枣庄南部岩溶塌陷风险预测及评估

枣庄南部岩溶塌陷发育,严重制约着当地经济的发展,并对居民生产、生活构成威胁。通过对影响岩溶塌陷的各要素进行系统的调查,结合当地社会经济发展资料,采用信息预测的方法,对枣庄南部岩溶塌陷进行风险预测及评估,并对不同地段的岩溶塌陷风险等级进行划分,从而为枣庄市地下水资源合理开发利用、环境治理、保护与规划提供了决策依据。     

浅谈三轮区划与地理信息系统

文章简单介绍了三轮区划的工作任务和技术要求 ,以及在三轮区划工作中运用地理信息系统实现多学科矿产综合预测的工作方法。     

震后早期阶段余震预测研究进展

震后早期快速、准确的余震预测对震后灾害风险应对和采取有效的处置措施十分重要.震后早期阶段地震目录不完整性是影响现有余震预测方法快速、准确预测的关键因素.近年来,随着技术和模型的发展,使得震后早期数据缺失阶段的余震预测成为可能.本文针对震后早期数据缺失阶段难以开展有效的余震预测问题,分别从提升余震检测率角度阐述了匹配滤波技术和深度学习技术,从统计地震学的余震补齐角度阐述了双尺度变换技术,从最大限度利用余震信息实时预测角度阐述了Omi模型和Lippiello模型等研究进展,分析了各类方法的优劣势,并提出了综合解决震后早期数据缺失阶段余震预测“瓶颈期”问题的技术路线,为从事地震检测、余震预测以及震后趋势研判等相关工作的科研人员提供科学参考.     

宁夏卫宁北山地区金场子金矿区找矿模型及成矿预测

卫宁北山地区位于北祁连造山带东段,是宁夏境内金多金属矿床成矿条件最好、成矿迹象最多的地区之一,其中金场子金矿是该地区已知最大的金矿床。在归纳该区近年来找矿成果基础上,对金场子金矿床控矿因素、找矿标志和深部矿化规律进行了总结,构建了基于地-物-化多要素的综合找矿模型,并对矿区及外围、深部找矿靶区进行了圈定。研究表明：金场子金矿控矿因素主要为构造和地层,其中控矿构造表现为东西向断裂、北东向断裂及其次生裂隙为主,控矿地层表现为特定的地层层位及岩性组合。赤铁矿-褐铁矿化、硅化、绢云母化、黄铁矿化、黄钾铁矾化等围岩蚀变,Au-Ag-As-Sb化探组合异常以及中电阻率、中-高极化率地球物理异常为该区主要找矿标志。综合控矿因素和找矿标志,构建了矿区金矿综合找矿模型,并以此圈定地表找矿靶区6处,并进一步根据矿化深部变化规律圈定深部找矿靶区3处。通过对矿区及外围靶区开展地球化学剖面测量以及深部靶区钻探工作,验证了此次靶区圈定的合理性,为今后该地区找矿工作起到了很好的示范作用。     

河南省金属矿产资源现状及勘查战略探讨

本文在全面论述河南省金属矿产资源特点,90年代以来金属矿产勘查开发的主要成果及存在问题,以及在主要金属矿产勘查开发前景的基础上,提出了找矿勘查四大战略:即在项目安排上,要以市场对矿产品和矿权地的需求为立项的主要依据;在矿种选择上,要重点勘查金、银,注意找寻铜、铅锌,择优勘查富钼、富铝,有条件地探索富铁、富锰;在勘查选区上,要以老区扩展为主,新区开拓为辅;在技术方法上,要大力研究和应用找矿新理论、新技术、新方法,力求深部找矿有重要突破。     

人工神经网络在云南5月雨量预测中的应用

提出了一个基于３层ＰＢ神经网络的云南５月雨量的短期气候预测模型。由于神经网络本身是一个非线性动态系统,将其应用到短期气候变化预测这一非线性系统中,更能反映出气候系统状态量之间的物理关系和动力行为特性。并用该预测模型对云南５个区域１９９１～１９９８年的５月雨量距平趋势进行了共４０次的预测试验和检验,其预测的距平符号相关准确率可达到７７．５％。     

四川盆地汛期旱涝预测研究

对近１０年来四川盆地汛期降水预测水平进行了定量评估,并与国家气候中心预测水平作了对比。在分析影响四川盆地汛期降水主要物理因素的基础上,提出了四川盆地汛期旱涝预测的基本思路和技术方法,并在实际业务预报中取得了较好的效果。     

基于多元时间序列的Kn近邻预测模型

提出了一种基于多元时间序列的Ｋｎ近邻短期气候预测模型。该模型既保留了Ｋｎ近邻算法的优良特性,同时又考虑了气候系统有关状态量之间的物理关系和动力行为特性。用该模型对云南各区域的平均月雨量距平值进行预测试验,其对云南１９９１年５月～１９９８年６月的月雨量距平值预测检验的距平符号相关准确率为６３．５％,对云南１９９１～１９９８年的５月雨量距平值预测检验的距平符号相关准确率则可达到７０．０％。该模型的建立具有一定的实际业务应用价值。     

基于LSTM的海洋表面短期风速预测研究

为实现对海面风速精确的短期预测,提出了一种基于长短期记忆(LSTM,longshort-termmemory)神经网络的短期风速预测模型,选取OceanSITES数据库中单个浮标站点采集的风速历史数据作为模型输入,经过训练设置最佳参数等步骤,实现了以LSTM方法,对该站点所在海区海面风速在各季节性代表月份海面风速的24 h短期预测。同时通过不同预测时长的实验以及与BP(back propagation)神经网络神经网络和径向基函数神经网络(radialbasisfunctionneuralnetwork,RBF)的预测效果对比实验,证明了LSTM预测方法相比上述两种神经网络预测方法,在海表面风速预测应用中的优越性。最后通过多个海域对应的站点风速数据预测实验,证明了LSTM神经网络模型的普遍适用性,由相关系数和预测误差的分析可知该方法具备应对急剧变化数据的预测稳定性,可以作为海洋表面风速短期预测的一种可靠方法。