电离层TEC的预测模型

电离层总电子含量（TEC）的精确预报对提高GNSS导航精度,保障无线电空间远程通讯具有重要作用。分析了IGS发布的电离层格网点总电子含量（TEC）的时间序列特点,基于时间序列分析理论,以AR模型对格网点TEC随机时间序列平稳化后建模和预报。实例分析表明,研究的预报技术和方法是可行的。     

220KV高压变电所地面沉降预测方法研究

连云港220KV高压变电所因地面发生大面积的沉降,直接影响运营安全。为了探究地面沉降的规律性,指导生产实践,本文以土方量作为研究对象,对220KV高压变电所地面沉降规律进行研究。在沉降区域内较均匀地布设一些能反映地面沉降情况的观测点,测定这些观测点的平面坐标,再定期对其进行沉降观测,求得每期观测点的高程值,从而得各观测点的三维坐标。利用南方CASS绘图软件具有的土方量计算功能,计算出每期沉降观测数据所对应的土方量。以土方量作为研究对象,选用Gompertz模型、双曲线模型、Logistic模型和指数曲线模型,利用1 st0pt软件对土方量数据进行拟合,建立预测模型,对研究对象进行预测并进行精度评定。通过研究发现,该方法能较好地反映地面整体沉降情况,与目前只针对个别点的沉降情况来研究地面沉降变化规律相比,具有明显的优越性。     

滑坡危险性预测模型的设计与实现

滑坡灾害的发生严重影响人类社会的生产生活,因此对滑坡灾害的预警预测工作一直是地质灾害监测和防治的重点,国内外众多学者都对此进行了相应研究。本文在前人的研究基础上把信息量模型和降雨诱发指数应用在滑坡预测研究中,充分考虑两者的耦合影响,建立了滑坡危险性预测模型,并完成了模型的开发工作。该模型实现了滑坡灾害危险性预测的快速化、自动化,并且已集成到江西省地质灾害预警预报分析决策系统中,得到了成功应用。     

基于非等时距数据序列的高层建筑沉降预测

将泊松曲线引入到高层建筑的沉降预测分析中。采用牛顿插值平均法将非等时距数据转化成等时距数据,通过三段计算法求解模型系数,并结合高层建筑沉降监测工程实例计算分析,结果表明:泊松曲线预测与实际沉降数据吻合较好,拟合曲线精度较高,预测效果明显好于传统的双曲线法和指数曲线法,具有较高的实际应用价值。     

2008年汶川MS8.0地震电离层图像信息长时程演化初探

应用改进的图像信息方法, 结合DEMETER电磁卫星的电子温度数据, 对2008年汶川M_S8.0地震进行了长时程的回溯性预测研究。 与以往的地震电离层演化图像提取异常的研究相比, 将其回溯的时程延长至震前近11个月, 并向震后延长48 d。 在长期连续的异常扰动演化图中, 出现了两个明显的异常时段, 且在震前2个月短期内异常扰动明显减弱并趋于背景值。 两个时段出现的异常扰动分布位置及其形态以及持续时间皆不重复, 这体现了前兆异常的不易确定, 难以定性及定量识别的特点。 电离层异常扰动特征的长时程研究, 有评估其预测参数和模型可靠性的实际作用, 也为应用中国卫星观测数据服务于地震预报等研究积累经验, 具有借鉴意义。     

2018年9月8日云南墨江5.9级地震预测回顾与资料论证

通过分析墨江5.9级地震前预测意见和预测资料,认为云南地区M≥5.5地震平静异常突出,M≥5.0地震连续间隔时间达200天以上,通海2次5.0级地震震级偏小是震前地震活动异常的显著特征;通海地震的指示意义、前兆异常M≥5.7地震中期和M≥5.0地震短临综合预测指标是判断地震短期可能性的主要依据;1900年以来,通海50km范围内M≥5.0地震后云南地区发生M≥5.0地震优势对应关系和GNSS表征的区域面应变变化特征为地点判定提供了线索。墨江5.9级地震的预测经验及资料的论证丰富了对地震孕育复杂性的认识,为震例积累了新的资料。     

岱海水位下降原因分析

应用ＧＩＳ软件ＡＲＣ／ＩＮＦＯ,建立太湖流域海面－地面变化信息系统,并与数据采集系统,图像处理系统和计算机系统相结合,研究对本区人类社会经济发展,区域规划,工程建设和人民生活产生重大影响的气候,海面,地面变化和区域环境变迁。采用长江三角洲地区邻近海域２１世纪前半期地区性ＲＳＬ上升幅度预测方案进行研究,结果表明：随着海面的不断上升和太湖流域地面沉降的加剧,２０００年和２０５０年,太湖流域处于高潮位以     

常熟台倾斜仪降雨干扰定量分析

通过常熟地震台形变山洞内三套倾斜仪观测资料的对比分析,找到降雨、蓄水干扰对观测的影响,并利用弹性形变理论验证其可靠性,分析表明,每次强降雨均伴随有来自西南方向的倾斜干扰,其原因为雨水向湖中汇聚,水位上升产生弹性形变,从而引起地表倾斜.     

基于遗传支持向量机的地下工程裂隙岩体注浆量预测

提出了地下工程裂隙岩体注浆量预测的遗传支持向量机方法,通过支持向量机对实际注浆数据样本进行学习,建立注浆量及其影响因素之间的非线性映射关系,基于这种关系实现注浆量的预测。模型建立过程中,考虑到支持向量机惩罚因子和核参数对预测精度的影响,以预测误差为适应度,采用遗传算法对最佳参数进行搜索。结果表明,本文方法计算快速,预测精度高,是一种注浆量预测的好方法。     

基于年际增量法的卷积神经网络模型对中国夏季降水的预测研究

将前冬的500 hPa位势高度、向外长波辐射和海表温度的年际增量作为预测因子,建立基于卷积神经网络(Convolutional Neural Network, CNN)的非线性预测模型,对中国160个测站夏季降水展开预测研究,并与基于线性奇异值分解(Singular Value Decomposition, SVD)的预测模型进行效果对比。结果表明：CNN在1981—2020年的交叉检验中所回报的降水平均PS评分和距平相关系数(ACC)分别为74.33和0.12,比SVD高2.15和0.06,说明CNN比SVD在整体上对夏季降水具有更好的预测能力。其中,CNN对SVD预测较好年份的预测效果提升较为明显,对SVD预测较差的年份则改进不大。CNN对中国降水预测存在一定的系统性偏差,订正后CNN对拉尼娜年的降水预测改进较大。结果表明,基于年际增量法的CNN预测模型展示出较好的潜在应用价值。