波致海床瞬态液化对再悬浮贡献率的深度学习预测方法

波致瞬态液化渗流导致海床内细粒沉积物向海水中运移,这一过程对海底沉积物再悬浮的贡献率不容忽视,但是贡献率的准确估计和预测比较困难。本研究将黄河水下三角洲的观测数据(包括水深、有效波高、有效波周期、实验舱内悬沙浓度、实验舱外悬沙浓度)作为模型输入数据集,基于长短时记忆循环神经网络建立了瞬态液化对再悬浮贡献率的深度学习预测模型。为了客观评价模型的性能,以平均绝对百分比误差、均方根误差和平均平方误差-标准偏差为评判标准,将该深度学习模型与其他预测模型(支持向量回归模型、人工神经网络)的预测结果进行了比较。结果表明,基于长短时记忆循环神经网络的深度学习模型对3.5d以内的瞬态泵送再悬浮贡献率预测误差最小,其平均绝对百分比误差、均方根误差和平均平方误差-标准偏差分别为5.87%、1.6730、0.1574。因此,该模型可以有效地减少机器学习方法在连续预测中产生的误差叠加问题。     

联合VMD和Bi-LSTM的GNSS坐标时序降噪

针对GNSS坐标时间序列中的噪声难以有效去除等问题,构建了一种联合变分模态分解和双向长短期记忆模型的方法用以去除GNSS坐标时间序列中的噪声。将GNSS坐标时间序列分解为k个本征模态函数分量,并根据样本熵选择出有效的模态分量,分别通过双向长短期记忆网络处理,最后将信号进行合成。以BJFS等12个具有较长时间序列且数据完整性较好的GNSS站点坐标数据为例,对坐标时间序列进行降噪。将该方法与传统的分解方法进行对比分析,发现在E、N、U方向上,相比于单一变分模态分解,速度不确定度改正率分别提高了11.03%、4.60%、7.39%,相比于经验模态分解分别提高了31.70%、27.70%、24.42%。结果表明该方法能够更好地去除信号中的噪声,且优于传统分解方法,可提高信号可靠性。     

基于机器学习的区域工程地质分层思路与方法研究

传统的地质分层方法通常依赖于人工解释和经验判断,存在过程繁琐、工作量大、受人为因素影响较大等缺点。本文旨在研究基于机器学习的区域工程地质分层的思路与方法,将地层分层问题转换为地质体空间单元的序列到序列预测任务及地质属性特征分类任务,以提高地质分层的准确性和效率。本文在对工程地质原始数据开展深入研究的基础上,提出采用深度学习方法对静力触探试验数据进行地质分层的训练和预测,通过分类算法对取土孔土样进行分层,并定量评价了相关算法的适用性。通过对比传统方法和机器学习方法的结果,验证了机器学习在地质分层中的优势。本研究为区域工程地质研究提供了一种新的地质分层思路,具有重要的实践意义。     

东北地区水稻扩张的海拔优势区间分析

及时掌握水稻的时空分布信息,对调整和优化农业生产结构至关重要。论文利用综合考虑植被物候和地表水变化的水稻自动制图方法,结合海拔、地表水体因素开展2001—2017年东北地区水稻分布的时空演变研究。通过889个地面调研点位对水稻分类结果验证,总体精度达90.66%,Kappa系数为0.8128。研究表明:① 21世纪初,东北地区水稻种植面积呈先略减后持续增加的趋势,2017年水稻种植面积达2001年的2.13倍。其中,水稻扩张面积的60%分布在三江平原,30%分布在松嫩平原,下辽河平原仅占不足5%。水稻扩张的海拔优势区间在200 m范围内,随着海拔的上升水稻扩张与地表水关系越来越密切。② 三江平原内,水稻扩张幅度在海拔30~70 m范围内逐渐增加,使优势区间从相对高度70 m缩减至40 m内,也使得分布优势逐渐趋向于距地表水体较远的区域。而松嫩平原和下辽河平原水稻种植分布的海拔优势区间始终分别保持在相对高度100 m、40 m内。③ 三江平原水稻的集中分布和急剧扩张,使水稻分布优势逐渐趋向于距地表水体远的区域,这将对地下水带来更大的压力;而松嫩平原水稻分布受地表水体影响较大,分布优势随着距地表水体距离的增加而减小。研究可为农业部门评估水资源承载力、保障农业可持续发展提供数据支撑及理论参考。     

改进的半参数模型法在GNSS时间序列季节性信号提取中的应用

GNSS基准站坐标时间序列具有明显的季节性变化。基于谐波函数模型的最小二乘拟合方法只能得到固定振幅的季节性信号,而真实的季节性信号其振幅是变化的。采用半参数模型进行季节性信号提取时又存在最优平滑因子确定困难、迭代速度慢的问题。提出一种赋相对权比的半参数模型,采用迭代更快速的黄金分割法与改进效率法相结合的策略确定最优平滑因子。通过模拟数据实验,验证了改进模型的可用性。实验表明:改进方法的计算效率明显提高,对于10 a长度的模拟数据,相较GCV函数法搜索速度提高68.1%,相较L-曲线法速度提高25.8%;计算精度较最小二乘法和半参数模型法均有提高,所得残差中没有明显的季节性信号。     

1960-2015年青海三江源地区降水时空特征

青海三江源地区是中国生态系统最为敏感和脆弱的地区,其降水特别是生长季降水的波动,是影响本区及江河中下游水资源安全、生态系统可持续发展的关键因素。综合线性趋势、Mann-Kendall检验、BG分割算法、R/S、EEMD等多方法细致辨识了1960-2015年研究区降水量序列的时空特征。结果显示：① 三江源降水量总体呈现弱增趋势,21世纪以来降水量显著增加,各子源区气候倾向率不尽相同;② 年、季降水量自东南向西北递减,澜沧江源区夏季降水和黄河源区秋季降水呈弱减趋势,雨量弱减区在空间上呈斑块状分布;③ 年、季降水量年代际变化和增湿率的空间差异较明显,春夏季降水气候倾向率与经纬度、海拔的复相关性显著高于冬季;④ 20世纪90年代中后期,各子源区降水总体显现增强信号,并于2002年前后发生突变;⑤ 年际和低值年代际显著周期是造成降水量变动的主要因素;⑥ 除澜沧江源区夏季降水趋于减少外,其他年、季降水量变化呈现增幅不一的转湿趋势;⑦ 横向比较各子源区可见,长江源区降水变化更能表征高原气候变化。研究结果显示,研究区降水时空序列变化具有明显的区域和季节差异性特征,与以往类似研究存在些许差异,可见为有效提高气候序列演变过程及突变诊断的准确性,仍需进一步融合多方法实施集成分析。     

城市地铁网络拓扑时空演变特征模型研究

以广州地铁网络为例,基于复杂网络理论,结合GIS技术对城市地铁网络的发展趋势、拓扑特征和统计特性进行了量化评估;重点通过时空序列数据分析了1997-2016年广州市地铁网络拓扑形成的过程以及统计特性的时空演变特征,以期为城市地铁网络发展和规划布局提供科学参考,促进城市发展质量的提升。     

黄土高原古气候变化定量重建的新进展

中国黄土- 红黏土沉积是可与深海沉积媲美的陆相沉积载体,记录了晚新生代东亚大陆气候环境变化历史。基于中国黄土的多种理化指标,重建了黄土高原地区构造- 千年尺度东亚季风变化历史,为探讨区域与全球气候的联系提供了关键证据。近年来,黄土高原古气候变化研究逐步从定性描述拓展到定量重建,本文旨在回顾基于中国黄土定量重建古温度和古降雨变化取得的重要进展。首先,梳理了古气候要素定量重建的指标和方法,古温度重建指标包括植硅体、碳酸盐耦合同位素、微生物脂类代用指标等;古降水变化敏感指标包括磁化率、白云石/方解石含量、生物微钙体Sr/Ca比值、有机碳同位素以及10Be等。然后,汇总了典型黄土剖面定量重建的古气候变化序列,分别从构造、轨道及千年时间尺度上探讨了古温度和古降雨的变化特征。结果表明,基于生标重建的不同时间跨度的土壤古温度变化序列,在冰期—间冰期尺度上的波动特征基本一致,但在冰盛期—冰消期时段出现了增温超前现象,说明陆地植被对土壤温度变化有重要调制作用。然而,不同指标重建的降水变化幅度差异较大,主导周期也存在差异,说明定量重建降水变化仍有较大挑战。最后,简要总结了黄土高原古气候定量重建存在的问题,明确了区分温度和降水季节性变化的重要性,指出加强地质记录与模拟结果的对比同化,将有助深化对多尺度季风变化动力学的理解。