基于EMD与神经网络的机械故障诊断技术

经验模式分解 (EMD)是分析非线性、非平稳信号的有力工具 ,它将信号分解为突出了原信号的不同时间尺度的局部特征信息的内在模函数 (IMF)分量。本文通过将各 IMF分量输入到 BP网络中进行训练学习和故障诊断 ,比直接输入原信号可以提高 BP网络对故障诊断的准确率 ,而且减少了训练时间。     

苏里格气田盒8气藏气水层测井识别研究

鄂尔多斯盆地苏里格气田盒8气藏为弹性驱动的河流相低效气藏,储层非均质性强,在开发中普遍见水。根据试采情况将气藏储层分为气层、水层、气水层三类,开展气、水层的测井识别研究。以区内26口井50个射孔层段各层的试油结果作为依据,选出了700个样本点作为判识建模的标本,以声波时差和中子孔隙度等8个原始测井值作为判识变量组合,采用模糊判别分析,建立了各层的判识模型。回判结果表明,模型对气层精度达到97％,水层为89％,气水层为94％。利用未参加建模的出水井射孔段对模型进行验证,判识结果基本符合实际情况,模型具有较高精度。     

波包传播诊断的理论基础和计算方法

文中提出了一种新的利用实际观测资料研究波包传播的诊断方法 (WPD) ,并通过理想资料和实际资料的计算证明了该方法的可用性和广泛性     

北疆夏季两次冰雹天气过程的对比分析

北疆夏季两次冰雹天气过程的对比分析发现，充足的水汽、足够大的上升运动和不稳定的层结果冰雹天气出现的必备条件，而降雹的强弱则与对流云图的发展和强度有关。     

运用树木活力度进行城市生态环境质量分区--以吉林市为例

城市生态环境质量是影响城市景观和居民身心健康的重要因素，环境质量分区是进行生态环境评价的基础性工作。在以往生态环境质量评价中，通常采用单一的环境污染指标，难以全面综合的反应生态环境质量状况。植被的面貌是一定时期内大气、土壤、水分、人类活动综合作用的结果。由于树木有生命而又不能移动，它的健康状态是一定时期因素内，综合地反映其生活环境条件的最好尺度。借鉴国外环境诊断的研究方法，提出“树木活力度”，即树木的枝、叶、梢、树形等各个部位的生长状况和健康程度这一新的综合生态指标，并结合实际，以吉林市为例，对运用这一指标进行城市生态环境质量评价的方法、原理、问题等进行了初步探讨。指出运用树木活力度进行城市生态环境质量分区，具有迅速目测、计算简便，快速经济的特点，是当前较为流行的一种景观诊断的简便易行的方法。     

地震CT勘探原理及其在公路隧道病害诊断中的应用

地震CT勘探是一种新的地球物理方法。具有分辨率高、可靠性强、信息量大、图象直观的特点。可以广泛地用于线路、场地、隧道、边坡等项目的工程地质勘查和病害诊断。在元磨高速公路芭蕉箐隧道的地质病害诊断中应用地震CT进行勘探,取得了良好的效果。     

双频道数字激电仪常见故障及排除方法浅析

本文叙述了S系列双频道数字激电仪在使用中常遇到的问题及易发生的故障,提供了排除方法。     

山西省主要河流流域面雨量预报业务流程

以T213、HLAFS模式、MM5中尺度模式输出的格点资料以及日本降水量格点资料为基础，将影响山西降水的天气动力模型归纳为诊断模型，从中引出多个能够全面反映降水模型特征的综合物理因子；根据各种数值模式输出的降水量预报性能和质量优劣特点，依据数值模式的形势场预报优于要素场预报的现实，构造在不同环流形势背景下，启动不同预报方程的面雨量预报业务流程，有效地遏止了在环流形势调整时预报输出不能快速响应的弱点，提高了点和面雨量预报的准确度。     

乾陵地震台DSC-2A型数据采集器雷害故障与处理

通过对乾陵地震台DSC2A型数据采集器雷害故障现象特征、诊断修复过程、故障原因等的分析,提出了数据采集器雷害故障检修的一般步骤方法,并认为,数据采集器内部模拟输入通道转换继电器和通道程控放大电路ICL7650集成运放块易遭雷击损坏,是故障率较高的部件。     

Diagnosing snow accumulation errors in a rain‐snow transitional environment with snow board observations

Diagnosing the source of errors in snow models requires intensive observations, a flexible model framework to test competing hypotheses, and a methodology to systematically test the dominant snow processes. We present a novel process‐based approach to diagnose model errors through an example that focuses on snow accumulation processes (precipitation partitioning, new snow density, and snow compaction). Twelve years of meteorological and snow board measurements were used to identify the main source of model error on each snow accumulation day. Results show that modeled values of new snow density were outside observational uncertainties in 52% of days available for evaluation, while precipitation partitioning and compaction were in error 45% and 16% of the time, respectively. Precipitation partitioning errors mattered more for total winter accumulation during the anomalously warm winter of 2014–2015, when a higher fraction of precipitation fell within the temperature range where partition methods had the largest error. These results demonstrate how isolating individual model processes can identify the primary source(s) of model error, which helps prioritize future research.