解体的构造隆升时代。29个ESR测年数据表明,白杨河组沉积时代为34.4~11.89 Ma。由此推论,祁连山夷平面形成于始新世末（34 Ma之前）,形成时其高度在1000 m左右,34 Ma左右祁连山夷平面开始解体并快速抬升。

     

西秦岭造山带的演化、构造格局和性质

简要论述了西秦岭造山带显生宙以来的构造演化和格局,讨论了西秦岭造山带的性质.西秦岭造山带自800Ma左右以来,经历了超大陆裂解、洋陆演化、碰撞造山、板内伸展和陆内叠覆造山后才形成现今的西秦岭造山带.在不同的构造演化阶段,西秦岭有着完全不同的构造体制和格局.在洋陆演化阶段属板块构造体制,以多陆块洋为特征的洋陆格局;在板内伸展阶段属板内裂谷和裂陷盆地体制,以板内伸展盆地体系为特征的海陆格局;在陆内叠覆造山阶段属陆内盆山体制和陆内盆山格局.西秦岭造山带是一个"碰撞—陆内型"复合造山带.     

裂纹间动态相互作用的实验观测与理论分析──以共线剪切裂纹归并为例

本文以共线剪切裂纹的归并为例,研究裂纹系的动态相互作用．实验结果表明：在张破裂的意义上,小间距共线剪切裂纹的内端部实际上是阻碍结构,通过迂回弯曲的张破裂归并．本文提出一种估计张破裂扩展途径的近似方法,利用张应力破裂判据找出了潜在的破裂扩展途径的第一近似,较好地模拟了共线裂纹的破裂途径,和现有的数值模拟方法比较,可以大大缩短机时,简化计算程序,保证精确度．本研究结出了岩石剪切破裂“隧道效应”（即破裂跳过障碍体,而障碍体本身不破坏）的机理,还给出了脆性介质在摩擦、磨损过程中碎屑产生的机理．     

HPPPR模型及其在地震综合预测研究中的初步应用

在综合考虑经典投影寻踪算法特点的基础上,针对投影寻踪计算中存在的一些不利因素,给出相应的解决思路.利用数值仿真技术进行基于粒子群优化算法与厄密特多项式构建的投影寻踪回归模型建模能力与计算精度的检验,再将其应用于多维地震时间序列综合建模预测中.计算结果和进一步分析表明,基于粒子群优化算法与厄密特多项式构建的投影寻踪回归投影寻踪模型具有简单、快速、有效的特点,在实际地震综合预测建模中取得了满意的效果,可作为地震综合预测的一种回归分析方法.     

小波分析在电磁数字化资料分析处理中的应用

基于小波变换理论,分析了数字信号f(x)近似地表示为近似部分ak^jf(x)与分解(或细节)部分dk^jf(x)的理论,建立了数字化资料的干扰识别与消除、高频信息与低频信息提取的分析方法。本给出了小波分析方法应用于电磁数字化前兆的实例,说明小波变换可作为电磁数字化资料分析处理的一种有效方法。     

Transformer网络在大地电磁反演成像中的应用

传统大地电磁反演通常是基于确定性梯度的迭代求解,不仅需要大量时间计算雅可比矩阵,还依赖于初始模型的输入和正则化因子等参数的设置。近年来学者们不断引入机器学习方法以试图改善大地电磁反演,该方法不需要计算雅可比矩阵,不用输入初始模型,训练好的网络仅需几毫秒就可实现反演成像。这里利用Google团队提出的Transformer神经网络经典框架搭建大地电磁数据和模型之间的映射网络,以9240组正演数据为样本,对Transformer网络参数进行训练。采用南非开源大地电磁数据,实现了由视电阻率图像到电阻率模型的反演成像。研究表明:①经训练后的Transformer网络可以较准确的反映出异常体位置和大小;②网络实现了简单的矩阵并行化运算,大幅度提高训练的效率,且成像效率高于传统的反演。