灰色模型分析法在高层建筑物变形监测预测中的应用

在变形监测过程中,获取监测资料以后,通过对高层建筑物观测资料进行研究分析,可以掌握地基随时间的沉降规律,预测其下一步的变形趋势,并为可能发生的变形做好必要的准备,减少因非预计沉降带来的损失。灰色模型分析法是一种常用的数据处理及预测分析方法,本文在简单介绍了灰色模型分析法的基础上,利用灰色模型分析法预测了变形监测数据,并得出了有益结论。     

利用MorPAS对上黑龙江成矿带进行金成矿预测

上黑龙江成矿带主要由早-中侏罗世河流-湖泊-洪积相含煤碎屑岩组成,目前已发现多个中小型矿床,在该区进行成矿预测意义重大。文章利用MORPAS成矿预测系统,采用证据权重法进行了成矿预测工作,在充分研究区内已知矿床的成矿规律基础上,以1：257Y地质图为背景,物化探异常分析子系统对1：20万区域化探数据进行C—A分形确定异常下限,综合现有的找矿标志,提取有利的成矿要素,进行针对处理,制成上黑龙江成矿带MORPAS金成矿预测分析图,提供成矿靶区,为森林高覆盖区提供找矿有利单元。     

神经网络辅助的GPS/MEMS-INS组合导航算法

在GPS/MEMS-INS(Micro-electromechanical System-Inertial Navigation System)组合导航中,当载体处于恶劣环境下或者载体处于大机动运动情况下,会导致GPS失锁。此时单独工作的低精度MEMS-INS会由于其位置和速度误差随着时间的变化而迅速积累最终无法导航。针对此问题,设计了一种结构简单易于实现的神经网络辅助的GPS/MEMS-INS组合导航系统。通过模拟实验,与标准卡尔曼滤波(KF)和无迹卡尔曼滤波(UKF)框架下组合导航相比,所提出的结构简单容易实现的神经网络辅助的组合导航系统具有较高的稳定性,并且组合导航整体过程中经纬度与速度精度均提高了65%左右。     

基于LSTM神经网络的青藏高原月降水量预测

青藏高原的降水量预测不仅为该地区水资源合理规划利用提供依据,同时对中国及周边国家气候变化研究有着重要的意义。论文利用1990—2016年青藏高原降水量数据,采用长短期记忆神经网络（LSTM）对青藏高原月降水量进行预测,主要包括：① 使用青藏高原86个测站1990—2013年的月降水资料,预测各个测站2014—2016年的月降水量,并与传统的RNN、NAR、SSA和ARIMA预测模型相比,平均决定系数R²分别提高了0.07、0.15、0.13和0.36,均方根误差（RMSE）和平均绝对误差（MAE）表现更低;② 分析了降水量预测精度的空间分布特征,将各模型的R²在青藏高原地区内插值,分析R²的空间分布特征,发现所有模型降雨稀少的干旱地区和降雨多的湿润地区R²较低,在气候稳定、降水规律性明显的地区R²较高,且LSTM模型R²≥0.6的空间范围远大于传统模型;③ 分析了不同预测长度对各模型预测精度的影响,发现所有模型会随着预测长度增加而预测精度降低,但在不同的预测长度下LSTM预测的RMSE值都低于其他模型。     

人工神经网络和决策树模型在滑坡易发性分析中的性能对比

机器学习模型广泛应用于区域性滑坡易发性分析。模型的选择关系到评价结果的可信度、准确率和稳定性。现有滑坡易发性分析模型对比研究侧重模型的预测精度。模型的稳定性和数据量敏感性对机器学习模型的性能评估同样非常重要。本文以福建省南平市蔡源流域为研究区,以四川省绵阳市北川县为验证区,从预测精度、稳定性和数据量敏感性3个方面深入对比BP（Back Propagation）人工神经网络模型和CART（Classification and Regression Tree）决策树模型在滑坡易发性分析中的效果,主要结论如下:① 在逐渐增加一定数量训练样本的过程中,BP人工神经网络模型预测精度的增长率更高。在蔡源流域内,当训练样本数量增加10 000时,BP人工神经网络模型的预测精度上升5.22%,CART决策树模型的预测精度上升2.11%。② BP人工神经网络的预测精度高于CART决策树模型,且较为稳定。在100组数据集上,BP人工神经网络模型验证集预测精度的均值和验证集滑坡样本预测精度的均值分别为81.60%和84.86%,高于CART决策树模型的72.97%和76.59%。与此同时,BP人工神经网络模型对应预测精度的标准差分别是0.32%和0.37%,小于CART决策树模型的0.35%和0.67%。③ BP人工神经网络模型分析的滑坡易发区相比CART决策树模型,更接近实际滑坡的空间分布。最后,北川县的验证实验也出现了相同的现象。     

与地震有关的水文及地球化学变化

简要回顾了几十年来对地震发生前、地震过程中和震后地下流体和地球化学变化的研究和成果，这些研究一般都是以探索地震预报可能性为目的的。论述了与地震有关的地下水文及地球化学变化的机理，这些地下流体(包括地下水和气体诸如氢、氧和惰性气体)的起源和迁移流动现象以及详细介绍了早期和近代对有关地震的地下流体和地球化学变化的观测成果。同时指出了对地下流体和地球化学作为地震前兆来观测研究的困难所在以及为了克服这些困难而应该采取的地震前兆观测研究的方向，例如多种手段和多种原理方法，开发有效的地球物理和地球化学模型以及适当的数据分析统计方法等。     

Ensemble rainfall forecasting with numerical weather prediction and radar‐based nowcasting models

The overall objective of this study is to improve the forecasting accuracy of the precipitation in the Singapore region by means of both rainfall forecasting and nowcasting. Numerical Weather Predication (NWP) and radar‐based rainfall nowcasting are two important sources for quantitative precipitation forecast. In this paper, an attempt to combine rainfall prediction from a high‐resolution mesoscale weather model and a radar‐based rainfall model was performed. Two rainfall forecasting methods were selected and examined: (i) the weather research and forecasting model (WRF); and (ii) a translation model (TM). The WRF model, at a high spatial resolution, was run over the domain of interest using the Global Forecast System data as initializing fields. Some heavy rainfall events were selected from data record and used to test the forecast capability of WRF and TM. Results obtained from TM and WRF were then combined together to form an ensemble rainfall forecasting model, by assigning weights of 0.7 and 0.3 weights to TM and WRF, respectively. This paper presented results from WRF and TM, and the resulting ensemble rainfall forecasting; comparisons with station data were conducted as well. It was shown that results from WRF are very useful as advisory of anticipated heavy rainfall events, whereas those from TM, which used information of rain cells already appearing on the radar screen, were more accurate for rainfall nowcasting as expected. The ensemble rainfall forecasting compares reasonably well with the station observation data. Copyright © 2012 John Wiley & Sons, Ltd.     

水污染物浓度的神经网络预测模式及效果检验

污染物浓度预测是环境保护的重要内容,将神经网络用于水中有机污染物浓度的预测并对效果进行检验.结果表明,预测值与观测值符合较好.     

成矿定量预测与深部找矿

成矿预测是在不确定条件下制定最优决策的工作。成矿预测作为一种地质系统,与其他技术、经济系统存在重要区别。由于矿床类型的多样性,矿床成因的复杂性,控矿因素的隐蔽性和找矿信息的多解性,成矿预测结果具有不确定性并常常因人而异。探索成矿预测过程客观化、定量化和精确化一直是成矿预测学的前沿课题。文中以个旧锡矿为例展示致矿地质异常与矿体空间产出及分布的密切关系,强调以"求异"准则为指导的成矿定量预测的重要性。当今地质勘查工作面临深部找矿问题,论文从深部找矿的概念、类型、目标、效益等方面简要介绍了国外理论研究和找矿实践概况。强调深部找矿中要加强地壳深部结构的研究,要重视深部找矿的经济"回报率"和勘查项目的"转化率"的重要性。     

利用人工鱼群算法优化高斯过程模型及应用分析

基于高斯过程利用传统共轭梯度法搜索超参数,存在对初始值依赖性强、获得局部最优解的不足。本文采用人工鱼群算法对超参数进行智能寻优,建立了基于人工鱼群算法的高斯过程模型对变形体形变进行预测分析。通过隧道和基坑两个工程实例计算比对分析,NN、SE和RQ 3种核函数中NN核函数的预测效果最好,平均相对误差分别为0.69%和1.06%。结果表明超参数优化模型的预测精度得到了较大的提高,改善了高斯过程算法本身存在的超参数求解方面的不足,效果明显。