上海金饰品价格近日上调 专家预测未来金价有望继续走高

近日，本市金饰企业再度上调金饰品价格，足金饰品零售基准价从原来的143元／克上调为145元／克，各企业在此基础上还可以上下浮动3％，也即最高可达149元／克；铂金饰品基准价也上调2～4元／克。     

中国地震震害特征及其意义

本文对1969年以前发生在中国境内的5级以上的地震震害进行了总结。提出了历史震害分布规律及震害出现次数与烈度曲线函数关系,给出震级与震害最大距离的关系公式。这些规律和公式,对震害预测和烈度小区划有一定参考价值。 我国有丰富的地震灾害记录,但至今还散落在各种地震文献之中,如果把这些资料进行整理,用之于生产建设,将有一定的实际意义。 据此目的,本文对公元前1177年至1969年间发生的地震进行了总结,并着重研究了震害情况     

短花针茅荒漠草原植物群落优势种群分布格局研究——以内蒙古四子王旗荒漠草原为例

根据野外调查的样地资料,应用方差/均值比(扩散系数)的T检验、聚集指数、平均拥挤度、聚块性指数、G reen指数和负二项分布的聚集强度等方法,研究了四子王旗短花针茅荒漠草原植物群落植被优势种群的分布格局并分析格局形成的原因,并用相关分析比较了6个指数间的关系,结果表明:这些植物的分布格局皆属于聚集分布,但它们的聚集强度有差异。聚集强度最大的是木地肤,最小的为银灰旋花,中间依次为糙隐子草,冷蒿,短花针茅。依靠无性繁殖扩大种群分布范围和密度是它们服从聚集分布的原因之一。本研究说明了方差/均值比率法是1种较好的分析种群分布格局的方法。     

PSO-RBFNN模型及其在岩土工程非线性时间序列预测中的应用

岩土工程受力变形演化是一个典型的非线性问题,其演化的高度非线性和复杂性,很难用简单的力学、数学模型描述,但可用粒子群优化径向基神经网络对岩土工程应力、位移非线性时间序列进行动态实时预测。网络径向基层的单元数通过均值聚类法确定后,所有其它参数：中心位置、形状参数、网络权值,均通过粒子群优化算法在全局空间优化确定。工程实例应用表明,该模型预测结果准确、精度高,有良好的应用前景。     

地下水数值模拟中人为边界的处理方法研究

边界条件预测是地下水数值模拟中的关键问题。本文针对人为边界受自然和人为因素影响,边界流量变化复杂难于预测的问题,讨论了人为边界条件的处理方式和实现方法,并将其应用到具有人为边界的二维潜水含水层系统。预测结果表明,受区内人工开采影响,边界流量呈逐年上升趋势,部分边界由流出边界转化为流入边界,结果符合地下水系统变化趋势,提高了预测精度。     

俄罗斯砂岩型铀矿成矿定量预测技术及应用

本文系统地介绍了俄罗斯砂岩型铀矿成矿定量预测技术的基本原理及建立矿床物理-数学模型、成矿预测等关键技术,并在潮水盆地大红山地区进行了成矿预测应用.认为该成矿预测技术丰富了我国铀矿成矿定量预测方法,可作为我国砂岩型铀矿成矿预测的一种新的技术手段.     

钱二块铀矿床采铀注液结垢趋势的理论分析与预测

用离子系数矩阵法对钱二块铀矿床地浸采铀试验注液中存在的独立离子反应进行了确定,由溶度积规则及反应平衡原理,借助Matlab编程,估算出了钱二块铀矿床地浸采铀试验注液可能会生成的沉淀物种类及数量,为防治结垢提供了一定的理论依据.     

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.     

基于AGA的SVM需水预测模型研究

需水预测是一个由城市人口、工业水平、社会经济水平共同作用的多因素、多层次的复杂非线性系统.其结果将直接影响受区域水资源承载力约束的产业结构、布局形态等决策.作为一种集中参数预报方法,支持向量机方法具有对未来样本的较好的泛化性能,对于这类资料缺乏、系统结构尚欠清晰的问题可以取得较好的模拟和预测结果.基于此,本文将支持向量机方法引入需水预测领域,建立了需水预测支持向量机模型.同时,本文将加速遗传算法和支持向量机方法耦合起来,构造了支持向量机模型参数的自适应优化算法.模型在珠海市的应用实例表明:与简单遗传算法比较,AGA的模型参数寻优效率更高;与BP神经网络模型相比,SVM模型较好地解决了小样本、经验性等问题,并取得了较高的预测精度.