“统计预报”启发式教学的体会

作者根据多年教学的经验上，着重讨论了“统计预报”教学中的几个问题，分析了在教与学过程中所出现的一些难点和疑点，并总结了一套“启发式”的教学方法。     

松地地区浅部储层测井参数研究

本文根据常规测井响应特征，利用岩石化验分析资料，采用一元－多元线性回归的数理统计方法，分析储集层参数与测井响应的对应关系，建立起地区性的经验参数和经验公式，形成测井分析的最基本方法；完成测井识别油气，评价储层的任务中收到了令人满意的效果。     

中国自然科学博物馆协会水族馆专业委员会2006年年会 北京海洋馆第二届国际学术交流会

关爱海洋动物，保护地球家园 位于北京动物园长河北岸的北京海洋馆，是目前世界最大的内陆水族馆。建馆七载，不辍耕耘，本着“陶冶大众、教益学生、维系生态”的企业宗旨，不断在业界创造辉煌。北京海洋馆拥有世界先进的维生系统，使用人工海水，总水量达18000吨。馆内巧妙地安排了“雨林奇观”、“触摸池”、“海底环游”、“鲨鱼码头”（将于2006年10月正式揭幕）、“国宝中华鲟鱼馆”、“鲸豚湾”、“海洋剧院”等七个主题的展示区域，馆内饲养和展示的海洋鱼类及生物达千余种、数万尾。     

基于深度学习的全球平均表面温度年际信号时间序列的预测北大核心CSCD

利用集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)有效地分解了全球平均表面温度(Global Mean Surface Temperature,GMST)时间序列,得到其不同尺度的、不同特征的子序列(Intrinsic Mode Function,IMF)。在此基础上,利用在预测长期、复杂、非线性变化的时间序列上具有显著优势的滑动自回归机器学习(Autoregressive Integrated Moving Average,ARIMA)模型和长短期记忆网络(Long Short-Term Memory,LSTM)模型开展GMST年际信号预测研究。结果表明:深度学习模型LSTM能很好地拟合并预测了长程相关性强的子序列(第2~6个IMF),而代表GMST年际尺度变化的IMF1则在一定程度上受到太平洋大西洋多重气候信号的影响和调制,因此进一步将3个气候指数作为预报前兆因子加入预测模型来更准确地预测IMF1的时间演变。通过利用多套GMST数据的对比,最终选定了考虑实时ENSO信息的LSTM(ENSO)模型来提前预测年际GMST信号,并预测2020年将有较大概率会成为史上最热的年份之一。     

利用CEEMDAN进行GNSS-MR雪深反演

将自适应噪声的完全集合经验模态分解方法替换常用的二次多项式方法,对原始信噪比（signal-to-noise, SNR）进行信号分解,直接提取相应的本征模态函数,再应用于GNSS-MR技术反演雪深。以美国科罗拉多州NWOT测站GPS数据进行实验的结果表明,该方法与传统方法相比,均方根误差降低30.7%,与实测数据相关系数为0.965,验证了该方法的有效性。     

基于经验低秩表示的自适应多次波减去方法

多次波压制一直是海洋地震数据处理的研究重点,SRME（surface-related multiple elimination）方法通过多次波预测、自适应减去两个步骤实现多次波压制,具有压制精度高、模型依赖度低等优点,是工业界广泛采用的方法。但是常规减去方法在一次波、多次波交叉位置易出现一次波损伤、多次波残留等现象,进而增加后续地震处理、解释的难度。本文在前人研究的基础上,提出了基于经验低秩表示的自适应多次波减去方法。首先,采用经验低秩表示方法,将地震数据自适应地分解为信噪比高、倾角单一、同相轴相位圆滑的低秩倾角分量,简化地震数据倾角成分的复杂程度,以优化低秩表示过程中局部窗口的参数选择问题;然后,在不同低秩倾角分量中分别采用基于能量最小原则的匹配减去方法,避免匹配过程出现同相轴交叉,并重构各分量,在保证计算效率的前提下提升多次波压制效果。针对理论数据和实际数据进行了有效性测试,本文方法在多次波压制结果和保幅性两方面优于传统方法,并采用抗噪性测试证明了该方法的鲁棒性。     

一种基于SARIMA的经验对流层延迟模型

为了减弱对流层延迟的影响,提高GNSS定位精度,探讨了在无气象参数的条件下,利用预测模型计算对流层延迟的可能性,并提出了一种经验对流层延迟预测模型,即基于季节性自回归移动平均模型（SARIMA）的对流层延迟预报方法。结合中国长春和上海两个地区的ZTD数据进行预测分析,预测结果表明：基于SARIMA的ZTD预报模型能够满足不同地区不同时段下的ZTD估计需求,是一种较高精度的ZTD预报方法。