暴雨云团的多尺度识别方法及其在临近预报中的应用

将一种暴雨云团的多尺度识别方法——层级聚类法,应用于β中尺度对流系统识别及临近预报中。该方法的基本思路是:将笛卡尔坐标下的雷达反射率因子进行聚类,得到比较详细的较小尺度的暴雨云团,然后设定阈值,将云团之间差异小于阈值的进行合并,可以得到较大尺度的云团,逐步放宽合并阈值,可得到更大尺度的云团。选取广州雷达2005年3月的飑线过程和温州2005年9月的台风过程对这种方法的识别结果进行了详细说明,结果表明:该方法能够识别不同系统的β中尺度对流云团,并能识别出其中反射率较强的γ中尺度云团,识别结果合理。采用这种方法识别不同尺度的暴雨云团,有利于跟踪、预报造成中国暴雨主要原因的β中尺度系统,也可兼顾β中尺度系统中的γ中尺度对流单体。根据预报时效的不同,可以选择不同的云团识别尺度。     

城市道路网络的小世界特征研究

小世界模型为研究城市道路网络的拓扑结构和内在特征等提供了新的视角和方法。该文采用原始法(primalapproach)对城市道路网络进行适度抽象,利用ArcGIS 9.0和Matlab 7.0分别处理和计算城市道路网络的空间数据和属性数据,进而探索其小世界特征。以无锡市新区为例,研究该区整体城市道路网络的小世界特征,选取特征各异的局部网络,并对其小世界特征进行比较分析。结果表明,无锡市新区城市道路网络具有较小的特征路径长度和较大的聚类系数,为典型的小世界网络;局部道路网络均具有小世界特征,其显著程度与道路网络的空间结构特征具有一定相关性;疏密适宜的道路网络具有突出的小世界特征,是规划布局的可行方向,可为城市道路网络优化提供指导。     

利用时空密度聚类的高速公路交通事故黑点路段鉴别

研究高速公路交通事故黑点路段的时空分布规律和关联因素,一直是交通领域的关注重点。本文针对事故统计的交通事故黑点路段鉴别方法存在地理学中的可塑面积单元(MAUP)问题,提出一种基于时空密度聚类的高速公路交通事故黑点路段鉴别方法。该方法改进了传统的DBSCAN空间聚类算法,引入一种顾及时间周期性和事故严重程度的事故时空邻近计算方法,通过密度连接规则自适应鉴别各种时空尺度的交通事故黑点路段。以2012—2016年湖南省的高速公路交通事故为例进行试验,结果表明,本文方法可有效克服不同划分单元的可塑面积单元问题,自适应鉴别不同长度的黑点路段,同时可进一步挖掘黑点路段上交通事故时空聚集模式。     

利用手机信令数据刻画不同人物画像

本文基于微软亚洲研究院Geolife项目北京志愿者2007—2012年长时间尺度的手机信令数据,以个体为单元开展了出行类型和人物画像研究,提出了一种基于高簇聚类对用户轨迹类型进行划分,然后结合出行规律,综合考虑职业类型、年龄、爱好属性特征的人物画像刻画的方法.研究主要结论为:①本文划分了包括两点一线固定型、两点一线变化...     

Data replenishment of five moderate earthquake sequences in Japan,with semi-automatic cluster selection

Missing early aftershocks following relatively large or moderate earthquakes can cause significant bias in the analysis of seismic catalogs. In this paper, we systematically address the aftershock missing problem for five earthquake sequences associated with moderate-size events that occurred inland Japan, by using a stochastic replenishing method. The method is based on the notion that if a point process (e.g., earthquake sequence) with time-independent marks (e.g., magnitudes) is completely observed, it can be transformed into a homogeneous Poisson process by a bi-scale empirical transformation. We use the Japan Meteorological Agency (JMA) earthquake catalog to select the aftershock data and replenish the missing early events using the later complete part of each aftershock sequence. The time windows for each sequence span from 6 months before the mainshock to three months after. The semi-automatic spatial selection uses a clustering method for the epicentral selection of earthquakes. The results obtained for the original JMA catalog and replenished datasets are compared to get insight into the biases that the missing early aftershocks may cause on the Omori-Utsu law parameters’ estimation, characterizing the aftershock decay with time from the mainshock. We have also compared the Omori-Utsu law parameter estimates for two datasets following the same mainshock; the first dataset is the replenished sequence, while the second dataset has been obtained by waveform-based analysis to detect early aftershocks that are not recorded in the JMA catalog. Our results demonstrate that the Omori-Utsu law parameters estimated for the replenished datasets are robust with respect to the threshold magnitude used for the analyzed datasets. Even when using aftershock time windows as short as three days, the replenished datasets provide stable Omori-Utsu law parameter estimations. The p-values for all the analyzed sequences are about 1.1 and c-values are significantly smaller compared to those of original datasets. Our findings prove that the replenishment method is a fast, reliable approach to address the missing aftershock problem.     

基于Visual C#.NET的模糊聚类分析系统及其应用

由于事物的区分通常具有模糊性,采用模糊聚类方法进行分类更符合实际。介绍了模糊聚类分析的基本思想,用传递闭包法进行聚类分析,基于Visual C#.NET语言研制了一个模糊聚类分析系统,并应用于形变监测网的分析。结果显示,其分类结果符合实际要求。     

渤海湾盆地第三纪的岩浆旋回

本文提出了岩浆旋回的概念,初步探索了岩浆旋回的划分方法,并以构造演化为基础,结合岩浆活动方式、岩石地球化学指标,对渤海湾盆地岩浆旋回进行了划分。盆地中第三纪岩浆活动划分为两大旋回：早第三纪华北Ⅰ幕旋回和晚第三纪华北Ⅱ幕旋回。第一旋回（华北Ⅰ幕）划分为3期：孔店组（房身泡组）—沙河街组四段期、沙河街组三段—沙河街组二段期及沙河街组一段—东营组期。第二旋回（华北Ⅱ幕）为晚第三纪。旋回内部各期的早、晚岩浆活动形式有所不同。     

氧化还原电位油气性信息灰色ART聚类评价法

基于氧化还原电位油气信息的灰色性＾「１」,提出了对勘测的氧化还原电位信息进行关联滤波灰色神经网络ＡＲＴ聚类评价方法。在新疆塔里木盆地托库研究区,应用采集的自然电位信息用该方法进行处理,圈定了４个油气圈闭区。其中③号油气圈闭区已钻获高产油气流,该方法对所有物化探勘探信息进行圈闭含油气性评价时都具适应性。     

海洋声速剖面的自动聚类研究

以海区30'网格方区多年月平均统计的声速剖面作为原始数据集,提取声速剖面的表层、主跃层和深海等温层分层结构特征,把我国近海及其邻近海域预分为Ⅰ,Ⅱ和Ⅲ类区。对Ⅱ,Ⅲ类区声速剖面,应用有序样本聚类算法分别进行表层分离。根据各类区的表层声速剖面数据,通过归一化处理和Akima差值采样得到梯度剖面,建立起按月归一化后的声速剖面分层梯度样本集,并应用系统聚类法和SOFM神经网络方法分别进行聚类分析,再根据分类结果并结合各类型海区的声学特点,得到各类型海区声速剖面的典型类型。通过对大量历史数据的分析结果表明,该方法为自动分类海洋声速剖面提供了一条有效路径,弥补了长期以来海洋声速剖面主要依靠人工分类的不足。     

模糊聚类方法在湖北西部地震综合预测中的应用

以近 2 3年来湖北西部地区 ML≥ 4.0级地震前内符检验有一定震兆异常显示的 6项地震活动性参数作为指标 ,估计样本有震或无震类别 (1— 0 )的从属度 ,判定预报样本所属类别。根据模糊聚类分析方法对鄂西地区的地震进行综合预测研究 ,统计结果认为 :模糊聚类方法对鄂西地区 ML≥ 4.0级地震的预测具有一定的效能。