Climatological Tools for Low Visibility Forecasting

Forecasters need climatological forecasting tools because of limitations of numerical weather prediction models. In this article, using Finnish SYNOP observations and ERA-40 model reanalysis data, low visibility cases are studied using subjective and objective analysis techniques. For the objective analysis, we used an AutoClass clustering algorithm, concentrating on three Finnish airports, namely, the Rovaniemi in northern Finland, Kauhava in western Finland, and Maarianhamina in southwest Finland. These airports represent different climatological conditions. Results suggested that combining of subjective analysis with an objective analysis, e.g., clustering algorithms such as the AutoClass method, can be used to construct climatological guides for forecasters. Some higher level subjective “meta-clustering” was used to make the results physically more reasonable and easier to interpret by the forecasters.     

井资料聚类联合地震属性优化储层预测方法

针对单纯地震属性优化方法储层预测符合率低的实际情况,运用井资料聚类联合地震属性优化方法,对临江地区双30区块进行储层预测。依据井砂岩厚度发育情况及空间分布分为Ⅰ类井和Ⅱ类井。Ⅰ类井与Ⅱ类井实钻砂岩厚度与地震预测砂岩厚度相关系数分别为0.81237和0.6889,全区55口井砂岩厚度与地震预测砂岩厚度相关系数由原来的0.513提高到0.794,储层预测符合率由64%提高到80%。     

强台风“云娜”灾害特征及其评估

根据0414号台风“云娜”灾情调查,使用模糊聚类方法对1949~2004年影响浙江省的重大台风灾害进行分析比较,认为台风“云娜”是浙江省1956年以来所遭遇的最严重台风灾害。综合评估结论:①建国以来台风灾害损失与工农业总产值的比值呈上升趋势,台风“云娜”造成的经济损失与当年生产总值之比为3.54:100;②风暴潮为沿海台风灾害的主要因子,建成标准海塘后,大风上升为首要致灾因子;③沿海农村新建(构)筑物和城市广告牌在台风“云娜”中安全问题突出,民营企业抗灾能力也凸显薄弱环节。     

云南省滇中地区工业结构模糊聚类分析

运用模糊聚类分析法对云南省滇中7个市、地区的工业结构进行模糊聚类分析。结果滇中分为4类地区，第一类地区为昆明市；第二类地区为曲靖市、红河州；第三类地区为玉溪市、楚雄州和大理市；第四类地区为丽江市。分析结果与云南省滇中地区工业产业结构的实际情况比较吻合。     

强震孕育过程中区域地震活动演化与活动地块的关系

通过对中国大陆及邻区4个Ⅰ级活动地块中1972—2003年全部地震资料的系统分析,认为强震中期阶段典型的地震活动演化图像是中等地震聚集活动,震前震中区附近的地震密度和有效速率增高。文中用中等地震增长率来刻划强震孕育过程中中等地震活动的加速增长,结果表明:中等地震聚集活动密度的增长率能够较好地反映强震前中期异常变化特征,对各活动地块的分析表明华北地块中等地震增长率达到180%以上时,未来1～3a中等地震异常聚集区及其附近会发生强震;而西域、青藏和滇缅地块中等地震增长率达到250%以上时,应注意中等地震异常聚集区及其附近强震的发生。因此,中等地震增长率可以作为中期预报的定量化指标     

云干扰下NOAA图像数据模糊聚类方法的改进

利用多时相NOAA/AVHRR热红外数据构成像元级的时间序列,根据不同像元上时间序列曲线的距离和相似度进行聚类分析；对传统的模糊C-均值聚类算法进行改进,在算法中引入指标权重,对不同质量的数据赋予不同的指标权重。试验表明,改进后的算法扩大了应用范围,克服了单幅图像常存在的云干扰,实际效果明显。     

模糊神经网络用于储层预测

利用模糊理论和ＢＰ网络相结合组成的模糊神经网络系统,能够克服ＢＰ网络单独使用的局限性,可在地质条件较复杂地区进行储层及油气预测。通过实际资料应用表明,应用单个ＢＰ网络进行储层及油气预测效果较差的地区,采用模糊神经网络能取得较好的效果。     

动态聚类分析在储层分级中的应用

在油气田，特别是海上油气田勘探开发工作中，为了提高经济效益，通常需要对储层进行分级，以便合理地制定勘探开发方案，然而，目前普遍使用的测井解释方法都无法提供储层分级的级别，通用的聚类分析也只能进行样本分类，为了从测井资料中获取储层分级信息，作者在动态聚类分析的基础上，将聚类中心的特征值之和定义为分级指数，从而成功地解决了储层分级问题，通过南海某油田ST36井的测井资料处理，并经多种资料验证，证明了用该方法进行储层分级是有效的。     

基于遗传算法的边坡稳定性评价的动态聚类法

针对常规动态聚类方法对初始聚类中心的敏感性以及聚类结果与样本输入次序有关等问题，提出了基于遗传算法的边坡稳定性评价的动态聚类方法，此方法对三峡库岸36个边坡的研究结果表明，该方法是一个具有全局最优解的动态聚类方法，其结果明显好于常规动态聚类方法。     

On the methods to identify clustering properties in sequences of seismic time-occurrences

In recent years there has been deep development in the use of techniquesto analyse the statistical properties of point process time series. Furthermoremany efforts have been made to establish robust methods to identify timeclustering structures in the temporal distribution of seismic events. In thispaper we intend to give a systematic review of some common usedtechniques to characterise the temporal properties of an earthquakesequence; we also present new methods, commonly used in other scientificfields, to reveal time clustering structures in a seismic sequence and toclearly identify non-poissonian behaviours at different time scales. Anapplication of these methods has been performed on the seismicity ofIrpinia-Basilicata area (Southern Italy).