Bias and uncertainty in regression-calibrated models of groundwater flow in heterogeneous media

Groundwater models need to account for detailed but generally unknown spatial variability (heterogeneity) of the hydrogeologic model inputs. To address this problem we replace the large, m-dimensional stochastic vector β that reflects both small and large scales of heterogeneity in the inputs by a lumped or smoothed m-dimensional approximation γθ_∗, where γ is an interpolation matrix and θ_∗ is a stochastic vector of parameters. Vector θ_∗ has small enough dimension to allow its estimation with the available data. The consequence of the replacement is that model function f(γθ_∗) written in terms of the approximate inputs is in error with respect to the same model function written in terms of β, f(β), which is assumed to be nearly exact. The difference f(β) − f(γθ_∗), termed model error, is spatially correlated, generates prediction biases, and causes standard confidence and prediction intervals to be too small. Model error is accounted for in the weighted nonlinear regression methodology developed to estimate θ_∗ and assess model uncertainties by incorporating the second-moment matrix of the model errors into the weight matrix. Techniques developed by statisticians to analyze classical nonlinear regression methods are extended to analyze the revised method. The analysis develops analytical expressions for bias terms reflecting the interaction of model nonlinearity and model error, for correction factors needed to adjust the sizes of confidence and prediction intervals for this interaction, and for correction factors needed to adjust the sizes of confidence and prediction intervals for possible use of a diagonal weight matrix in place of the correct one. If terms expressing the degree of intrinsic nonlinearity for f(β) and f(γθ_∗) are small, then most of the biases are small and the correction factors are reduced in magnitude. Biases, correction factors, and confidence and prediction intervals were obtained for a test problem for which model error is large to test robustness of the methodology. Numerical results conform with the theoretical analysis.     

长治高温气候特征及分析预报

通过对长治市1977年-2004年6月-8月出现≥35℃的高温天气的地理分布特征、时间和强度等统计研究,给出了高温天气的气候背景。从500hPa高空形势分析,归纳出造成高温天气的四种主要环流形势（两槽一脊型、纬向环流型、大陆暖高型、副高控制型）;分析了风、云、降水等气象要素与高温天气的内在联系。通过850hPa高温预报指标站的选取及数值预报产品的统计分析,给出了高温天气的综合性预报模型。     

太阳爆发过程中的大尺度磁重联电流片:理论和观测

从理论和观测两个方面来介绍和讨论出现在太阳爆发过程中的磁重联电流片及其物理本质和动力学特征。首先介绍在理论研究和理论模型中,磁重联电流片是如何在爆发磁结构当中形成并发展的,对观测研究有什么指导意义。然后介绍观测工作是从哪几个方面对理论模型预测的电流片进行证认和研究的。第三,将介绍观测研究给出了哪些过去所没有能够预期的结果,这些结果对深入研究耀斑一CME电流片以及其中的磁重联过程的理论工作有什么重要的、挑战性的意义。第四,讨论最新的与此有关的理论研究和数值实验。最后,对未来的研究方向和重要课题进行综述和展望。     

SEISMIC GEOLOGY

正20141967An Zhanghui(Lanzhou Base of Institute of Earthquake Prediction,CEA,Lanzhou 730000,China);Du Xuebin Study onthe Geo-Electric Field Variation of Sichuan Lushan MS7.0and Wenchuan MS8.0Earthquake(Chinese Journal of Geophysics,ISSN0001-5733,CN11-2074/P,56(11),     

灰色～周期外延组合模型在吉兰太盐湖卤水动态预测中的应用

本文利用灰色预测和周期外延预测模型的优点,提出了灰色预测与周期外延预测相结合的灰色～周期外延组合模型,对吉兰太盐湖卤水的动态变化进行了模拟,结果可靠,该模型可广泛应用地下水动态预测和其它序列预测。     

非线性时间序列分析的最新进展及其在地球科学中的应用前景

评述了非线性时间序列分析的最新进展,包括相空间重构、序列性质的鉴别、建模与预报,同时介绍了非线性时间序列分析在地球科学中的应用概况。     

中国大陆强震中期预报指标研究

在总结近几年预报经验的基础上,主要依据地震活动性资料,从分析全球大震活动规律入手,采用概率预测推理方法对一些重要的相关地震事件或现象进行了深入的分析研究,提出了一系列可用于中国大陆７级大震预测及趋势估计的中期指标．     

断裂密度法在新疆地震预报中的应用

断裂密度衍是引自吉尔吉斯斯坦的一种测震学地震预报新方法,用以探索大震之前某一区域或地段面断裂密度的异常变化。应用该方法对新疆天山部分地区进行系统研究后,根据研究结果制定出了具有一定信度的定量或半定量预报指标。     

基于迁移学习的地球物理测井储层参数预测方法研究

随着大数据和机器学习的成熟和推广应用,人工神经网络在地球物理测井预测储层参数中得到重视.本文引入迁移学习进行测井储层参数预测,以孔隙度预测神经网络模型和孔隙度含水饱和度联合预测神经网络模型为基础模型,分别以渗透率及含水饱和度预测作为目标任务进行迁移学习,以提升储层参数预测效果和效率.文中详细阐述了基于迁移学习的测井储层...     

局部倾角滤波和预测反演联合分离绕射波

地震绕射波源于介质非连续性,从地震记录中将绕射波分离出来并进行成像,其结果对研究诸如碳酸盐岩缝洞储层这类复杂非均质储层具有重要意义.对炮集记录进行平面波分解,在地层倾角不大的假设下,反射波和绕射波同相轴在平面波分解剖面上存在较大的倾角差异.基于此,我们提出分步进行绕射波分离的方法:(1)利用局部倾角滤波方法将绕射波的较大倾角信息成分分离出来,此时,余下的部分包含有反射波和残留的低倾角绕射波信息;(2)利用频率-空间域预测反演方法从上述含有反射波和残留的低倾角绕射波信息中分离出残留绕射波成分;(3)将两次分离的绕射波信息相加得到最终的绕射波估计.用该方法能够得到相对完整的绕射波信息,有效地克服了靠单一的倾角差异进行绕射波分离时明显损失低倾角信息,从而影响绕射波成像结果横向分辨率这一问题.理论与实际资料试算验证了该方法的有效性.