塔里木盆地绿洲形成与演变

塔里木盆地的绿洲按形成历史可划分为古绿洲、旧绿洲和新绿洲,它们分别代表绿洲发展演变的三个阶段。本文对绿洲未来演变趋势作了预测,探讨了盆地古绿洲衰亡原因、认为除了风沙、盐碱及河流改道等自然原因外,人类活动引起的地表水资源时空分配发生变化是主要原因。     

2010年北京市流动人口预测

针对北京市流动人口样本数据量小、不连续等特点,本文采用Logistic曲线拟合和等维递补灰色预测理论,预测“十一五”期间北京流动人口的增长情况。首先,通过Logistic曲线拟合与外推,掌握流动人口增长的总趋势;其次,选定不同长度的人口序列以建立多个等维递补灰色模型,检验并分析各种预测结果的合理性与不足;最终确定北京市流动人口增长预测的高、中、低方案。实践表明,灰色等维递补预测法对“小样本”、“贫信息”的人口预测是切实可行的。     

动力学模型预测深海鲣鱼(Katsuwonus pelamis)调理食品常温下的货架期

为了预测鲣鱼(Katsuwonus pelamis)调理食品的货架期,将鲣鱼调理食品贮藏在25°C、30°C、35°C温度条件下,通过测定在贮藏期间菌落总数、挥发性盐基氮、过氧化值三个指标的变化,分别对这三个指标与贮藏时间、温度建立一级动力学模型,来预测鲣鱼调理食品的货架期。经计算得出,菌落总数预测模型中的活化能(Ea)及指前因子(k0)分别为30.96 k J/mol和2.06×103,挥发性盐基氮预测模型中的的活化能及指前因子分别为24.35 k J/mol和75.1,过氧化值预测模型中的活化能及指前因子分别为48.75 k J/mol和2.92×106。在32°C和37°C条件下验证动力学模型,结果表明相对误差分别为–5.52%和–6.45%,准确性较好。进一步推算得出,在18°C和23°C常温下贮藏鲣鱼调理食品,产品的货架期为209d和172d。     

地球磁场对太阳风的加载响应与地震

地磁预报地震的方法越来越多,本文应用加卸载响应比方法,分析山西地区2009—2016年观测的加卸载响应比与山西地区4.0级地震之间的对应关系,初步给出适用于山西地区震例特征的磁异常判别指标。     

基于遗传算法的分类体系在地震预报中的应用探索

采用模似自然界生物进化过程的遗传算法的分类体系,并以首都圈地区为例,利用地震活动性资料的8种时空参数在地震预报中进行了应用探索．通过对1967—1992年间信息的学习演化,获得了20条拥有不同适应度的具有层次结构的地震预报规则集．对首都圈地区中等地震活动的预报规则进行了初步的分析讨论,发现了人们以往难于考虑周全的可能具有重要预报意义的异常组配.应用探索表明：在地震预报研究中应用具有自适应和潜在学习能力的基于遗传算法的分类体系,将可能推动人们对地震前兆及其物理机制的研究和探讨．     

鄂尔多斯盆地中生界低幅度构造岩性圈闭油气储层预测技术

鄂尔多斯盆地天环向斜中生界油气储层为低幅度构造背景下的砂岩岩性圈闭储层,与围岩波阻抗差小,常规的地震储层预测方法精度低。针对储层的地质地球物理特征,提出了地震地层分析与物性反演的储层预测技术方案,提高了储层预测精度。     

利用IGS星历预报GPS卫星轨道

在动力学轨道拟合以及轨道积分的基础上,提出了基于IGS精密星历的GPS卫星轨道预报方法。该方法首先利用已知的IGS精密星历作为虚拟观测值,采用动力学方法拟合出GPS卫星的初始轨道和动力学参数,然后再通过积分来预报GPS卫星的轨道。主要讨论了基于不同弧段的IGS星历时,该方法对GPS卫星轨道的拟合和预报情况。研究结果显示:对于6 d弧段以内的IGS精密星历,其拟合轨道与IGS精密星历差值的三维RMS值均优于4 cm,随着拟合弧段的增加,拟合残差变大;当利用2～6 d弧段的IGS星历来预报GPS轨道时,大部分卫星第1天、第7天和第30天的三维预报精度可优于0.1 m、3 m和100 m。其中,2d弧段的IGS星历对GPS卫星第1天和第7天的预报结果最好,5 d弧段的IGS星历对GPS卫星第30天的预报结果最好。     

基于双隐层ANN模型的叶绿素a浓度智能预报方法

利用2019年5月WZ02生态浮标监测数据,建立了两种不同隐层人工神经网络(ANN)模型的叶绿素a(Chl-a)智能预报方法,并对单隐层和双隐层模型的预测结果做了对比.结果表明:双隐层结构预测结果精度更高,泛化能力更强,一定程度上说明了深层学习比浅层学习对信息的主要特征提取能力更有优势.同时,对数据样本集合进行了系统预...     

射阳港潮汐与乘潮进港

根据实测和航行实践分析比较发现,射阳港潮汐同潮汐预报表有一定偏 ,实际高潮 比预报值高,实际低潮位比预报值低,遍地比预报要早,低潮时比预报要迟。本文研究了这一变化规律,对确定科学的乘潮进港时间及港口规划、运营有指导意义。     

基于PSR-WSVM模型的边坡位移预测

为建立高精度的边坡位移预测模型，采用相空间重构（PSR）将边坡位移时间序列数据转换为多维数据，同时构造小波核函数改进的支持向量机模型，建立PSR-WSVM模型并应用于边坡位移预测。将PSR-WSVM模型预测结果与传统支持向量机（SVM）模型、小波支持向量机（WSVM）模型和基于相空间重构的支持向量机（PSR-SVM）模型预测结果进行对比，通过平均绝对误差（MAE）、平均绝对误差百分比（MAPE）和均方根误差（RMSE）3个精度评价指标验证PSR-WSVM模型的可行性。工程实例结果表明，PSR-WSVM模型预测结果的3个精度评价指标都优于另外3种模型，边坡位移预测的精度明显提升。