基于粒子群-高斯过程回归耦合算法的滑坡位移时序分析预测智能模型

高斯过程回归(GPR)学习机有着容易实现、超参数自适应获取及预测输出具有概率意义等优点。通常采用共轭梯度法获取GPR超参数,但其存在优化效果对初值依赖性太强,迭代次数难以确定,易陷入局部最优的缺点。改用粒子群优化 (PSO)算法进行最优超参数搜索,形成粒子群-高斯过程回归耦合算法(PSO-GPR)。将该算法引入三峡永久船闸高边坡、卧龙寺新滑坡、链子崖滑坡3个不同的典型滑坡变形时序分析中,对每个滑坡分别采用稳态核及一种新式神经网络（NN）、平方指数（SE）、有理二次型（RQ）3种单一核函数进行外推预报测试。工程应用表明,基于3种不同单一核函数的粒子群-高斯过程回归算法（PSO-GPR）均能完全适应不同滑坡时序分析,其中以NN核函数外推预测效果最佳,平均相对误差分别为6.37%、7.62%、1.07%,从而改善了在进行不同滑坡变形时序分析时采用单一核函数的核机器外推能力存在较大差异性的问题,提高了单一核函数对不同数据类型的兼容性     

沉积盆地中恢复地层剥蚀量的新方法

主要介绍了磷灰石裂变径迹分析法,沉积波动过程分析法和宇宙成因核素分析法等３种恢复和计算地层剥蚀量的新方法。它们的优点是不但给出一个剥蚀面造成的地层总的剥蚀量,还能详细刻画整个剥蚀过程,从而能计算出每一期构造抬升引起的地层剥蚀量。     

中国大陆强地震与地球自转角速度长期变化关系的初步分析

地球自转角速度变化对地质构造、地球物理现象的影响,前人已做过不少工作。其中,李四光、克罗波特金等认为,地壳构造运动的动力与地球自转角速度的变化有关。斯托伊柯（Stoyko）发现全球中、深震能量与自转速率有密切的关系。斯托瓦斯指出,近三百年来,绝大多数毁灭性地震都发生在地球自转角速度变     

基于MCI干旱综合指数的贵州省干旱时空分布及灾情变化特征

基于贵州省83个国家级气象站1981年1月至2023年3月逐日气象干旱综合指数（Meteorological Drought Composite Index,MCI）及历史干旱灾情资料,从干旱过程演变特征、不合理跃变次数以及干旱日数与干旱灾情的相关性等方面,分析MCI在贵州省的适用性,揭示贵州省干旱时空分布及变化规律,并分析ENSO(El Ni?o-Southern Oscillation)事件对贵州省干旱的影响。结果表明：MCI在贵州省有较好的适用性。贵州西北部、北部及南部等地是干旱多发区,年干旱日数在40 d以上,东南部、西南部及中部一带干旱日数相对较少;西部春旱重、东部夏旱重。1981—2022年,贵州省平均年干旱日数和干旱强度总体呈增加趋势,其中西部增加趋势明显,东部呈减少趋势;秋季和冬季干旱强度呈增加趋势且秋季最明显,春季和夏季则呈减弱趋势。1981—2022年贵州省共发生3次特强、9次强、17次较强区域性干旱过程,一般区域性干旱过程27次,区域性干旱过程的持续天数、平均强度、平均影响面积以及综合强度指数均存在较大波动,总体呈弱增加趋势。贵州省及其9个市（州）1981—202...     

江苏雨淞分布概况及南京地区雨淞与降雪过程的对比分析

本文统计了江苏省近十多年来雨淞分布概况．对南京地区一次雨淞过程与降雪天气过程进行了对比分析，得出雨淞与降雪天气过程在形势场、风场、温湿场及云图云系、云物理等方面的特征上有显著差异．同时还分析了雨淞结冰的一些气象条件．     

用前期海温预报四川夏季气温的EOF迭代方案

应用ＥＯＦ（经验正交函数）迭代方案，考虑多时次历史资料，在全球海区海温与四川盆地气温非同步联系的基础上，以海温为预报因子进行了夏季气温的长期预报。结果表明：西太平洋高温区等关键海区海温的异常对未来四川盆地夏季气温变化有重要影响，由此建立的引入多时次海温的ＥＯＦ迭代长期温度预报方法，具有较强的预报能力     

2002年6月9日汉中区域性暴雨过程分析

通过分析2002年6月8～9日汉中大暴雨的环流背景、物理量场的特征及其演变，表明热力、水汽条件在降水开始前24小时有一定的反映，中低层大的正涡度和高空的负涡度集中在非常狭窄的同一地区，是产生强降水的原因之一。     

关于应用第二次土地调查成果联合开展农村宅基地权属调查及规范农民建房摸底调查的全新工作方法

以广州增城市为例,介绍了应用第二次土地调查成果联合开展农村宅基地权属调查及规范农民建房摸底调查的一种全新工作方法,通过实践应用,得出联合调查这一新方法可以极大地加快工作进度,提高成果质量,节约政府财政成本,减少扰民.     

地震过程中斜坡滑动破坏实验分析

为了研究地震引起的斜坡滑动破坏规律及其位移、应变的变化规律,利用数字散斑相关方法(DSCM),对主要受水平方向地震动荷载作用下的斜坡进行了实验模拟。结果表明,斜坡的破坏首先从模型底部弱面位置开始,沿弱面逐渐扩展,最终破坏;斜坡所含弱面的深度,对破坏过程有重要的影响。     

基于MEA-BP神经网络的卫星钟差预报

卫星钟差是影响导航定位精度的重要因素之一,建立高精度的钟差预报模型对高精度定位有重要意义。针对常用模型卫星钟差在短期预报中随时间增加误差积累,以及传统BP神经网络不稳定,容易出现过拟合等问题,本文提出一种基于思维进化算法(MEA)优化的BP神经网络钟差预报模型和算法。首先对原始钟差数据进行一次差处理;然后利用思维进化算法对BP神经网络的初始权值和阈值进行优化,给出该模型进行钟差预报的具体步骤;选用IGS站提供的多天GPS精密钟差产品数据进行试验分析,使用GPS一天中前12 h数据建模,进行2、3、6和12 h的钟差预报。结果表明:利用MEA-BP模型得到的上述4种时段的预报精度分别优于0.36、0.38、0.62和1.56 ns,预报误差曲线变化起伏较小,说明新模型的预报性能优于3种传统模型,新模型在钟差预报短期预报中的实用性及稳定性是较佳的。