地震序列的空间随机分析

利用空间随机点过程的统计分析方法对大华北地区地震的空间分布特点作了统计分析.着重对地震的完全随机性、不同震级间地震的相互独立性以及随机标值等作了检验分析.分析表明,大华北地区地震的空间分布表现出成丛性,各不同震级段间为正相关,同时它们的空间分布可用一二维空间随机过程模拟.所得结果可为合理建立地震的空间分布模型提供依据,对合理估计地震危险性具有一定的意义.      

民房震害预测专家评定统计模型的探讨

本文针对专家评定意见有一定伸缩性的特点,将专家意见表示为评定论域上的模糊子集,利用可能性相加原理,对专家意见进行了统计分析,得出综合性的意见。结果表明,利用伸缩性提供的丰富信息,可以较好地总结专家意见。基于几种模型的仿真可靠性分析结果,本文推荐可靠性最高的模型作为城市平房震害预测统计手段。     

新地震区划图的几个基本问题

我国新的地震区划图(1990年版)是采用地震危险性慨率分析方法编制的。该图给出的是场点地震烈度值,该值在50年内被突破的概率为0.1。人们普遍关注该图与我国曾经编制的地震区划图(1957年版,1977年版)的区别,该图超越概率概念的内含和外延以及超越概率水平为什么采用50年超越概率0.1。本文围绕这些问题进行了讨论。分析结果表明,前两张地震区划图编图的基本着眼点都是地震预测,而新的地震区划着眼于场点的地震动预测。新的地震区划图是按场点地震危险性分析方法给出的,它所表示的地震危险性只能针对具体的场点,不能完全反映区域的地震危险性特征。而弄清场点地震危险性和区域地震危险性的差异是正确进行区域防灾对策的基础。作者希望这些讨论能对正确使用新的地震区划图有所裨益。     

极值理论在中长期地震预报中的应用

一、引言 极值理论是概率论中的一个重要分支,在许多领域已经广泛应用。例如,研究洪水的统计规律和洪水预报,研究地震活动性等。本文在进一步分析地震过程和过去工作的基础上,对极值分布函数进行了修改,应用新的分布函数,用于偿试中长期地震预报。 由于极值理论本身的特点,对观测资料要求较低,它不需要一段时间（譬如50年）内     

区域时间和震级可预报模型在华北及西南地区的应用

应用能把不同精度和完整性的地震资料甚至考古地震资料结合起来,估计震源区的地震矩年变化率的方法,计算了地震矩年变化率．在此基础上,把区域时间震级可预报模型应用到华北地区和西南地区,地震时间间隔和上次地震的震级正相关,表明该模型是成立的．其震源应力积累参数之一的c值小于全球板缘地震得到的平均值0.33,说明地震复发周期与上次地震震级的相关性较弱,体现了中国大陆地震不同于板缘地震,意味着板缘地震和内陆地震模型存在差别．并用此模型对华北地区和西南地区的地震危险性作了分析．      

Bayes判别分析法与地震短临预测

建立了一套完整的Bayes判别分析方法,并提出了明确的衡量综合预测结果所冒风险大小的风险代价比Kdn该方法可用于不同时间尺度的地震综合预测。选取云南地区1994～1996年的水氡观测资料,采用X2统计检验法识别前兆异常,利用Bayes判别分析方法对云南地区的强震活动性进行了内符检验和外推预测。在风险代价比Kdn取4的情况下,内符检验的R值可达0．54,外推时空占有率0．07,获得了满意的效果。     

高美古与凤凰山水汽含量的统计分析

介绍了利用北京师范大学研制的ＩＲＡ－９３５型红外水汽测量仪对云南丽江高美古天文候选点及昆明凤凰山对比点上空垂直大气水汽积分含量Ｗ０的观测结果,给出了两地Ｗ０的日变化曲线及分布图,并对全年测量数据的统计结果作了分析和讨论     

基于统计学的地震显著平静阈值估计

提出具有统计学意义的地震显著平静阈值估算方法,用于中国大陆及川滇、新疆和华北地区中强震活动分析,在不同区域得到不同起始震级的显著平静阈值范围。结果显示:(1)中国大陆7级、6级和5级地震显著平静的阈值范围分别为3.9—6.2年、7.9—9.6个月和62—70天;(2)川滇地区6级和5级地震显著平静的阈值范围分别为2.1—2.9年和7.0—8.5个月;(3)新疆地区6级和5级地震显著平静的阈值范围分别为2.6—4.0年和8.5—10.5个月;(4)华北地区6级和5级地震显著平静的阈值范围分别为11.7—23.4年和5.2—7.7年。     

青藏高原北部地区地震统计区划分及地震活动特征

地震统计区的划分是研究地震活动性的重要前提和基础,通过对青藏高原北部地区构造地质背景的分析,依据地球物理特征和强震活动特点,讨论和划分该区地震活动统计区,探讨研究区地震活动的复发特点、地震构造特征、潜在地震危险性及强度,分析研究区未来强震发生的强度和可能地点,结果表明,目前青藏高原北部地区处于第8个活跃期,仍存在发生强震的可能,且未来数年存在发生7级以上地震的可能,应密切东昆仑断裂带东段和祁连山中西段地区。     

Statistical Downscaling Based on Dynamically DownscaledPredictors： Application to Monthly Precipitation in Sweden

A prerequisite of a successful statistical downscaling is that large-scale predictors simulated by the General Circulation Model (GCM) must be realistic. It is assumed here that features smaller than the GCM resolution are important in determining the realism of the large-scale predictors. It is tested whether a three-step method can improve conventional one-step statistical downscaling. The method uses predictors that are upscaled from a dynamical downscaling instead of predictors taken directly from a GCM simulation. The method is applied to downscaling of monthly precipitation in Sweden. The statistical model used is a multiple regression model that uses indices of large-scale atmospheric circulation and 850-hPa specific humidity as predictors. Data from two GCMs (HadCM2 and ECHAM4) and two RCM experiments of the Rossby Centre model (RCA1) driven by the GCMs are used. It is found that upscaled RCA1 predictors capture the seasonal cycle better than those from the GCMs, and hence increase the reliability of the downscaled precipitation. However, there are only slight improvements in the simulation of the seasonal cycle of downscaled precipitation. Due to the cost of the method and the limited improvements in the downscaling results, the three-step method is not justified to replace the one-step method for downscaling of Swedish precipitation.