深度学习模型在2021年汛期武汉市雷达回波临近预报中的应用评估

近年来,人工智能技术在图像识别领域取得了突破性进展,为探寻人工智能模型在武汉地区雷达回波临近预报中的应用价值,本文利用湖北武汉市2015—2020年雷达回波和降水量观测资料,对PredRNN++、MIM、CrevNet和PhyDNet 4种深度学习模型进行雷达回波临近预报训练,并基于2021年汛期雷达回波资料进行雷达回波临近预报。在此基础上,通过降水强度和降水面积指数筛选降水过程,并以均方误差（Mean Square Error, MSE）、结构相似性指数（Structural Similarity Index Measurement, SSIM）、命中率（Probability of Detection, POD）、空报率（False Alarm Rate, FAR）和临界成功指数（Critical Success Index, CSI）为指标,检验评估上述4种深度学习模型和光流法对2021年汛期武汉地区雷达回波的临近预报性能。结果表明：（1）整体来看,MIM模型的MSE最小、POD最高,MIM和PredRNN++模型的SSIM并列最高;所有深度学习模型的FAR均低于光流法,且Phy...     

结合深度学习和图割法的遥感影像建筑物检测

提出一种基于卷积神经网络和图割法的自动提取高分影像建筑物的方法。首先,通过卷积神经网络定位与检测建筑物的位置,逐一提取单个建筑物轮廓,利用检测结果分别建立建筑物和非建筑物的高斯混合模型（GMM）,然后结合最大流最小割的图像分割方式实现全局优化,完成建筑物初步提取,最后用形态学进行优化。通过试验证明了该方法的可行性。     

极不充分采动条件下地表下沉规律及计算方法研究

随着煤矿开采的不断加深,地表呆动程度(开采宽度D与开采深度H之比DIH)不断降低,并逐渐趋向于极不充分采动,同样长度的工作面对地表的影响程度极不同于浅部开采。因此,需要重新认识深部开采时的地表下沉规律。极不充分采动条件下地表下沉规律具有特殊性。经过对国内外大量观测资料的综合分析,发现当开采宽度小于地表下沉起动距时(极不充分采动),地表的下沉或地表下沉率(q′／q)为零。当开采宽度达到地表移动起动距时,地表下沉缓慢增长;达到临界采动距时,地表下沉急剧增大。地表下沉率(q′／q)与开采宽、深比D／H之间为负指数函数关系。在极不充分采动条件下进行地表下沉预计时必须对概率积分法的下沉系数进行修正。算例证明了本文给出计算方法的可行性。但这种修正方法如何与概率积分法相统一仍需进一步研究。     

青藏铁路清水河段片石护坡路堤温度特性研究

通过对青藏铁路清水河试验段片石护坡、无片石护坡的冻土路堤和地基的温度进行的全面监测,对比分析了路堤体内及基底的地温、积温及温度场中最大融化深度的变化情况,结果表明,采用片石护坡措施的试验路堤,与对比段（普通路堤）相比,降温效果明显。负积温量值大于对比段,最大融化深度抬升幅度较大。因此,片石护坡能够有效发挥降低地温、保护多年冻土的作用,并有利于坡面防护,是一种施作方便,既能用于新建,又能用于补强的多年冻土主动保护措施。     

莱州湾东岸近岸海域规划围填海后冲淤演变预测

运用Mike21模型中的水动力模块对研究区的潮流场进行了模拟,分析研究区的冲淤趋势;利用经验公式,对波浪和潮流进行耦合,计算出极端条件下的最大冲刷深度,对比规划用海实施前后的最大冲刷深度,以对该区域的海岸防护、工程选址等提供科学依据。结果表明:受到填海工程的影响,龙口湾内有轻微淤积,界河至石虎咀近岸海域的波浪和潮流受工程影响而变小,冲刷强度变弱。     

用接收函数方法研究中国及邻区上地幔间断面的埋藏深度

使用中国及邻区的18个数字化地震台的宽频带三分向远震记录图,筛选计算得到了263条径向接收函数,并拾取了在41Okm和660km间断面上的透射转换震相P4S、P660S与P波的到时差.通过调整各台站之下的速度模型中这两个间断面的深度,使理论接收函数的P4S、P660S与P波的到时差与观测值相符,最终确定这两个间断面的实际埋藏深度.结果表明,各台站之下4km间断面的平均深度为403km,具有明显的横向不均匀性和区域性,其中北京台、西安台、兰州台和恩施台等的埋藏深度较浅,琼中台、CHTO等台较深.660km间断面的平均埋藏深度为663km,也存在明显的横向不均匀性,其中牡丹江台和MAJO台的较深,琼中台和HYB台的较浅.     

热带太平洋海温等20 ℃深度面的演变规律及其与ENSO循环的联系

利用美国Scripps海洋研究所联合环境数据分析中心（JEDAC）提供的120 ?E～80 ?W,20 ?N～20 ?S范围的太平洋次表层海温资料,插值获得热带太平洋地区的等20 ℃海温面深度资料。分析发现,就全年及四季而言,太平洋的等20 ℃海温面呈西深东浅的纬向分布,在西太平洋地区呈深-浅-深的经向分布,在东太平洋地区呈浅-深-浅的经向分布。太平洋等20 ℃海温面的方差变化存在三个大值区,分别位于暖池、赤道附近及其东南太平洋海域。等20 ℃海温深度面的准3～7年振荡是除去年循环之外的最显著振荡周期。等20 ℃海温深度距平信号的准3～7年振荡传播的回路,很好地反映了El Ni?o和La Ni?a事件循环的特征,从而从观测事实方面支持了ENSO循环概念模式图。     

基于深度学习的天气雷达回波序列外推及效果分析

天气雷达探测资料是进行强对流天气临近预报的主要参考数据。针对传统雷达回波外推方法中存在资料信息利用率不足和外推时效有限的问题,文中利用神经网络进行雷达回波的外推、利用预测神经网络模型进行2 h以内的回波变化预报。回波外推问题的关键是回波时、空序列预测问题,该网络具有解决时间记忆问题的长、短时记忆单元（Long Short-Term Memory,LSTM）和提取空间特征的卷积模块。应用福建、江苏和河南多年的雷达探测资料构造训练和测试数据集。为消除降水的不平衡和提高对强回波的预报准确率,网络采用带权重的损失函数进行训练。对光流法和预测神经网络进行测试集检验以及个例分析,结果表明,在相同外推时效和检验反射率阈值的情况下,预测神经网络的临界成功指数、命中率均高于光流法,虚警率低于光流法。不同类型降水预测神经网络的SSIM值（structural similarity）均高于光流法,且层状云降水的SSIM值比对流云降水的大。因此,预测神经网络对强回波的预报能力高于光流法;在预报时效性上,预测神经网络模型具有一定的优越性;预测神经网络对层状云降水预报的准确率比对流云降水的高。      

叠前正演模拟与偏移的网络并行计算

在叠前深度偏移和非零炮检距声波方程正演计算过程中包含了大量的可并行计算的成分。作者在本文中提出叠前正演模拟与偏移的网络并行计算算法，并基于TCP／IP协议，将该算法设计成网络并行处理程序，极大地提高了计算效率。实际运算结果证明，本文提出的并行算法和技术路线是切实可行的。     

AlexNet支持下的地图建筑物形状分类方法

地图目标的形状在地图制图综合、空间查询等研究中发挥着重要作用。地图建筑物形状的识别与分类作为建筑物轮廓化简与典型化的基础,一直是制图综合研究的热点问题。目前,主要的建筑物形状识别方法主要依赖对建筑物轮廓的描述,对建筑物等地图面状要素的形态特征有较强的依赖性,通常只在应对特定类型的规则轮廓或直角化轮廓时能发挥较好的效果,对于形状不规则或复杂的情况识别不佳。本文提出一种AlexNet支持下的地图建筑物形状分类方法,将矢量地图中建筑物数据的形状分类问题,转化为建筑物栅格图像的分类问题,通过完成卷积神经网络的图形分类实现建筑物的形状识别。该方法首先结合空间认知规律提出一系列典型建筑物形状类型,然后利用矢量-栅格转换的方法从OSM数据采样单体建筑物栅格图像,通过人工标识获得建筑物形状分类训练样本,训练AlexNet卷积神经网络分类模型,最后利用训练好的模型对大比例尺建筑物数据进行智能形状分类与识别。本文利用北京、香港2个城市的OSM建筑物数据作为样本训练建筑物形状分类模型,并在广州部分城区的OSM建筑物数据上进行验证。相较传统形状相似性度量方法,本文提出的方法对实验区建筑物的识别分类总体查全率提...