盛世记忆——发现古希腊黄金时代沉船

"你觉得他们的家人最终知不知道发生了什么事?你觉得有人知道他们的下落吗?"当乔恩·康斯尔向我提出这个问题时,我们正乘着深潜器,在2400多年前沉没的一艘小型商船的残赅上方徘徊。他接着说:"当时没有无线电,没有海空救援部队,谁会知道呢?"     

长短期记忆神经网络(LSTM)模型在低能见度预报中的应用

利用浙江省义乌市2015—2019年逐小时气象观测数据(相对湿度、风速、地气温差、能见度)和空气质量指数(Air Quality Index, AQI)数据, 分析了义乌地区低能见度天气(观测能见度lt; 10 km)的分布特征和气象要素条件。利用长短期记忆神经网络(Long Short Term Memory Neural Network, LSTM)模型对逐小时能见度进行模拟, 分别对比了观测能见度作为输入变量与否的模拟效果; 根据义乌地区低能见度天气条件的特征, 将模拟时段分为三个时期(11月至翌年2月, 3—6月, 7—10月), 对比了分时期模拟的效果; 以及评估了模型的预报步长。结果表明: 高湿、高污染、气温高于地温和低风速是义乌地区低能见度天气的主要特征。LSTM模型对单站能见度有较好的模拟效果, 当输入参数中加入历史观测能见度时, 能大幅提高模拟准确度, 日均能见度模拟结果均方根误差RMSE=0.63 km, 平均绝对误差MAE=0.51 km, 拟合优度R²=0.99;分时期进行模拟能得到更精准的模拟结果。本研究中选用的输入要素在冬季(11月至翌年2月)模拟效果最好, RMSE=2.35 km, MAE=1.46 km, 低能见度均方根误差RMSE_10 km=1.81 km, 低能见度平均绝对误差MAE_10 km=1.13 km, R²=0.83; 3—6月的模拟中, 输入变量中不加AQI模拟效果更好, 这意味着3—6月义乌地区的低能见度天气以雾天气为主导, 加入过多变量并不一定能提高模型准确度; 随着预报步长增大, 模型预报效果变差, 预测步长等于3 h, R²=0.71, 预测结果已不具备实际应用意义。     

鼠对前兆性地声记忆反应的研究

本文比较研究了小白鼠对主峰频率200Hz的前兆性轰隆声和对粉红噪声的记忆反应。结果表明,小白鼠不仅能对这种地声信号产生明显的记忆反应,而且受训鼠对这种地声信号敏感性显著增高。 1.地声组(Gs.G.)和噪声组(N.G.)穿门反应的时间-强度曲线(TIC)都近似指数衰减。在1——5s內(SPL 10dB)的峰值强度分别为0.71和0.40。对照观察(Con.)的TIC近似随机事件的正态分布,1——5s內的反应强度仅为0.13,11——15s內的峰值强度为0.32。 2.地声组对10dB的地声信号穿门反应的潜伏期为2.450.5s,即比噪声组平均短0.86s;对10——30dB的地声信号穿门反应的潜伏期比噪声组约短2s。 3.地声组穿门反应的群体效应明显增高。以3只鼠和4只鼠的群体穿门反应的比率分別为Con.的1.6倍和2.9倍。 4.地声组的受试动物对250Hz纯音反应的TIC仍接近于对地声信号的反应,而对粉红噪声的反应明显地失去原来的反应特性。     

基于记忆电阻的Chua混沌电路的实现及动态性能分析

提出利用磁通量控制的记忆电阻和1个负电导来替代典型蔡氏混沌电路的非线性电阻,并对改进后电路的理论推导、数值仿真、分岔图l、yapunov指数谱等系统的基本动力学特性进行分析,结果显示,该系统可由马蹄混沌吸引子过渡为双涡卷混沌吸引子,混沌行为更为复杂。最后,利用FPGA技术实现了该电路,实验结果表明,该系统能够产生混沌吸引子。     

基于小波长短期记忆网络的风电功率超短期概率预测

随着大规模的风电并网,风电所具有的间歇性与随机性对电力系统的稳定性产生了很大的影响,风电功率预测成为当前解决该问题重要的方式之一.本文利用长短期记忆（LSTM）网络良好的时序记忆特性,将小波分解技术与LSTM深度网络结合,提出基于小波长短期记忆网络的风电功率超短期概率预测模型.首先通过小波分解技术将原始时间序列进行平稳化处理,再建立各子序列样本的LSTM网络预测模型,借助最大似然估计法估计预测误差的高斯分布函数,最终实现对未来4 h时刻的风电功率概率区间预测.最后,采用中国东北某风电场数据对所提方法进行算例分析,结果表明,将小波分解与深度学习方法结合可以较好地提高预测的精度,提高概率预测的区间可靠性.     

基于变分模态分解和注意力机制的浪高预测

针对海洋中的海浪高度数据存在非线性和非平稳性的特点,海浪高度的预测就变得相对复杂.基于变分模态分解(VMD),在引入注意力机制(AM)的基础上,对传统长短期记忆(LSTM)神经网络算法进行了改进,提出了一种基于混合模型的海浪高度预测算法.算法通过预处理、预测和重构3个主要步骤,对海浪高度的时间序列进行预测.为了比较和说...     

基于地震反演方法的奥陶系顶部含隔水层探测

在山西阳泉泊里矿区,太原组K₂灰岩是15号煤层上部主要的含水层,查明其富水分布特征对上下组煤层安全开采至关重要。为了准确得到K₂灰岩的富水分布区域,首先,利用常规的波阻抗反演获取精确的K₂灰岩空间展布特征。然后,结合皮尔逊相关系数法与交叉验证−逐步回归法优选出9种地震属性,构成网络的训练数据。此外,引入适合于时序数据处理且能够捕捉测井曲线前后相关性的长短期记忆神经网络(LSTM),构建智能化、多变量LSTM视电阻率预测模型,以精确地预测研究区视电阻率进而得到地层富水性分布特征。同时,分别利用常规多属性回归算法与多变量LSTM模型在井点位置建立电阻率测井曲线与地震属性井旁道之间的映射关系。最后,将井点处训练好的网络模型推广至无井区得到全区视电阻率体,根据视电阻率值的高低、矿区地质构造与陷落柱发育情况圈定灰岩富水区。实际数据的测试结果表明：与常规多属性回归算法相比,多变量LSTM模型预测误差小,与测井相关系数高,说明多变量LSTM模型可以更加精确地预测出工区视电阻率,在含煤地层的富水性预测中有较好的应用价值。\t\t\t\t

     

基于人工神经网络的沿海风速多步预测研究

基于气象历史观测资料,将长短期记忆网络LSTM方法和Transformer模型结合提出了混合短期风速多步预测模型BLSTM TRA。以山东半岛南部沿海6个台站为研究区域,通过气象台站观测数据构建数据集。经与2018年ECMWF模式6 h预报结果对比分析,得出如下结论：构建的BLSTM TRA多步预测模型可大幅度降低风速误差,BLSTM TRA的1 h单步预测结果和ECMWF预报模式结果对比,其RMSE平均降低了58.9%,MAE平均降低了63.2%;风速误差和大风统计过程分析发现,BLSTM TRA模型具有一定的抗干扰能力,可以抓住短时大风等敏感信息,对于大风预报结果明显优于ECWMF模式和传统LSTM模型。     

基于逐减随机震源采样法的频率域二维黏滞声波方程全波形反演

全波形反演方法利用叠前地震波场的运动学和动力学信息重建地下速度结构,具有揭示复杂地质背景下构造与岩性细节信息的潜力。然而,巨大的计算量是阻碍其发展的一个瓶颈问题。为此,研究者们提出了震源编码技术来减少计算量,但是此方法在模型更新过程中会引进随机串扰噪声,降低反演结果准确性。所以,在保证计算精度的情况下,本文提出了采用逐减随机震源采样的方法来高效计算全波形反演问题。笔者将此方法应用于频率域二维黏滞声波波动方程全波形反演,开始了在频率域进行随机震源采样类方法的研究,计算过程中共使用了依次增大的8个频率段;并应用Overthrust模型来验证此类随机震源采样法的正确性。实验结果表明：基于逐减随机震源采样法的反演结果与实际Overthrust模型的拟合误差为0.065 65,而应用基于全部震源的全波形反演方法得到的反演结果与实际Overthrust模型的拟合误差为0.064 64,两者差别不大;但计算用时由740 min减少到291.2 min,即计算效率提高了2.54倍。为了更好地确定方法的有效性,将其应用于Marmousi模型进行试算。模型试算结果表明：基于逐减随机震源和基于全部震源得到的反演结果与实际Marmousi模型的拟合误差分别为0.080 12和0.078 97,相差不大;但计算用时由1 218.9 min减少到274.4 min,计算效率提高了4.44倍。综上,在保证反演精度的情况下,基于逐减随机震源采样法的频率域全波形反演方法大大减少了计算量,具有不可替代的计算优势,并且没有引进随机串扰噪声。     

海滨生物地貌研究进展

海滨环境孕育了各式各样的生物地貌,通过生物与环境之间的物质能量交换,海滨生态系统的生物组分与地貌组分之间双向作用得以实现。特别是在现代海岸发育进程中,生物地貌塑造者对局地地貌产生的微弱作用,可以在宏观尺度上对海滨地貌的形成和发展产生深远影响。本文简要介绍了海滨生物地貌作用的主要机制和类型、海滨环境不同生物地貌作用复杂多变的动态过程,并对研究海滨环境生物地貌作用的方法、探索生物地貌格局的多尺度成因、递归的循环过程规律以及海滨生物过程与非生物干扰及过程的相互联系等领域取得的成果进行了总结。当前,海滨生物过程和动力-沉积-地貌过程之间的双向研究已成为认识和利用生物海岸对全球变化响应和反馈作用的关键,今后还需要对不同生物地貌作用的耦合、海滨生物地貌过程的生物作用模拟以及海滨生物地貌过程的演化等问题进行深入研究。