几种统计预测方法对1998年南京降水的跨季节预测试验及分析

对1998年南京降水分别设计并开展了求和自回归滑动平均（Auto-Regressive Integrated Moving Average,ARIMA）模型预测、经验模态分解（Empirical Mode Decomposition,EMD）预测和基于Hilbert变换（HilbertTransformation,HT）的幅频分离预测等3种跨季节统计预测试验。结果表明：ARIMA模型预测结果存在明显的系统性误差且对夏季的降水突变现象预测困难;EMD分解预测的结果虽在降水演变趋势上有明显提高,但仍未能预测出夏季的强降水突变现象,究其原因可能是对高频分量预测效果不好所致;而基于Hilbert变换的幅频分离预测方法能够对各模态分量的瞬时频率和瞬时振幅实施隔离预测,消除两者的相互影响,显著改善高频模态的预测效果,使得最终预测结果最为理想,不仅具有最高的趋势相关性和最小的偏差,而且还较好地预测出了夏季两次强降水过程。不仅如此,在对2003年的降水预测验证中,基于Hilbert变换的幅频分离预测方法同样具有最好的预测效果,表明该方法预测效果较为稳定,为改进跨季节短期气候统计预测技术提供了一个新思路。     

在PC机上安装MM5的方法和运行要点

本文对如何获取MM5模式的各程序模块和相应的做图软件,如何在PC机上安装以及运行该模式的要点作一介绍,以方便有兴趣的气象工作者更快的了解和运行该模式。详细介绍可参看文献1。     

环境蠕变对农业病虫草鼠害的潜在影响

重点讨论了在全球气候变暖的大背景下,农业病虫草鼠害加重和新的病虫草鼠出现也作为一种蠕变现象正在遭受气候变化的影响和冲击。其主要表现在农业有害生物(病、虫、草、鼠)地理分布范围扩大、越冬界限北移、农田害虫害鼠发育时间缩短、繁殖代数增加、种群增长率加快、发生提早、危害加重、病毒病增加、新病虫草鼠出现等等。     

脱壳病和吻肿病东风螺体内致病菌及条件致病菌菌相研究

为探讨东风螺脱壳病和吻肿病与体内外致病菌及条件致病菌的相关性,测定了东风螺养殖水体环境中异养菌菌落总数,并对病螺及健康螺体内致病菌及条件致病菌进行了分离鉴定.经兔血培养基、TCBS培养基和弧菌显色培养基分离培养,用生化试验和细菌16S rDNA序列分析鉴定,结果显示:发生脱壳病的方斑东风螺螺池水体中的异养菌菌落总数为1.34×106 cfu/mL,病螺体内分离的致病菌及条件致病菌有副溶血弧菌、哈氏弧菌、河流弧菌、Vibrio hepatarius、腐败希瓦氏菌、海藻希瓦氏菌和芽孢杆菌,其中优势菌株为副溶血性弧菌溶血菌株和哈氏弧菌;脱壳病与吻肿病共患的泥螺螺池水体中异养菌的菌落总数为1.46×107 cfu/mL,病螺体内分离的致病菌及条件致病菌有副溶血弧菌、哈氏弧菌、鲍鱼希瓦氏菌、海藻希瓦氏菌和芽胞杆菌,优势菌株为海藻希瓦氏菌、鲍鱼希瓦氏菌和哈氏弧菌;健康东风螺螺池水体异养菌菌落总数为7.6×104 cfu/mL,健康东风螺螺体内的优势菌株为副溶血性弧菌非溶血菌株和Vibrio hepatarius.试验结果表明,东风螺脱壳病和吻肿病与养殖水体环境中异养菌的总数及螺体内部致病菌及条件致病菌分布具有一定相关性.     

引入纹理特征的多光谱遥感影像 海面油膜信息提取

针对单纯依靠光谱特征油膜提取精度低、雷达影像油膜提取易受海况条件及假目标影响的问题,提出了一种结合光 谱特征与纹理特征的多光谱遥感影像油膜信息提取方法。以2011 年6 月蓬莱19-3 油田溢油事故为研究对象,选用HJ-1 星 CCD 遥感数据,利用灰度共生矩阵获取影像纹理特征,采用SVM 模型对结合纹理特征与光谱特征的影像进行分类,提取出 研究区油膜信息,并将分类提取结果与仅依靠光谱特征的SVM 模型分类结果进行了比较。结果表明：引入纹理特征的SVM 模型分类总精度达到90.29 %,比仅依靠光谱特征的分类精度提高了12.41 %;纹理特征的参与降低了原影像噪声对分类结果 的影响,油膜边缘提取更加清晰,油膜中心呈连续面状分布,引入纹理特征的SVM 模型可有效地用于多光谱遥感影像海面 油膜信息提取。     

基于数学形态学多尺度分析的顶板下沉量预测

利用实测顶板沉降序列预测顶板下沉量是分析顶板稳定性的有效手段。提出基于数学形态学（MM）的预测方法,将沉降序列视为一组信号,用多尺度形态学算法将其解耦为若干分量,用最小二乘支持向量机（LSSVM）算法对各分量进行预测,叠加还原得到最终预测结果。根据某金矿762采场预控顶板AIII测点实测沉降时序,建立MM-LSSVM模型进行预测研究。研究结果表明,MM-LSSVM的解耦处理强化了各分量内部规律、弱化了相互干扰。与其他传统预测算法相比,MM-LSSVM的平均绝对百分误差和均方根误差大幅下降,预测精度显著提高。     

基于ε-SVR的滑坡位移预测

我国是一个地质灾害多发的国家,特别是滑坡发生的次数比较多、危害性比较大。因此对滑坡的位移进行监控预测有着十分重要的意义。对于滑坡位移变化的非线性问题,可以利用支持向量机在回归分析中的方法——ε-支持向量回归机（ε-SVR）进行预测,该方法基于统计学理论,在处理小样本、非线性、高维数等问题上有一定的优势。以福建八尺门滑坡的监测数据为例,将前面的17个位移数据作为学习样本,后面的6个位移数据作为预测样本,采用不同的核函数分别进行位移预测来与原始监测值进行对比,比较其预测精度。结果显示,该方法产生的预测值与原始监测值之间的误差比较小,其位移变化趋势与原始数据的变化趋势也基本一致,这说明该方法预测精度高,实用性强。     

基于SVM的海底声纳图像底质识别*

对海底底质声纳图像分割,提取单元特征向量进行主成份分析,选取均值、标准差、对比度、相关系数、能量及同质性作为训练特征向量,优化支持向量机(SVM)参数.利用多分类 SVM 对砂、礁石、泥进行训练,有效、快速地分离出了3种底质类型,测试精度高于80%,表明该方法可有效用于海底底质声纳图像的识别和分类.     

基于支持向量机的地震属性优选及煤层气预测

为了充分发挥地震属性分析技术的优势,针对地震勘探中的小样本事件,阐述了支持向量机原理,开展了基于支持向量机的煤田地震属性非线性优选的方法研究,并在煤层气含量预测中取得了良好的效果。结果表明:基于支持向量机(SVM)属性优选的煤层气预测效果比运用钻孔插值的效果更精确,较好地解决了小样本的学习问题,可作为煤层气预测的一种有效方法。      

运输效率研究述评及基于交通运输地理学视角的研究展望

运输效率是衡量运输系统运行状况及发展潜力的综合性指标。国外学者立足经济学与管理学, 在运输效率评价的计量模型、指标体系以及运输效率的影响因素与机理等方面进行了深入分析;国内研究总体上还处于国外研究方法体系与成果引进阶段, 但中国学者开创性地将运输效率与地域空间相结合, 开始关注运输效率的空间格局及其与区域经济系统的耦合研究。近年来, 运输的能源效率与二氧化碳排放效率日渐引起学者的关注。从交通运输地理学角度, 突出运输效率的空间地域性, 在区域运输效率影响因素分析与定量测度基础上, 对运输效率格局、过程、机理及效应展开系统研究, 具有一定科学意义和应用价值。