GM(1,1)模型初始条件优化及其在GNSS钟差预报中的应用

针对现有改进GM(1,1)模型在导航卫星钟差预报中性能无明显提升的问题,提出通过优化初始条件来提高钟差预报精度的方法。首先构建初始条件未知的GM(1,1)预报模型,然后采用原始序列的最新分量求解初始条件,最后利用该模型对IGS提供的精密钟差数据进行预报实验。结果表明,将初始条件优化后的GM(1,1)模型用于钟差预报切实可行,且预报精度比传统GM(1,1)模型有较大提高。     

季节内振荡水汽收支对长江中下游持续性极端降水强度的调控作用

利用中国1979—2019年逐日降水格点数据,考量降水的时空聚集性强度之客观监测方法,识别中国东部区域极端降水事件,发现长江中下游是夏季持续3 d及以上区域持续性极端降水(PREP)发生最频繁的区域。以此为研究对象,基于水汽收支理论,利用ERA-Interim再分析资料和带通滤波方法,诊断日降水及其水汽收支的季节内特征,研究关键尺度对流层高低空系统配置及演变。结果显示：PREP日降水强度及其演变被证实与区域大气柱水汽辐合量相一致。10～30 d准双同振荡(QBWO)和30～90 d(MJO)的水汽辐合在事件发生前1～3 d和7～9 d开始由负位相转为正位相。区域南、北边界QBWO(MJO)水汽输送在事件发生前2～4 d(9～10 d)由水汽输出转为输入。南海的QBWO对流北传至长江中下游,促使源于西北太平洋的对流层低层QBWO反气旋式环流系统向西南移动,其西北侧的西南风使区域南边界水汽输送在事件开始日达最大。事件发生前10 d左右,对流层低层MJO反气旋式环流系统出现在西北太平洋,并向西南移动,长江中下游气旋系统加强维持,对流层中层孟加拉湾MJO尺度低槽开始加深,三者的配合使区域南边界的MJO水汽输入逐渐增强并维持到事件发生后。MJO尺度的强水汽输入结合QBWO反气旋式环流促使长江中下游地区的持续性极端降水事件的发生。研究结果对持续性极端降水事件延伸期的预报提供参考。     

基于支持向量回归机算法的海水富营养化过程中藻类繁殖状态软测量研究

提出了利用支持向量回归机算法(SVR)建立海水叶绿素-a浓度的软测量方法,采用灰色关联分析法获取叶绿素-a软测量模型的主要辅助测量变量。将基于支持向量回归机的叶绿素-a软测量结果与BP神经网络和T-S模糊神经网络方法进行了对比,结果表明,这种基于支持向量回归机的软测量方法能够有效测量海水叶绿素-a的浓度。     

阶跃型位移特征滑坡时间预测预报研究

滑坡时间预测预报目前主要以滑坡最终破坏的时间为目标函数,但对于变形特征为阶跃型的滑坡却难以准确地预测其破坏时间。为此,提出以位移作为此类滑坡时间预报的目标函数。将滑坡位移分解为蠕变位移和波动位移,采用二次移动平均法分别提取,然后采用多项式拟合和灰色GM(1,1)模型分别对蠕变位移和波动位移进行预测,最后将两部分预测位移相加得到滑坡预测的总位移。以典型阶跃型位移特征滑坡——三峡库区八字门滑坡为例,运用其位移监测数据进行验证,并对多模型预测结果进行对比分析,结果表明,该位移预测模型预测精度良好,能较好地预测阶跃型位移特征滑坡位移。     

山区煤矿矿山地质环境多层次灰色综合评价

以山区煤矿矿山地质环境为研究对象,从地质环境条件、矿山开发程度、资源损毁、地质环境问题和环境污染问题等5个方面构建一个3层次的矿山地质环境综合指标评价体系,运用灰色系统理论,建立了山区矿山地质环境多层次灰色综合评价模型,并结合实例进行计算,得出矿山地质环境综合评价值。评价结果与实际情况基本相符,表明该模型能有效地利用评价指标的信息,所给出的综合评价值能够对受评矿山地质环境进行定性或定量的评判,为政府和企业进行矿山地质环境恢复治理及矿产资源合理利用提供科学依据。     

宁县典型测井地下水埋深的灰色预测研究

采用灰色系统理论中灰色动态模型GM（1,1）,对一观测孔地下水位埋深进行灰色动态模拟。利用观测孔2011年实测地下水位埋深数据建立GM（1,1）预测模型,并对2012年地下水位埋深进行预测。经验证,模型预测精度较高,具有一定的实用价值。     

窟野河流域水沙演变的尺度效应驱动因素研究

流域下垫面的变化影响着流域的水文水沙特性,不同尺度及流域下垫面的变化特性也会对窟野河输沙率及径流量产生不同程度的影响,通过对已有数据和研究资料的分析比对,从1980~2013年以窟野河三个不同尺度的流域作为研究对象,研究在不同尺度情况下下垫面变化对水沙演变影响,用灰色分析法计算影响其变化的驱动因素的关联度。     

顾及温度因子的PDL模型及其组合模型在桥梁挠度预测中的应用

桥梁挠度影响因素的不确定性导致了挠度预测的复杂性,本文介绍了一种考虑温度因子影响的多项式分布滞后(PDL)模型,并与灰色模型进行加权组合,结合长江某大桥挠度监测数据进行分析,结果表明,两者的组合模型能明显提高挠度预测精度,其预测结果更为可靠。     

果蝇优化算法优化灰色神经网络的卫星钟差预报

针对导航卫星短期钟差预报精度不高的问题,文章提出了一种基于果蝇优化算法(FOA)优化灰色神经网络的卫星钟差预报方法.利用FOA较强的全局寻优能力对灰色参数进行迭代动态微调,改善随机初始化所导致网络进化易陷入局部最优的问题,以提高灰色神经网络的预报精度;选取IGS产品中典型的卫星钟差数据,分别采用FOA优化灰色神经网络模型、神经网络模型、灰色系统模型和灰色神经网络模型进行短期钟差预报.仿真结果表明:FOA优化灰色神经网络模型的预报精度优于其他三种模型,性能满足卫星短期高精度钟差预报的要求.     

灰色关联度分析法在北京通州区地裂缝灾害危险性评价中的应用

地裂缝是地质灾害中的地面变形灾害之一,是直接或间接地恶化环境、降低环境质量、危害人类和生物圈发展的地质事件。本文介绍了利用灰色关联度分析法对地裂缝灾害危险性进行评价,并系统阐述了灰色关联度分析法的评价方法与模型,旨在为城市规划和防灾减灾提供科学依据。文中以北京市通州区为例,对北京市通州区地裂缝现状进行了说明并对其进行了成因分析,选取了灾害发育强度、地质条件和水文地质条件三项因子共六个评价指标,然后对评价指标进行权重计算评定地裂缝的危险性等级,并绘制区划图。根据区划的结果,划分地裂缝中度易发区、轻度易发区、微度易发区以及非易发区。