岩石声频散的实验研究及声波速度的外推

对岩石声频散进行了实验研究，用不同频率的声学探头使用超声波脉冲穿透法对砂岩和泥岩样品进行了测量，并分析了两者的频散现象.结果表明：在51kHz-1MHz频率范围内，在干燥状态下岩芯有频散现象；在饱水状态下，砂岩的频散现象更明显，岩芯中流体的存在是影响纵波频散的一个重要原因.利用频散方程计算不同频率时的速度值，并与实验结果进行了比较，说明频散方程可以较好的描述砂岩与泥岩的频散关系.     

磁法探测煤火区的外推解释

本文阐述了磁法探测煤层火区、在没有磁性的烧变岩烧烤部分，利用该地区的地质规律及煤层烧变的规律进行外推解释。     

基于时间序列趋势外推改进模型的SISE预测

基于SISE的分布特性和时间序列趋势外推理论,选择了三次多项式时间序列趋势外推模型预测SISE,结果表明该模型可行。为进一步提高预测精度,引入均值平衡因子,改进三次多项式时间序列趋势外推模型,试验证实该算法能有效提高SISE的预测精度。     

起伏层状介质中曲线交错网格有限差分弹性波逆时偏移成像

采用曲线网格有限差分法描述复杂起伏地形(或不规则波阻抗界面)时,波场正演中可以避免因阶梯近似导致的虚假散射,进而波场逆时偏移可对起伏地表模型进行准确成像.文中以弹性波逆时偏移理论为基础,求解一阶速度-应力方程,推导出了弹性波正向传播和逆时传播的曲线网格差分格式,使用完全匹配吸收边界压制边界反射,采用互相关成像条件,实现了起伏层状介质中的波场逆时偏移.三层起伏、尖灭模型,以及起伏地表条件下的部分盐丘模型结果表明:曲线网格有限差分法逆时偏移法是一种高效、准确的逆时偏移法.     

周期外推方法在海水水温预报中的应用

针对海水温度的周期性变化,利用周期外推方法进行海水水温预报,并用平稳过程对周期变化以外的部分进行拟合,最后得到预报值。与实际观测资料比较,检验了预报的结果。     

基于反馈环的多次波压制方法研究

基于波动方程理论压制多次波,综合考虑了多次波传播的运动学特性和动力学特性,避免了非波动法解决问题所带来的局限性,已成为多次波去噪的发展趋势.首先对多次波压制国内外研究现状做了简单的阐述.在此基础上,给出了反馈环波动方程预测减去法的方法原理.介绍了抛物线拉东(Radon)变换外推近道数据、谱模拟法提取震源子波、均衡伪多道匹配和多次波减去法效果评价等四大关键技术的思路及主要计算公式.用JAVA语言自行开发了相应的模块,并应用射线法多次波模型和SEG/EAGEPluto模型,对以上方法技术进行了检验,去噪效果良好.对海上某多次波特发育实际资料进行了处理,取得了满意的效果.     

合成孔径雷达空间变迹带宽外推超分辨算法

提出一种变迹法带宽外推合成孔径雷达(SAR)超分辨率成像算法,可以提高合成孔径雷达成像分辨率并抑制旁瓣。利用空间变迹法(SVA)处理后的带宽扩展效应,对频谱进行幅度均衡使有效带宽扩展,并利用非整数倍Nyquist采样率空间变迹法对外推后的旁瓣抑制,得到输出的高分辨率图像。仿真实验和定量分析验证了本文方法的有效性。     

基于最大互相关的对流云预测

传统上利用卫星云图做降水都是根据已知的卫星云图中的通道信息来进行降水量的估算。因此,利用卫星云图仅仅做到了降水量的估算。本文利用图像的最大互相关以及线性外推对未来的卫星云图进行预测,并取得较好的结果,从而能够利用云图进行降水量的预报。     

基于深度学习的高时空分辨率降水临近预报方法

降水临近预报在强对流天气监测预警中具有重要地位,对于防灾减灾至关重要。在气象业务中,主要采用雷达回波外推方法解决高时空分辨率的临近预报问题。针对传统雷达回波外推方法中普遍存在的资料信息利用率不足和预报准确率低的问题,利用上海地区多年的高时空分辨率天气雷达探测资料,基于数据驱动的深度学习方法进行雷达回波外推,提出了一种新的降水临近预报模型——SwinAt-UNet模型。该预报模型通过融合UNet模型和Swin Transformer结构捕捉历史天气雷达探测资料中的短期和长期动态变化特征,可以自适应地学习潜在的雷达回波生消演变规律。此外,为提高模型的泛化能力和预报准确率,引入深度可分离卷积和卷积块注意力模块。结果表明：在不同基本反射率阈值下,SwinAt-UNet模型的预报准确率均高于UNet、SmaAt-UNet、TransUNet和AA-TransUNet模型;在45 dBZ的基本反射率阈值下,SwinAt-UNet模型临界成功指数提高了13%,同时在预报时效上具有一定的优越性;SwinAt-UNet模型外推图像具有更加清晰的边缘和细节性纹理,对降水范围、移动方向和强度变化的预测更为准...     

两种太阳总辐射分钟级预报方法的比较

利用2010年9月1月至2011年8月31日中国气象局风能太阳能资源中心吐鲁番太阳能试验站水平太阳总辐射逐分钟观测资料,对统计外推法（简称外推法,TRD）和动态神经网络法（简称神经网络法,NNN）两种太阳总辐射分钟级预报方法进行比较。结果表明：从全年平均角度来看,外推法略优于神经网络法。两种预报方法的预报效果都主要依赖于天气形势,晴天预报效果最好,阴雨天气次之,多云和扬沙天气预报效果较差。外推法能较为准确地反映起报时刻影响辐射观测的云、气溶胶、沙尘等状况,并将这种影响持续至滚动预报的第一步或第二步;而神经网络法在预报阴雨、多云等复杂天气形势下预报要素的非趋势性变化规律方面略优;外推法预报日出后3 h和日落前3 h的太阳总辐射变化明显优于神经网络法;而神经网络法预报太阳总辐射突然变化特征时略优于外推法。