基于多种机器学习及其堆叠式集成方法的月尺度北极海冰预测研究北大核心CSCD

北极海冰范围退缩已对区域和全球气候变化、北极通航性乃至地缘政治格局产生了深远影响,开展北极海冰预测具有重要意义。本文使用美国冰雪数据中心(NSIDC)发布的海冰密集度、海冰冰龄遥感资料以及ERA5再分析资料,结合前人研究和海气耦合模式结果选择预测参量方案,开展了月尺度的海冰冰情预测。比较了支持向量机(SVR)、深度森林(DF)、LightGBM (LGB)、XGBoost(XGB)和CatBoost (CAT)等5种机器学习算法和以树模型LGB、XGB和CAT作为基模型,以贝叶斯回归、岭回归、套索回归和深度森林作为元模型的4种堆叠式集成学习模型,以及深度神经网络(DNN)、卷积神经网络(CNN)、时空卷积网络(ConvLSTM)3种深度学习模型在2000年测试集上对海冰范围和密集度空间分布的预测效果。结果表明:在海冰密集度预测中,ConvLSTM表现最优,套索堆叠集成学习模型预测效果次之。集成学习模型相较于三种单一树模型在预测效果上有约1%~4%的提升。在海冰范围预测中,堆叠式集成学习模型的预测效果最好。本研究为开展机器学习海冰预测奠定了重要基础。     

溶胶-凝胶法的技术进展与应用现状①

溶胶-凝胶法是一种在较低温度下即可得到希望的化合物的 新 方法。简述了溶胶-凝胶法的基本原理,总结了溶胶-凝胶技术发展现状,着重介绍了溶胶 -凝胶技术在制备块状、纤维、涂层和薄膜、超细粉末及复合材料方面的应用现状。     

铬—邻菲啰啉—亚硝酸钠—溴化十六烷基三甲铵体系的极谱催化波

本文提出邻菲口罗啉—亚硝酸钠—溴化十六烷基三甲铵测定铬的新体系。在０．２４ｍｏｌ·Ｌ－１ＮａＮＯ２－１．２×１０－５ｍｏｌ·Ｌ－１Ｏ－Ｐｈｅｎ－４．８×１０－５ｍｏｌ·Ｌ－１ＣＴＭＡＢ（ｐＨ９．３）底液中,Ｃｒ（Ⅵ）于－１．４０Ｖ（Ｖｓ：ＳＣＥ）产生一灵敏、尖锐、稳定的极谱波。Ｃｒ（Ⅵ）浓度在０～６０μｇ·Ｌ－１范围内与峰电流呈良好的线性关系。用本法测定了水样及钢样中痕量铬,结果良好。本文还对极谱波的性质进行了初步探讨。     

复杂条件多工艺联合深基坑支护技术

在复杂条件下,采用钻孔灌注连排桩,连排桩间高压喷射注浆桩和地下连续墙３种工艺联合,进行深基坑支护,在施工过程中注意质量控制,取得了好的支护效果。     

基于改进超像素和标记分水岭的高分辨率遥感影像分割方法

影像分割是高分辨率影像面向对象分析中的关键步骤,对信息提取精度起到至关重要的作用.为提高高分辨率遥感影像面向对象算法分割性能,提出一种改进超像素和标记分水岭的分割方法,包括特征融合、超像素初分割、控制标记符的标记分水岭再分割3个主要步骤.在超像素初分割阶段,利用高分辨率遥感影像纹理特征突出的优势,结合颜色空间、空间位置...     

基于范例推理的黄土路堑高边坡稳定性预测研究

充分利用大量公路黄土路堑高边坡实例,构建了基于范例推理的边坡稳定性预测模型。该模型是将已建黄土路堑高边坡实例作为源范例,而将待分析边坡作为目标范例,通过源范例和边坡范例之间的相似度计算,得到目标范例与源范例之间的相似性序列,找出与目标边坡范例最相似的源范例,从而实现了黄土路堑高边坡的稳定性预测。实例分析表明,该法不仅原理简单、使用方便,而且效果良好。     

基于固有频率的海洋平台损伤检测方法的改进

针对海洋平台损伤检测方法中需要未损伤模型参数的不便,提出了一种相对频率变化量的方法。对不同类型构件的损伤及同一类型构件在不同位置损伤的情况,进行结构模态分析,研究平台结构的固有频率对损伤、损伤位置和损伤程度的敏感性,以及平台质量变化对频率的影响。利用两次测量的相对频率变化量,可以发现损伤的存在,并进行损伤的初步定位。     

舟山海域高频地波雷达表层流探测试验

2015年4月7-30日,在浙江省舟山近海海域开展了“嵊山-朱家尖”小型阵列变频高频地波雷达系统的海上比测试验,通过雷达观测数据与定点ADCP海流资料的比对检验了地波雷达表层流探测性能。径向流比对结果显示,测点与雷达法向夹角越小,距离雷达距离越近,径向流比测结果越好,雷达探测的结果越可靠。嵊山站径向流与ADCP观测结果的各站总体平均误差为7.98 cm/s,平均均方根误差为15.34 cm/s,平均相关系数为0.89,朱家尖站径向流与ADCP观测结果的各站总体平均误差为6.24 cm/s,平均均方根误差为12.36 cm/s,平均相关系数为0.81。根据矢量流比对结果显示,矢量流速与ADCP观测结果的各站总体平均误差为4.82 cm/s,平均均方根误差为15.03 cm/s,平均相关系数为0.44。设置在嵊山、朱家尖两个雷达站双站探测的核心区域（两个雷达站连线的中垂线上,并且与两个雷达站构成一个近似直角三角形）的站点比测结果更加理想,当流速大于0.25 m/s时,对于核心区域平均后的流向均方根误差为24.9°。     

基于GNSS浮标的波浪反演技术研究

波浪观测在海洋环境预报、海洋工程建设、海洋资源调查、航海安全等领域具有重要作用。基于全球导航卫星系统（Global Navigation Satellite System,GNSS）浮标进行波浪观测的方法具有全天候、实时、准确度高、价格低等诸多优点,同时还可以在浮标上集成其他海洋环境测量仪器,因此越来越受到世界各国研究者的重视。本文提出一种基于GNSS浮标的波浪参数反演方法,并成功应用于浙江温州海域,在海试过程中,同公认的波浪骑士浮标对比,平均波高相关系数达到0.95,标准差为4.06 cm,平均波周期相关系数为0.92,标准差为0.24 s,完全符合国家标准。本文所用浮标系统还可以搭载多种海洋环境要素观测传感器,可将数据实时传输至接收终端,具有较高的应用价值。     

多种机器学习方法在京津冀地区低能见度天气预报中的应用

利用2017—2021年的ERA5再分析资料和京津冀国家站地面资料,结合多种机器学习方法建立预报模型,开展轻雾、大雾客观预报。探讨了再分析资料、地形因素的影响,并结合多模型集成、统计消空进一步优化模型。结果表明:(1) XGBoost (eXtreme Gradient Boosting)、LightGBM (Light Gradient Boosting Machine)、随机森林等集成学习方法的预报效果均优于决策树方法;(2)在引入ERA5再分析资料、地形建模后,XGBoost、LightGBM模型的预报性能显著提高。相比仅使用地面要素建模,大雾预报的TS (Threat Score)提升了30%、32%,达到0.52、0.49,命中率分别为0.62、0.87。此外,经过多模型集成后,轻雾、大雾预报的TS提升到了0.51、0.54;(3)2022年秋季一次大雾过程中,本方法提前72 h准确预报了京津冀地区的大雾,其中以LightGBM模型表现最好。0~72 h轻雾预报和0~36 h逐小时大雾预报的TS均达到0.3,预报准确率、时效性均优于ECMWF (European Center for Medium Weather Forecasting)模式。