堆积层滑坡时间预报问题的讨论：以新滩滑坡为例

堆积层滑坡的准确预报有一定困难，现有的各种数学模型只适用于滑坡加速蠕变阶段的临滑预报。为此，笔者提出了堆积层滑坡的长期、中期和临滑预报工作的重点及相应对策。     

永胜形变台记录到的澜沧-耿马地震的破裂过程

本文以永胜地震台FSQ型浮子水管倾斜仪原始记录图形为基础,介绍了澜沧-耿马大震前后的地形变特征,探讨了大震破裂的前后过程。这些珍贵的原始记录图型,对今后该区7级以上大震的短临预报可能具有重要的参考价值。     

具有短临特征的震源机理实验研究新方法

在国家自然科学基金资助下，对形状记忆合金表面的天然振荡现象进行了深入的研究，证实该振荡现象在时间，空间，能量方面均具有分形特征，并受到压力，温度和样本内部结构的影响。这一国内外最新的材料科学研究成果在诸多方面与我国大陆地震活动特征极为相似，可为孕震模式的研究提供具有短临特征的实验资料，为震源机制的研究提供一种新的方法。     

试论黄河下游北岸可能决口地段及其最大淹没范围

鉴于黄河的现状,作者认为黄河决口的潜在危险越来越大。推断北岸决口的可能性为大。根据溃坝原理,采用水力学方法对北岸决口的最大淹没范围作了模拟。指出若从沁河口—原阳段决堤,淹没面积约2.21万平方公里,从原阳—高村段决堤,则约为2.12万平方公里。     

低频电磁辐射仪对地震前的观测资料分析

自从1976年唐山地震后，我国开展电磁辐射观测以来，大量的地震电磁辐射异常事实，再次说明了电磁辐射作为地震短临前兆研究的科学意义。我国在“八五”期间，研究和总结了大量的震例，提出了一些预报的判据（时空强方面），成为一种地震短临预报的新方法。在此基础上，“九五”期间中国地震局分析预报研究中心研制了超低频数字地震电磁辐射仪（EMAOS-L）。根据该仪器的性能和特点，浙江省地震局在“十五”前兆项目期间，     

略论非线性地质理论与矿业跨越式发展

我国是一个处于工业化进程中的发展中国家,资源消耗处于增长阶段,资源型产业将长期占有相当重要的地位和比重。矿产资源紧缺是制约未来经济 社会发展的突出矛盾之一。实现矿业跨越式发展的关键是通过引进、消化、应用新成矿理论、找矿新技术和方法,寻找大型－超大型矿和提高资源利用水平。现已证实成矿系统是一个远离平衡的非线性系统,具有混沌属性,它客观上要求必须在短临尺度上进行短临成矿预测。大型－超大型矿床作为一类巨型突变事件的产物,是超常规的、独特的、非线性的,因此应用非线性理论能有效提高找矿效果,找到大矿在较短时期内构筑后发优势,实现矿业跨越式发展战略。     

国家级中尺度天气分析业务技术进展Ⅱ：对流天气中尺度过程分析规范和支撑技术

中尺度天气分析技术在对流性天气的短期预报业务中发挥了重要作用。文章介绍了国家气象中心正在发展和试运行的对流天气中尺度过程分析规范和支撑技术,旨在为中尺度对流天气的短时临近分析和预报提供技术方法,其客观技术支撑为中国气象局强对流短临预报系统SWAN、强对流天气综合监测技术和自动站资料快速客观分析技术等。文章以2011年4月17日强对流过程为例,介绍了如何利用多源观测资料(常规和非常规资料)快速识别和掌握强对流天气(短时强降水、雷暴大风、冰雹、龙卷等)实况,分析当前对流系统类型及其结构特征,判断未来影响对流系统发生、发展的中尺度环境条件,并综合考虑客观自动外推算法产品,最终指导预报员对未来0～6 h内的强对流天气影响区域进行短临预报预警。业务试验表明,对流天气中尺度过程分析技术可为强对流天气短临预报业务提供重要参考和依据。     

基于柔性承载板载荷试验的土抗剪强度参数反演研究

传统的刚性承载板载荷试验(PLT)主要确定地基的承载力,不能用来反演土的抗剪强度参数c、 。通过刚性承载板下加装气囊,研制出一种适用于载荷试验的柔性承载板,两个电感式位移传感器分别布置于板内边缘处,用于测量该处气囊厚度变化量 。用柔性承载板开展载荷试验时板底压力P均匀分布,同时在柔性承载板一侧采用柔性水压板施加恒定的均匀地表荷载,根据两条 曲线变化规律得出2个临塑荷载,将临塑荷载与地表荷载值代入理论公式反演出c、 。分别采用黏性土和干砂开展室内载荷试验,证明了该反演方法的可行性,通过分析认为该反演方法具有适用性和先进性。     

几种典型机器学习算法在短临降雨预报分析研究

针对降雨过程中大气可降水量(PWV)和气象参数(温度(T)、湿度(U)、露点温度(T_d)、气压(P))特征变化情况,提出基于机器学习算法的短临降雨预报模型.以北京(BJFS)站和武汉(WUH2)站2020年的3 h天顶对流层延迟(ZTD)和气象数据为例,构建随机森林(RF)、支持向量机(SVM)、K近邻(KNN)、朴素贝叶斯分类器(NBC) 4种算法的预报模型,并引入各自时刻的降雨情况作为新的特征向量,分别采用70%和80%训练集的分割方式,降雨情况作为模型输出,并利用准确性、精确率和假负率评价模型的适用性.在取得准确性约0.92,精确率约80%,假负率约20%的结果下,进一步以时间序列年积日为第150—200天的数据为样本,对200—250天的降雨情况进行预报.实验结果表明:基于机器学习的短临降雨预报模型可以预报未来3 h 80%以上的降雨情况,且假负率在20%以下,其中SVM模型的综合性能更优.与传统的阈值模型相比,准确率相当,假负率降低约50%.