云南地区6级以上强震时间分布特征及其概率预测模型研究

系统分析了云南地区肘≥6.0、M≥6.5和M≥7.0地震的间隔时间分布特征;运用M≥5.0地震目录,基于D-R关系的年发生率和泊松分布模型,构建了云南地区M≥6.0、M≥6.5和M≥7.0地震的概率预测模型;结合间隔时间分布统计特征和概率预测模型,对云南地区M≥6.0、M≥6.5和M≥7.0地震,建立了具有概率水平的三...     

辽宁省危机矿山接替资源找矿获重大进展：全省矿山平均可延长服务至少10年

近日从刚刚闭幕的全国危机矿山接替资源找矿专项总结大会上获悉,辽宁省危机矿山接替资源找矿取得重大突破,找矿成果及由此带来的经济,社会效益均位于全国前列。     

准等时距QGM(1,1)模型分段预测法及其在草炭土路基沉降预测中的应用

利用传统非等时距模型预测草炭土路基沉降时,存在计算繁琐、中短期预报精度低等缺点,尤其是当沉降曲线存在斜率突变点时,采用该模型很难达到预测精度的要求。针对以上不足,对非等时距时间序列进行平均步长换算,得到准等时距序列,利用线性插值法对原始沉降数据进行修正,得到改进后的准等时距QGM(1,1)预测模型,并将沉降曲线在斜率突变点处分成两部分进行分段预测。实例计算表明:采用改进后的准等时距QGM(1,1)模型预测草炭土路基沉降,两段的预测值平均误差分别为2.99%和0.25%,均远远小于传统非等时距模型,且具有很高的中短期预测精度,可以为工程沉降控制提供可靠参考。     

海气通量涡相关法计算中的时间尺度分析

基于黄海上连续14 d 的浮标观测资料, 采用多尺度分解法确定了海气通量涡相关法计算中的截断时间尺度, 并分析了该截断时间尺度的特征及其对感热通量计算的影响。研究结果是： 由多尺度分解法获得的湍通量截断时间尺度可将总通量中湍通量和中尺度通量分离开来, 截断时间尺度随着湍流强度或水平风速的增加而增加, 且感热通量的截断时...     

利用石墨炉原子吸收测定地质样品中的痕量金

自然界中,金在地壳中的平均含量为5×10^-9,主要以单质状态散步在岩石或砂矿中。金作为贵重元素一直被人们重视。     

多星座组合RAIM算法研究

随着GPS、GALILEO、GLONASS以及BDS的快速发展,需要加强对基于多星座组合的接收机自主完好性监测(RAIM)算法的研究.首先介绍了RAIM算法的原理及流程,然后研究分析了多星座组合下的伪距残差的最小二乘算法以及多星座RAIM算法的可用性判断,最后对单GPS星座和GPS、GLONASS和BDS三星座组合的RAIM算法进行了仿真分析.仿真结果表明:多星座组合RAIM算法得到的故障检测率和故障识别率比单星座有明显提高.     

两类长γ暴的傅里叶功率谱

分析了Balastegui等（2001）应用神经网络划分出的两类长γ暴的平均傅里叶功率谱（PDS），两类暴的平均PDS都具有明显的幂律谱结构，对两类暴分别按亮度和能谱硬度分组，计算各组的平均功率谱，两类暴都具有平均功率谱随亮度和能谱硬度的增加而变平的趋势。     

延庆—怀来地区重力异常分析与地震预测的研究

从延庆—怀来地区重力异常出发，讨论了该区地质、地球物理场特征，为配合深地震反射专题研究，先对该区地壳结构和平均视密度分布进行了研究，提出了地震活动机遇大和反映强的地带，深化了该区的研究程度     

8680X射线荧光仪常见故障的分析及处理

XRF光谱仪在多元素测定及大批量硅酸盐分析中已得到广泛应用。XRF光谱仪能否正常运转,将直接影响科研和生产。本文总结了在多年仪器使用中常见故障及处理方法,现介绍如下,供参考。一、真空系统故障现象:谱仪室真空度降不到16Pa以下,仪器面板“VACCUM”红灯亮到三个不再增加,屏幕显示“真空达不到”,样品自动退出。     

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。