遥感综合信息在宁芜地区找矿预测中的应用

为了研究宁芜北段火山岩盆的矿产资源潜力及空间分布,本文以Landsat8中分辨率遥感数据及Pleiades1高分辨率遥感数据为数据源,综合运用目视解译法和多种遥感图像增强技术,结合区域成矿地质背景,对研究区进行了遥感影像解译,提取了与预测矿种密切相关的线、环、色、带、块遥感五要素。通过分析遥感五要素矿产地质特征与矿产点分布关系表明,研究区内的铁铜硫金矿床及星罗棋布的矿点大部分位于构造岩浆成矿亚带中,受区内北东向、东西向、北西向及其它断裂纵横交叉形成的断裂网格及火山机构控制,大多分布在数条断裂带交汇位置,另有一些分布在断裂带与环形构造的交汇处附近。基于主要的矿点受区内断裂网格及火山机构控制,遥感图像的综合地质信息特征与找矿目标紧密相联,说明了基于遥感图像的综合信息可以作为找矿预测的标志。     

不同大尺度强迫条件下考虑初始场与侧边界条件不确定性的对流尺度集合预报试验

研究了不同大尺度强迫条件下的暴雨个例中,考虑不同尺度特征的初始扰动与侧边界扰动相互作用构造对流尺度集合预报的可行性,为进一步构建“自适应”于不同强对流天气的对流尺度集合预报系统提供依据。结果表明,在大尺度强迫显著的个例1中,以大尺度扰动信息为主的动力降尺度的增长趋势较集合转换卡尔曼滤波(ETKF)更为显著,且总扰动能量在预报中后期超过集合转换卡尔曼滤波,而在大尺度强迫较弱的个例2中,集合转换卡尔曼滤波扰动能量始终高于动力降尺度。此外,当大尺度强迫显著时,初始扰动与侧边界扰动相匹配会产生相互促进的作用,而不匹配时初始扰动会在预报中后期抑制侧边界扰动的发展,当大尺度强迫较弱时,即使是互相间不匹配的初始扰动与侧边界扰动也能在大部分预报时段起到相互促进的作用,说明初始扰动与侧边界扰动的相互作用机制不仅与天气形势相关,也与二者是否匹配挂钩,另外,扰动的发展特征同样依赖于天气形势;从集合离散度的角度来看,当大尺度强迫明显时,侧边界扰动的作用会在更短的时间内取代初始扰动,从而对离散度起到主导地位;两种初始扰动方法相比,集合转换卡尔曼滤波在多数情况下对总离散度的贡献均大于动力降尺度;从降水量预报及概率预报情况来看,大尺度强迫明显的个例可预报性更高,且各集合成员间的差异较小,大尺度强迫较弱的个例则相反,且当两种初始扰动方案与侧边界扰动相结合时,较仅侧边界扰动均有一定提高。      

变分同化框架通过背景误差协方差构建动力平衡约束的研究进展

通过背景误差协方差构建动力平衡约束是变分同化框架设计的重要环节。它不仅帮助实现变量间的协同分析,提高观测使用效率,还能改善变分极小化问题的性状。本文在系统梳理通过背景误差协方差引入动力平衡约束的方式、流程的基础上,对求解目前全球和有限区域变分同化系统普遍采用的准地转平衡和静力平衡约束的共性问题和存在的不足作了归纳总结。分析了求解准地转平衡约束的三类方案:动力平衡方程方案、统计方案和动力-统计相结合方案的优缺点。对照比较了不同垂直离散方案下求解静力平衡约束时遇到的欠定问题的表现以及解决途径。最后,展望了基于背景误差协方差构建动力平衡约束在赤道等特殊地区、高分辨率同化系统、以及集合-变分混合同化系统发展中面临的挑战和机遇。     

慢特征分析法在气象上的应用进展

气候系统具有非平稳特征,根本原因在于其外强迫随时间发生改变,因此外部驱动力的分析对于理解气候系统的动力学特征至关重要,而如何有效提取系统外部驱动信息是一个亟待解决的前沿科学问题。最近几年,在生物神经学领域中应用的一种提取非平稳信号中外强迫信息的方法——慢特征分析法(Slow Feature Analysis,SFA),在气象领域中也得到了初步成功的尝试,结果显示出此方法对气候系统的外强迫信息分析及有关动力学机制的探究有较好的应用前景。本文主要介绍SFA方法的理论思想及实施步骤,并通过一个理想的非平稳时间序列检验其提取外强迫信息的能力,结果证明在衰减的Logistic模型中,可利用SFA算法提取出模型中的外强迫,且与真实外强迫的相关系数可达0.99;此外,还介绍将该方法应用于Arosa臭氧时间序列,分析其提取的外强迫信息的动力学特征;并介绍了在气候时间序列建模中引入外强迫因子的预测效果。     

台湾海峡西岸海雾研究现状与未来发展方向

台湾海峡是一个海雾多发的交通要道,海雾灾害往往会导致人员和财产损失。对当前有关的海雾研究现状进行总结,以海峡西岸为代表,比较台湾海峡海雾和其他海域的大雾研究进展状况,主要包括海雾发生时的天气气候学特征、监测手段、微物理特征研究和海雾数值预报研究等。结果表明,台湾海峡西岸在天气气候学方面已经取得了一定的成果;监测手段随着科学技术的发展,也不断的完善,但在如何对卫星遥感监测结果进行反演方面还需进一步研究;海雾的微物理特征研究有助于海雾模式的改进和卫星遥感海雾反演技术的提高,但台湾海峡西岸尚未开始研究,是下一步的研究重点;台湾海峡海雾数值模拟工作较少,伴随观测技术的不断进步、动力统计方法的不断完善,可通过数值预报产品与传统的天气学方法相结合,提高台湾海峡海雾预报水平。     

顾及周期项误差和起点偏差修正的北斗卫星钟差预报

根据北斗卫星导航系统星载原子钟自身的物理特性,采用武汉大学IGS数据中心发布的2016年1月1日至2016年11月1日共306天的事后钟差产品进行谱分析。分析结果表明:北斗卫星导航系统的3类卫星钟都存在一定的周期特性;其中GEO和IGSO卫星钟的主周期相对较为明显;GEO卫星钟的主周期依次为12、24、8和6h;IGSO的主周期为24、12、8和6h;而MEO的3个主周期为12.9、6.4和24h。依据各类原子钟的周期特性,同时对各天之间钟差的起始点偏差进行修正,并利用修正模型对北斗卫星钟差进行预报和精度分析。试验结果表明,改进的预报模型能显著提升北斗卫星的钟差预报精度,北斗卫星钟差24h、12h、6h的平均预报精度分别能达到6.55ns、3.17ns和1.76ns。     

回归-Elman网络在矿坝变形预测中的应用

金矿开展矿坝的变形监测工作,引入多层递阶回归分析模型,有较高的预测精度,但方法较繁琐,计算较复杂。由于变形数据可分离成趋势项与随机项,趋势项可用多元线性回归良好地拟合;随机项的预测,文中采用Elman网络建模计算,最后利用矿坝的实测高程位移数据进行验证,并与多层递阶回归进行比较。结果表明:回归-Elman网络模型比多层递阶回归的预测精度更高,效果更好,且方法简洁实用性强。     

GNSS 监测数据预处理在变形预测中的应用

GNSS监测技术被广泛应用于变形监测工作中,但GNSS监测数据中会有缺失值、噪声等误差的存在,对预测结果造成影响。引入改进的小波神经网络模型进行变形预测,并考虑该模型的自适应性和容错性,分别采用三次样条插值法、小波滤波法和拉依达准则对原始监测数据进行缺失值填补、去噪和粗差剔除等预处理。并利用实际监测数据进行短期预报分析,对比原始监测数据和预处理后的监测数据的预测结果,结果表明预处理后的监测数据的预测效果更好。     

盾构施工参数与沉降变形关系模型构建

针对盾构施工参数变化对施工引起的地表变形的重要影响,该文构建了盾构施工参数与地表沉降变形关系模型。以北京市某地铁盾构区间施工过程中的实测数据为基础,分析了不同盾构施工参数与地表沉降变形的关联度和相关性,得到不同参数对沉降变形贡献值的大小;之后,利用多元回归模型方法建立主要影响参数与地表变形的关系模型,并进行模型的合理性检验;最后,利用该模型得到的沉降量与实测数据进行对比分析,结果显示符合性较好。     

三重加权变形监测预测模型及应用

针对GM(1,1)建模过程存在背景值、时间因素和初始条件3方面的不足,该文提出三重加权TPGM(1,1)预测模型。通过对背景值进行加权生成新的背景值,建立PGM(1,1)模型;在PGM(1,1)基础上考虑到时间因素,在求解灰参数时进行第2次加权建立DPGM(1,1)模型;最后考虑到初始条件对预测模型的影响,在DPGM(1,1)基础上进行第3次加权,建立TPGM(1,1)模型。通过实例分析,比较GM(1,1)、PGM(1,1)、DPGM(1,1)、TPGM(1,1)4种模型在变形监测数据处理中的拟合和预测结果,表明三重加权TPGM(1,1)模型拟合效果更好、预测精度更高;该模型具有前3种模型的优点,同时弥补了传统GM(1,1)存在的不足。