基于集合预报产品的四川暴雨预警指数研究

基于2005~2007年汛期成都区域气象中心的中尺度区域集合预报产品和德国、日本数值预报模式的降水产品,针对四川暴雨构建样本资料,采用支持向量机方法(Support Vector Machines,简称SVM)建立暴雨预警模型,开展暴雨预警预报试验,并将建立的模型应用于2008年汛期四川省逐日暴雨有无预报。检验结果表明,基于区域中尺度集合预报产品建立的SVM暴雨预警模型,对暴雨定点预报有较强的指示作用,暴雨预警指数为0.2。      

形象比喻助理解 道理浅显疑点开

在讲述东南亚各国时，为了使学生更好地掌握越南自然条件和经济特点，在具体介绍越南的地理位置和相邻各国后，将“以长山山脉为脊柱纵贯全境，南北两端联接盛产稻米，经济发达的湄公河三角洲和红河三角洲”的地理条件，可直接比喻成“一条扁担挑着两个谷筐”。这样的比喻浅显易懂、生动活泼。又例如在讲述世界人口由于人口急剧增长而地球不堪负担时，     

基于遗传算法优化的支持向量机在岩性识别中的应用

为提高测井岩性识别的精度,本文结合乌夏地区岩芯资料和测井数据,总结该地区砂砾岩测井响应特征,优选出声波、自然伽马、密度、中子孔隙度和电阻率等5条测井曲线参数作为训练和测试样本,通过遗传算法挑选出最佳的支持向量机核函数参数σ和惩罚因子C,建立支持向量机岩性识别模型。结果表明该模型实际数据预测总体符合率为81.6%,在识别准确率上与传统测井识别砂砾岩岩性方法相比都有明显提升。     

重磁等值线与经纬网的分离及其矢量化

本文利用经纬网在局部范围的直线性直线的平均ｆｒｅｅｍａｎ链码等于其上任意一点的链码的这一特性,达到自动分离经纬网与等值线的目的,为实现等值线图的自动矢量化打下了基础。     

利用地磁场总强度预测地震三要素初探

计算了河南省6个台站的相邻时段的地磁场总强度观测资料的自相关系数分析了各台自相关系数的变化与地震的关系，各台的自相关系数曲线对应地震的效果较好，发震时间一般在异常低值后1-8个月，统计得出了各台所对应的地震震级与自相关系数异常面积和震中距的经验公式，利用3个以上台站的经验公式和交汇法，即可以求出震中位置和地震震级，经震例检验，该方法基本可行。     

2021年5月云南漾濞Ms 6.4地震序列发震构造及破裂过程初探

北京时间2021年5月21日21时48分36秒,云南省大理州漾濞县发生M_S 6.4地震。利用云南数字地震台网2021年5月18日至8月22日的震相报告,采用双差地震定位法,对漾濞M_S 6.4地震序列进行重新定位。重新定位结果显示序列呈NW向优势分布,破裂长约20 km,宽约7 km,对重新定位结果进行误差分析,水平方向定位误差约为0.8 km,垂直方向定位误差约为1.0 km,定位结果具有较好的稳定性。依据震中分布的走向将序列划分为NW向的主断层与NNW向的分支断层,主断层存在较为明显的分段现象,分支断层呈雁列状分布。根据小震丛集性发生在大震断层面及其附近的原则,利用重新定位后的小震震源位置反演得到漾濞M_S 6.4序列主断层走向约320°,倾角约89°,深度范围3～13 km。根据拟合得到的断层在地表的投影位置,推测本次地震的发震断层为维西-乔后断裂西侧的草坪断裂。基于断层滑动量分布识别出3个凹凸体,结合序列时空演化特征,分析了漾濞M_S 6.4地震序列的破裂过程,结果显示断层中段的凹凸体发生初始破裂...     

Freeman链码优先级直线提取算法研究

针对目前直线提取算法的局限性,提出了一种简单高效的提取图像中目标物体直线边界的算法。本算法基于链码思想和数字直线特征,首先对图像进行边缘检测,对边缘检测后的图像按照优先级进行链码跟踪,获取初始链码;然后通过距离约束提高链码的直线性,剔除噪声和细节;最后进行直线合并,完成直线提取。实验表明,本文提出的算法能高效、准确地检测出图像中物体边界的直线,特别对较大的影像计算量小,抗噪能力强,适用于实时处理。     

基于多层全连接神经网络的6C地震波极化向量识别研究

利用机器学习原理,提出一种基于多层全连接(multi-layer fully connected, MFC)神经网络的六分量(six-component, 6C)地震波极化向量识别方法。首先利用6C地震波各波型极化向量数学模型和一系列仿真参数得到5种波型和噪声波型各5 000个极化向量数据集,然后随机选取其中5 000个作为测试集,其余划分为训练集,进行MFC神经网络与支持向量机(support vector machine, SVM)的综合辨识性能对比实验。结果表明,MFC神经网络模型识别5种极化向量类型(SH波和Love波视为一类)和6种极化向量类型的效果均显著优于SVM模型,平均识别率分别达到99.786%和87.940%。     

基于Gabor变换和支持向量机的手写体字符识别算法

针对在手写字符识别中由于书写习惯和风格的不同造成字符模式不稳定的问题,将支持向量机SVM方法用于手写字符的识别.算法首先采用Gabor变换提取手写字符图像的特征参数,然后采用提取的特征训练SVM分类器.再应用SVM分类器分类和判别手写字符.实验表明这种方法具有良好的车牌识别效果,较强的鲁棒性,较大的应用价值.