统计方法在数值模式中应用的若干新进展

目前,数值模式的准确性不断提高,天气预报和气候预测越来越依靠数值模式。数值模式不仅仅是求解描述大气运动和热力过程的方程组,其中也大量使用了统计方法,统计方法是数值模式的重要组成部分。本文对统计方法在数值模式中应用的最新进展进行了综述。首先,分析了统计方法在数值模式的资料同化、集合预报、次网格尺度物理过程参数化方案、数值产品统计释用、延伸期预报、模式检验等方面的应用。然后阐述了贝叶斯统计在数值模式中应用的新进展。最后,对统计方法在数值模式中应用的未来发展趋势进行了展望。     

基于贝叶斯方法的贵州高原百花水库水体营养盐变化及评价(2014—2018年)

为了确定百花水库营养盐变化特征,选取百花水库5个监测点2014年1月-2018年7月共28个月份的水质实测数据,分析溶解氧、高锰酸盐指数、氨氮、总磷和总氮的年际变化特征.采用基于熵权法赋权的贝叶斯理论对5个监测点的水质综合状况进行评价,并结合水库的实际状况,从生态修复、工业污染源、沉积物中营养盐、水库季节性热分层及农业与生活污染源5个方面对其水质变化的影响因素进行分析.结果表明:2014-2018年水体环境波动较大;除总氮外,各污染指标浓度均有不同程度的下降;综合水质后验概率表明百花水库水质有逐渐变差的趋势;总氮和总磷治理应成为百花水库污染治理的主要方面;生态修复工程的开展和工业污染源的削减是百花水库水质转好的主要影响因素,农业与生活污染源的增加是百花水库水质转差的主要影响因素.     

生活垃圾卫生填埋地质环境(LFGE)效应的系统分析方法研究——以上海浦东新区为例

在系统分析总结国内外本领域的研究发展现状的基础上,以上海浦东新区城市生活垃圾卫生填埋处理为研究背景,首次提出ＬＦＧＥ效应系统分析方法的完整理论和应用体系,体系主要包括：ＬＦＧＥ效应的主控因素特征分析;在垃圾淋滤试验、有关土的工程性能试验和反映运移转化特征的土柱试验基础上的作用机制研究;具单元、组合、整体模拟及压实效应模拟功能的模拟计算研究;在不确定性条件存在下,随机模拟研究和以贝叶斯决策分析理论为基础的ＬＦＧＥ效应决策分析技术经济转换研究     

突发性水污染事件溯源方法

为快速准确地求解突发性水污染溯源问题,在微分进化与蒙特卡罗基础上提出了一种新的溯源方法。该方法将溯源问题视为贝叶斯估计问题,推导出污染源强度、位置和排放时刻等未知参数的后验概率密度函数;结合微分进化和蒙特卡罗模拟方法对后验概率分布进行采样,进而估计出这些未知参数,确定污染源项。通过算例与贝叶斯-蒙特卡罗方法进行对比,结果表明:该方法可使迭代次数有效缩减3/4,污染源强度、位置和排放时刻的平均相对误差分别减少1.23%、2.23%和4.15%,均值误差分别降低0.39%、0.83%和1.49%,其稳定性和可靠性明显高于贝叶斯-蒙特卡罗方法,能较好地识别突发性水污染源,为解决突发水污染事件中的追踪溯源难点问题提供了新的思路和方法。     

基于BMA多模型组合的疏勒河径流预测研究

准确可靠的径流预测对于水资源的科学管理与规划具有重要意义,特别是在水资源紧缺的干旱半干旱地区,径流预测对流域内水资源高效利用与水利工程经济运行具有重要现实意义。针对径流预测通常采用单一方法进行建模与预测,难以利用各预测模型优势的问题,本文利用极限学习机（ELM）模型、支持向量机（SVM）模型、多元自适应回归样条（MARS）等机器学习方法建立了疏勒河上游未来1~7日的径流预测模型。在此基础上,运用贝叶斯模型平均（BMA）方法对ELM、SVM、MARS模型的预测结果进行组合,构建了径流组合预测模型,以获取更可靠的预测结果,并采用蒙特卡洛抽样方法获取BMA的95%置信区间,对预测结果进行了不确定性分析。结果表明：ELM、SVM、MARS模型以及BMA组合模型均适用于干旱半干旱地区的中长期日径流预测;BMA的预测精度较单一模型更高,能够提供更准确的预测值;BMA的95%置信区间对实测值覆盖率高,同时能够提供较好的确定性预测和概率预测结果。表明BMA在资料有限的条件下,表现出较单一模型更高的预测性能,可以成为干旱半干旱地区中长期日径流预测的有效方法。     

基于主成分分析的矿井突水水源Bayes判别模型

矿井突水严重威胁矿区安全生产,快速准确地判别突水水源,对有效防治矿井突水灾害有重大意义。根据鹤壁矿区6个主要含水层水化学成分的差异性,选取了Ca2+、Mg2+、Na++K+、CO2-3、HCO-3、Cl-、SO2-47个指标作为突水水源判别的评价因子,并选用鹤壁矿区294个水样作为学习样本,以Matlab为平台,先采用主成分分析法提炼出三个主成分Z1、Z2和Z3。然后把这3种主成分的值作为贝叶斯判别指标,建立了鹤壁矿区突水水源判别模型。利用该模型对鹤壁矿区随机选取22个突水水样进行水源判别,判别正确19个,错误3个,精度达到86%。判别错误的原因,主要是因为有的含水层水化学类型相似或者几个含水层之间存在一定的水力联系。研究结果表明,基于主成分分析的矿井突水水源Bayes判别模型能够满足矿井生产要求,可为防治水工作提供决策依据。     

空间软数据及其插值方法研究进展

由于对地观测技术的迅速发展,空间数据的种类和数量增长迅猛,由空间数据反演得到的各种信息日趋膨胀,这些反演结果中的信息不少以软数据的形式出现。在实际应用中,这些软数据往往与空间插值的目标变量具有一定的相关性,甚至成为控制目标变量空间分布特征的重要因素。然而,由于这些数据通常表示为非数值形式,在计算和处理上存在着一定困难,以致被传统的插值方法所忽视,从而造成信息浪费。近来出现的空间软插值方法是一种利用空间软数据作为辅助信息并以改善插值效果的方法,能够较好的处理并利用软数据所隐含的信息,具有较好的应用发展前景。本文根据空间软数据的特点及其分类,系统综述了空间软插值方法及其应用领域。首先分析了空间数据软硬性质的根本区别,论述了软数据的分类和“硬化”方法,然后介绍空间插值模型中对空间软数据的集成方法和原理,最后对空间软插值方法及其应用研究领域进行了展望。     

基于等效源的重力异常空间导数计算方法及其在川滇地区的应用

在综合分析前人研究成果的基础上,采用基于贝叶斯准则的等效源模型滤波增强方法来识别地质体边界。通过理论模型实验讨论了在相同的噪声水平情况下,不同算法对于计算结果的影响,模型实验结果表明,与直接计算和传统高斯滤波增强技术相比,新算法可以有效消除传统算法中普遍存在的对于噪声的过度敏感问题,所得到的地质体边界形态失真更小。随后,利用此方法对川滇地区的重力数据进行了处理,并对该地区的重力水平总梯度(THD)、重力垂直梯度模(AVG)、重力解析信号模量(AAS)、重力水平梯度垂向导数(VGHD)应用效果进行了对比分析。研究结果提供了川滇地区的构造分区信息,对该地区构造演化、边界定位及动力学过程分析具有重要的指导意义。     

基于神经网络方法获得最优化月球内部结构模型

由于观测手段有限,目前对月球内部结构的认识还存在很大的不确定性,至今仍没有一个被广泛认可的内部结构模型,且现有对月球内部结构模型的研究几乎很少关注观测值对观测精度的影响.本研究采用混合密度神经网络方法得到了月球内部结构模型的后验概率密度分布,获得了平均月球内部结构模型(Mean模型)、最大后验概率对应的月球内部结构模型(MAP模型)以及满足1-σ准则的月球内部结构模型(1-σ模型),其中MAP模型即为本文给出的最优化月球内部结构模型.此外,研究结果表明月球低速区S波波速低于月幔S波波速,因此本文结果支持月幔底部存在一个低速区的观点.不同观测值观测精度对模型影响的研究结果表明,勒夫数k₂存在一个约为0.0220的下边界,且其观测精度对月球内部结构模型的影响显著大于平均密度和平均转动惯量.

     

基于数据分布域变换与贝叶斯神经网络的渗透率预测及不确定性估计

渗透率是储层评价和油气藏开发的关键参数.传统测井方法与常规机器学习方法估算的渗透率都是固定值.但由于测井数据本身存在噪声, 渗透率的预测结果可能受到噪声的影响出现测量性的随机误差(即任意不确定性); 同时, 当测试数据与训练数据存在差异时, 机器学习模型在预测渗透率时可能出现模型参数的不确定性(即认知不确定性).为实现渗透率的准确预测并量化两种不确定性对结果的影响, 本文提出基于数据分布域变换和贝叶斯神经网络同时实现渗透率预测及其不确定性的估计.提出方法主要包括两个部分: 一部分是不同域数据分布的相互转换, 另一部分是基于贝叶斯理论的神经网络渗透率建模预测和不确定性估计.由于贝叶斯神经网络存在数据分布的假设, 当标签的概率分布与网络的分布保持一致时, 贝叶斯神经网络可以更好的学习到数据之间的关系.因此通过寻找一个函数将一个原始域的渗透率标签转换为目标域的与渗透率有关的变量(我们称为目标域渗透率), 使得该变量符合贝叶斯神经网络的分布假设.我们使用贝叶斯神经网络预测目标域渗透率以及任意不确定性和认知不确定性.随后, 通过分布域的逆变换, 我们将目标域渗透率还原回原始域渗透率.应用本文方法到某油田的18口井的测井数据中, 使用16口井的数据进行训练, 2口井进行测试.测试井的预测渗透率与真实渗透率基本一致.同时, 任意不确定性的预测结果提供了渗透率预测值受到的测井数据噪声影响的位置.认知不确定的预测结果说明数据量少的位置具有更高的认知不确定性.我们提出的这一流程不仅显示了在储层表征方面的巨大潜力, 同时可以降低测井解释时的风险.