川滇强震的回归—马尔可夫链联合预测

本文应用回归—马尔可夫链联合预测地震的方法,结合川、滇强震的特点,对川、滇强震进行了计算,并作了预测验证。结果表明,该方法对川、滇强震的预测效果较好。     

区块链技术在教育领域的应用现状与展望

区块链本质上的去中心化和安全特性,使得其很适合于解决目前教育领域面临的困难.本文首先介绍了区块链的基本技术原理,包括区块的结构和区块链的构成、区块链技术平台的体系结构、区块链的分类、共识算法、智能合约.接着分析了目前教育领域发展的终身教育和跨地区教育的新形势,以及传统数字化教育系统面临的主要问题.然后从教育相关信息的多方共享和验证、学习过程跟踪、激励和学习路径塑造、学习评估、教育管理与决策辅助等几个方面对区块链技术在教育领域的应用现状进行了介绍和分析.最后总结了目前区块链技术应用到教育领域的主要问题,并展望了未来的发展方向.     

宿州春烟栽培生态气候条件及最佳移栽期预报

通过春烟栽培的生态气候条件分析,指出了制约宿州市春烟高产优质栽培的关键是准确把握和预报最佳移栽期。给出了预测春烟最佳移栽期的三种方法——农业气候学方法、农业气象学方法、数理统计预报方法。通过对三种方法的使用分析,得出最有效的方法是灰色-马尔柯夫链相结合的数理统计预报方法,并给出了该方法的建模过程和应用实例,经历史拟合检验,误差≤3天的准确率达95．5％,≤2天的准确率达86．4％,≤1天的准确率为68．2％,完全吻合率达54．5％。2002年、2003年试报,准确程度分别为完全吻合和相差1天,实用效果非常好。     

广西大风短临预报预警方法的研究与应用

分析了大风短临预报的现状、困难和原因,重点介绍数据挖掘技术在广西大风短临预报预警方法研究中的应用,利用2019年7月11日-9月11日期间的数据,对广西大风短临预报预警系统的预报能力进行TS评估和时效性检验,结果表明:该系统对广西89个台站所做的大风蓝色预警、大风黄色预警,以及不分级TS评分检验,预报准确率达到18％以...     

地球物理灾害链有关物理问题的讨论

对地球物理灾害链的致灾机理,地震引起的放气范围、放气时间过程的计算方法,以及地气耦合致灾模式,进行了讨论和分析。分析结果认为,巨灾大都是多种因素迭加和强化的结果。由于单学科往往提出的致灾因素有限,所以预测效果不甚理想。要多学科从多种因素上去研究,才能改进大灾预测手段和方法,最后达到灾害链全链预测的目的。     

线性MX链上的Peierls二聚化

从Ｂａｃｒｉｓｗｙｌ－Ｂｉｓｈｏｐ模型出发，研究了Ｍ离子或Ｘ离子的晶格位移对ＭＸ链的Ｐｅｉｅｒｌｓ二聚化的物理效应。结果表明，Ｘ离子较之于Ｍ离子更易于发生二聚化。     

CINRAD/SA(B)发射机激励放大器芯片级故障诊断流程

激励放大器是发射机射频放大链电路前级功率放大器,对雷达探测资料可靠性具有重要作用。研究芯片级故障诊断流程,一方面可以解决台站技术保障人员无法故障定位到芯片级的技术难题;另一方面,芯片级故障维修可达到大大降低维修成本的目的。雷达故障一般分为参数调整不当导致性能下降故障和器件损坏造成参数异常故障。为此,通过总结出CINRAD/SA(B)发射机激励放大器信号流程、故障树图集,在依据同步信号时序关系及关键点波形参数基础上,研究出规范化的激励放大器调试技术和方法,以及激励放大器芯片级故障诊断定位流程,并列举了依据激励放大器芯片级故障诊断定位流程,修复激励放大器集成块N8损坏,导致+8 V电源不正常,造成激励放大器无功率输出,以及激励放大器的第二级功放模块故障导致激励放大器输出功率低的两个故障的典型个例,以检验维修效果。实际应用结果表明:芯片级激励放大器故障诊断定位流程可以快速定位发射机激励放大器故障点到故障器件,方法简洁、思路清晰、操作规范,基层雷达站技术人员容易掌握;激励放大器调试技术和方法,能解决激励放大器参数调整不当导致激励放大器性能下降故障,可有效提高新一代天气雷达技术保障水平。     

模糊马尔可夫预测法在空气质量评价中的应用

将模糊综合评价及马尔可夫链同时运用到空气质量的评价中,可克服大气环境系统所固有的模糊性及随机性。通过1994—1998年芜湖市大气环境监测数据计算表明：不仅预测结果准确,而且由于应用了模糊数学方法,使得结果较为可信,且整个过程计算简单,是一种较适合的方法。     

追踪比特币新币走向:一种基于交易网络结构特征识别矿工的方案

比特币是近年关注度最高的虚拟电子货币,"挖矿"是在此生态中最重要的获利方式之一.本文通过分析比特币交易间的引用关系,追踪区块链中挖矿所得的新币走向,构建新币流通网络.通过对比不同矿池所挖得的新币流通网络,设计了启发式算法识别比特币矿工群体,并以此推断矿池常见的收益分配方式.此外,本文还对矿工群体规模的逐年增长趋势进行了刻画.     

改进灰色马尔科夫模型在基坑预测中的研究

基坑预测问题关系到工程施工的安全,在施工过程中对基坑进行周密的监测和变性预测分析显得尤为重要。针对传统预测模型存在固有偏差和可靠性低的缺点,采用新陈代谢的原理对无偏灰色加权马尔科夫模型进行改进。该模型先用无偏灰色模型拟合系统的总体变化趋势,然后,对拟合残差进行马尔可夫状态划分,并根据各阶权重对不同步长的转移矩阵进行加权处理,用加权后的无偏灰色马尔科夫模型进行预测。在每一步的预测中,利用新陈代谢的原理不断更新建模所使用的数据。将该模型用于基坑沉降预测,并通过实例进行验证。实验表明:基于新陈代谢的无偏灰色加权马尔科夫模型提高了基坑沉降预测的精度和可靠性,预测精度与未改进模型相比提高了8.54%。