山东新城金矿床的叠加晕模式

１９８７年研究了Ⅰ号矿体地球化学异常特征,下部异常显示有深部盲矿前缘晕叠加,１９９４年探明的Ⅴ号矿体正好与其对应。１９９７年继续研究和建立了新城金矿的原生叠架晕模式,并用模式进行了预测。     

胶东涧里金矿床地质特征及找矿方向

论述了涧里金矿区地质概况及矿床地质特征，对矿床成因进行了探讨，并在此基础一进行了臧放预测，提出了今后找矿方向     

应用GIS进行铀矿预测的初步设想

地理信息系统（GIS）是一门新兴边缘学科。本文简要介绍了MAPGIS的基本组成和用MAPGIS进行铀矿预测的显著优点、资料需求和主要步骤;指出在工作程度高、地质勘探资料丰富的铀成矿区用MAPGIS进行成矿预测具有较好的发展前途。     

综放工作面地质工作探讨

根据鲍店煤矿7年来综采放顶煤开采的实践,简要介绍了厚及特厚煤层综采放顶煤生产的地质工作方法。     

基于LBS和深度学习的旅游景区客流量的高时频预测

为实现精准的旅游景区客流量的高时频预测,本研究构建了一套基于LBS和深度学习模型的预测方法。此方法可通过对LBS数据的转换实现预测的空间范围与时频控制,并通过方法的核心模型——基于双向循环神经网络和GRU算法构建的深度双向GRU(DBi-GRU)模型完成预测。为检验方法的有效性,研究以深圳大梅沙海滨公园为例对方法进行实验测试。实验使用拟合曲线、误差指标及DM检验3种方法评估DBi-GRU模型的预测效果。此外,实验还设置了其他五种深度学习模型作为DBi-GRU的对照模型,测试基于不同深度学习算法的模型之间的预测水平差异。实验结果表明:(1)本研究提出的DBi-GRU模型在景区客流量高时频预测中具有理想的预测效果,在高峰时段的客流量预测方面也具有较高准确性,预测效果明显优于其他深度学习模型;(2)基于双向循环网络的模型的效果普遍优于基于常规循环网络的模型。尤其是基于双向LSTM算法的模型,虽然预测的准确度略逊色于DBi-GRU模型,但在模型性能上与其的差异并不显著;(3)在相同网络参数下,GRU算法较前人采用的LSTM和RNN算法有着更高的预测准确性。本研究为客流量预测领域的研究提供了一种...     

地震多参数油气预测方法及应用研究

地震多参数综合油气预测方法是一种基于地震数据计算储层段地震资料的富氏谱、功率谱、自相关、自回归和振幅等35种特征参数,并经广义线性分类,以实现油气异常圈定的方法技术。该方法的客观性较强,具有很高的可信度。经过碎屑岩储层、碳酸盐岩储层以及火山岩储层的预测和识别检验,具有较好的应用效果和广泛的市场价值,适应了油公司勘探开发的需要。     

强震类型划分和后续强震预测方法探索

地震能量、振幅与周期的关系,由震源性质决定,因而其相关程度可作为强震类型划分的指标．初步将强震划分为主余震、双主震和强震群型3类．同类型强震在震源性质定量指标上有相似性,且有一定重复性．它们可为后续强震预测提供依据．从1988～1997 年50多例CDSN宽频带（BPZ波）强震记录中,分析得出的后续强震预测参考指标,对分型预测法应用有参考价值．     

利用植物物候资料诊断预测温度异常

通过对辽东山区本溪县１９７９～１９９６年树木、作物物候资料分析,发现利用杏树、加拿大杨等树木开花始期可以准确地诊断、预测出春季气温的高低和生长季≥１０℃积温的多少;利用玉米拔节普遍期可以做出作物低温冷害的诊断,这对山区气候变化研究有实用价值。     

河流集合预报方法(ESP)在水资源中长期预测中的应用研究

中长期径流预测是水文水资源研究领域中的一项重要内容,为水资源规划管理及可持续利用、防汛抗旱、水库调度与发电计划制作、工农业用水计划编制等提供科学依据,对国民经济发展具有十分重要的意义.但由于大气圈极其复杂,水文要素并非仅是气象强迫输入的函数.它还受流域基本特性,前期来水以及人类活动等诸多因素的影响,中长期径流预测在其计算中存在着多种不确定性.因此,中长期径流预测一直是水文预测研究中难度较大的课题之一.本文引入河流集合预报方法(ESP),以丹江口水库为应用实例,利用水文气象历史资料和新安江水文模型,预测分析水库2007年10月份每旬的平均入库流量及概率分布统计,并经与实测流量过程对比分析,满足水库运行调度需求,为水库发电计划制作提供了可靠依据.     

未确知测度BP神经网络模型在黑河流域水质预测中的应用

水质预测是水环境规划、评价和管理的重要依据,对促进水资源可持续利用及生态发展具有重要意义。针对水质预测中各项因子的不确定性,基于未确知测度理论(unascertained measure,UM),采用改变网络初值的方法,对BP神经网络加以改进,并利用黑河流域莺落峡水文站1998~2011年的水质监测资料进行分析和预测。以挥发酚为参考序列,用灰色关联方法分析参考序列与其他因子的关联度,并最终确定BP网络的输入节点为CODmn、DO、SO42-、Cr6+以及挥发酚,输出节点为挥发酚,从而建立UMBP模型。分析结果表明,UM-BP预测模型比标准的BP神经网络模型具有更高的预测精度。因此,该模型应用于黑河流域水质预测是可行的。