基于钻进状态监测的智能工况识别

钻进过程状态监测旨在实时描述钻进工况,判断运行性能优劣程度进行非优追溯,及时指导司钻人员调整作业操作,保证钻进过程安全、高效、稳定开展。钻进工况是钻进系统运行状态的反映,因此开展面向状态监测技术的钻进工况识别研究具有重要的理论和应用价值。本文针对钻进工况识别问题,基于状态监测数据,建立基于支持向量机的钻进工况识别模型,对钻进工况进行识别。综合工况识别结果,对钻进效率进行评估,并对影响钻进效率的因素进行讨论,寻找提升钻进效率的手段。最后,采用钻进现场实钻数据进行仿真实验,验证所提方法的可行性和有效性。     

矢量数据在多尺度栅格化中的精度损失模型探讨

在进行空间分析时,由于栅格数据便于空间分析,因而通常将矢量数据转化成栅格数据进行空间分析。在转化过程中,采用不同尺度的栅格大小会造成怎样的精度损失?精度损失、栅格大小和平均斑块大小之间的关系是否可以用模型来表达?本文正是针对这样的问题,以重庆市1∶10万的土地利用矢量数据为例,探讨了在不同尺度栅格大小(从30m×30m到1000m×1000m)的情况下,各种土地利用类型在转化过程中的精度损失情况,对精度损失与栅格大小和平均斑块大小之间的关系进行了定量分析。研究表明,精度损失与地类的平均斑块大小和栅格尺度之间的关系可以用模型来表达。该模型为:Y=5.366-0.179X-0.978ln(S)+0.0348Xln(S)。模型中Y为精度损失,S为地类的平均斑块大小,X表示栅格的大小。该模型的复相关系数为0.93。     

Estimation of groundwater residence time and recession rate in watershed of the Loess Plateau

Groundwater residence time is an important indicator of hydrological cycle and essential for water resources development and utilization. In this paper, groundwater residence time in non-flood season, flood season and water year has been determined from daily streamflow hydrograph of ten hydrological stations in Wudinghe River Basin located in the middle reaches of the Yellow River Basin. Results have showed that: baseflow recession constant in Wudinghe River Basin ranges from 0.72 to 0.94 with a larger recession rate in flood season than that in non-flood season. Spatially, the recession rate of baseflow in loess area is the biggest, but is the smallest in the sandy area. The half-residence time of groundwater varies from 1.8 to 45.5 days while overall residence time of groundwater is between 34 and 342 days in different sub-basins of the Wudinghe River Basin. The annual average overall residence time of groundwater decreases from 117 days in the upper reaches to 73 days in the lower reaches.     

三种非线性回归逐时气温预报比较订正

选取ECMWF和T639的2013年1月至2014年12月的数值预报场构造预报因子,基于神经网络、支持向量机和构造函数的非线性方法,预报地面逐时气温。试验结果显示,在单个方法预报误差较大时,3种方法的偏差订正集成方法更利于减小误差,通过偏差订正,3种非线性方法预报效果良好,平均绝对误差减小了0.5 ℃。在近1年独立样本的预报检验中,集成方法、神经网络、支持向量机和构造函数预报的平均绝对误差分别为1.5 ℃、1.7 ℃、1．8 ℃和1．4 ℃,总体上构造函数预报更为准确。     

吉林省一次强对流天气的中尺度分析

作者对１９９３年８月１２日发生在吉林省境内的一次龙卷风天气进行了分析。结果表明：在出现龙卷风之前和形成初期，地面风场，高空环流形势，Ｑ↑→矢量散度，对流稳定度和能量场诸方面都有表现，可提供预报信息。     

近几年中尺度动力学研究进展

近几年,中尺度气象由于在逐日天气预报中的重要作用和在气象灾害预报中的显著贡献,已经成为一个热门的研究课题.中尺度气象研究并预测中尺度天气系统的发生发展及其引发的灾害性天气,如暴雨、冰雹、龙卷风等.本文主要总结了2007年以来我国在中尺度研究中取得的显著性成果.主要包括:波动、涡旋、锋面、稳定性、Q矢量和不变量.在波动方面包括重力波的形成和传播的研究,包含旋转Rossby波、混合低频旋转Rossby波和高频惯性重力波在内的台风波动以及考虑水汽作用的中尺度波作用守恒.涡旋部分主要介绍了青藏高原低涡(TPV)和热带气旋内部的涡旋问题.除了涡旋之外,锋面在中国也是一个关键系统.在锋面方面的进展有:梅雨锋中的β中尺度双雨带机制的产生和维持的实验性研究,以及基于广义位温的锋生函数的提出,这些成果使得对锋生过程的描述更接近于实际大气状况.在不稳定问题上,主要介绍了采用Energy-Casimir方法建立的拟能量波作用方程和基本气流具有线性和非线性切变时的横波扰动的不稳定.关于Q矢量,介绍了从地转Q矢量,半地转Q矢量到非地转Q矢量,非地转湿Q矢量的发展,以及由湿地转Q矢量和垂直风切变耦合得到的新型散度方程.最后,讨论了有关质点的两个不变量位温和位涡的相关研究新进展.     

2005年11月哈密暴雪天气 过程的诊断分析

2005年11月18日凌晨至20日，哈密出现罕见暴雪天气过程，此次降雪强度大，范围集中，南部大，北部小。利用NCEP1°×1°的6小时分析资料和非常规观测资料，对此次哈密地区的暴雪天气过程的环流背景、影响天气系统进行了动力和热力的诊断分析，并利用Q矢量及螺旋度方法作了天气动力学诊断分析。结果表明：（1）新疆西部高压脊东移发展，引导萨彦岭低涡东移南压，移入哈密地区，造成哈密暴雪天气。（2）萨彦岭低涡是一较深厚系统，是低层辐合高层辐散的垂直上升气旋性涡柱，为暴雪发生提供了有利的动力机制。（3）冷暖平流交汇，增强了斜压性，有助于低涡的发展加强。冷平流对锋生起到重要作用。（4）Q矢量辐合区及螺旋度正值区与低涡有较好的对应关系，对哈密降雪的预报有一定的指示作用。     

广东0506大暴雨的成因探讨

2005年6月18～25日,广东省出现罕见的持续强降水过程(0506大暴雨),造成广东省巨大的经济损失。利用NCEP再分析资料计算的非地转Q矢量、假相当位温和经向环流对这次强降水过程进行分析,结果表明:南海地区的对流系统北移并多日滞留在广东地区是0506大暴雨的一个直接原因,它是南海夏季风活动的一个表现;广东0506大暴雨有明显的南北两个主要的降水区域,其中南边是季风对流降水,而北部则属于锋面降水雨带。     

定量分析几种Q矢量

结合1991年7月5日20:00～6日20:00一次典型的江淮梅雨锋暴雨过程，从台站实际业务工作需要考虑，细致、具体地比较分析了850 hPa、700 hPa及500 hPa 3个层次的准地转 Q 矢量散度场、半地转 Q 矢量散度场、非地转 Q 矢量散度场及湿 Q 矢量散度场与相应时刻地面降水场对应关系的差异，同时还针对每一种 Q 矢量，将其在850 hPa、700 hPa及500 hPa 3个层次的散度场对同时刻降水场的反映能力进行了比较。在定量比较的基础上，得到了对4种 Q 矢量诊断特性的具体认识:（1）在整个梅雨锋暴雨过程中，3个层次的半地转 Q 矢量散度场及准地转 Q 矢量散度场对雨区的反映能力较小，而非地转 Q 矢量的散度场和湿 Q 矢量的散度场对雨区的反映能力明显较前二者大，尤其是湿 Q 矢量散度场在每个层次的诊断能力基本都大于相应层次的其它 Q 矢量的散度场。（2）对于每一种 Q 矢量而言，基本都是在700 hPa的散度场与雨区的对应关系好于各自在850 hPa和500 hPa的散度场，尤其是700 hPa湿 Q 矢量散度辐合场对同时刻梅雨锋暴雨的强度及落区都有很好的指示作用。最后，基于理论的角度对各 Q 矢量的诊断特性进行了较为深入地探讨和比较分析，明确地指出了4种 Q 矢量存在理论前提上的差异。     

豫西突发性暴雨成因

利用常规观测、FY-2C气象卫星资料及NCEP/NCAR再分析资料,对2007年7月28～30日豫西卢氏县引发历史罕见山洪暴雨的进行了天气动力学和中尺度分析。结果表明:西太平洋副热带高压增强与贝加尔湖高压叠加形成阻塞形势,其西侧低空急流携带大量水汽与较强的锋生场交汇在豫西,导致了这次极端暴雨事件的发生;大尺度强斜升运动区中,低层存在一个条件性对称不稳定机制,引发中β云团生成、合并、发展,从而造成暴雨。