集成奇异谱分析和自回归滑动平均预测日本近海海平面变化

本文从日本沿岸选取了28个验潮站及联测的GPS站,利用奇异谱分析（Singular Spectrum Analysis,SSA）和SSA+自回归滑动平均（Auto Regression Moving Average,ARMA）方法预测了2014—2018年的近海海平面变化和地壳垂直变化.并用同时段的验潮及GPS的实际测量值进行验证,结果显示,SSA+ARMA预测的相对海平面精度为0.0357~0.0607 m,地壳垂直运动的精度为0.0049~0.0077 m,绝对海平面的精度为0.0433~0.0683 m,且三者SSA+ARMA的预测结果均优于只用SSA预测的结果.在此基础上本文利用SSA+ARMA预测了日本沿岸2019—2023年的近海绝对海平面变化,结果显示,2019—2023年的平均海面高较往年（2014—2018）升高0.0353 m,2003—2023年绝对海平面的变化率为0.0039 m·a^-1,预测结果较为理想.     

北京白家疃台站重力非潮汐量变化及水储量影响的初步研究

The non-tidal variation gained from continuous gravity observations in stations usually reflects the regional continuous gravity changes. In this paper we focus on studying the non-tidal variation of Baijiatuan station, Beijing where there are two different gravimeters （namely, L＆R-804 and PET-031）. Based on the original raw tidal records of two gravimeters from 2008 to 2011, we first remove various interference from raw data by the standard procedure software-Tsoft; then we model the solid earth tides, ocean tidal loading and pole tide through related parameters; after that we adopt a new segmented polynomial fitting method based on Tsoft to fit the complex drift of spring gravimeter; and finally we calculate the atmospheric loading effects by a linear regression model. After a series of processing we gain the non-tidal variation of the two gravimeters at Baijiatuan site, Beijing. Furthermore, to analyze the non-tidal variation preliminarily, we study the main component of related tidal data by power spectral density. Comparing the non-tidal variation of two different gravimeters, we find seasonal fluctuations in non-tidal results, which are in accordance with the water storage change. Therefore, we take into account the relevance of gravity changes and water storage based on the gravity data of GRACE and water data of the CMAP model from 2003 to 2011 at different sites in the Chinese mainland （Beijing, Chengdu, Shenyang and Shiquanhe） , and make a preliminary analysis on the relationship between gravity changes and water storage.     

中国区域地理、地形因子对降水分布影响的估算和分析

不同与以往基于最小二乘的多元线性回归方法,本文首次尝试将新型的第二代回归分析方法——偏最小二乘回归分析方法应用到中国区域的降水建模中．利用区域内394个气象观测站建站到2000年45年(及以上)的降水资料,建立了一个简单的年、季降水量和地理、地形因子(包括纬度、经度、地形高程、坡度、坡向和遮蔽度)的关系模型,估算了区域降水量中地理、地形的影响部分,并分析了这种影响的特征．结果表明,用此方法建立的模型能够解释70%以上的因变量的变异,相关系数基本都在0.84以上,经交叉有效性检验,模型的回归效果较显著．分析表明,在多元线性回归不适用的情况下,本文基于偏最小二乘法的简单模型能够比较准确地定性、定量地再现实际降水分布．     

洪水预报中特征值预报的若干数学方法比较

讨论研究了水文特征值预报的数学方法,统计回归模型、神经网络模型和模糊回归模型。三个计处实例表明如果系统的线性关系较好,统计回归模型的结果最好;如果系统的线民生关系差,神经网络模型的结果最好;如果用于率定模型的资料太短,任何一个模型都不可靠。     

基于粒子群-变分模态分解、非线性自回归神经网络与门控循环单元的滑坡位移动态预测模型研究

以三峡库区八字门阶跃型滑坡为例,针对静态机器学习模型在周期项位移预测中的不足以及高频随机项位移预测困难等问题,提出了一种新的滑坡位移预测方法。基于时间序列分解思想,采用粒子群算法（PSO）对变分模态分解（VMD）进行参数寻优,并将位移时间序列分解为趋势项、周期项和随机项。趋势项主要受滑坡内部因素影响,采用傅里叶曲线进行拟合预测;周期项由外部因素导致,基于格兰杰因果检验进行成因分析,并引入一种对时间序列历史状态具有较高敏感性的非线性自回归神经网络（NARX）进行预测;随机项频率较高且影响因素无法判定,采用一维门控循环单元（GRU）进行预测。最后将各分量预测位移进行叠加重构,实现滑坡累计位移的预测。结果表明,提出的（PSO-VMD）-NARX-GRU滑坡位移动态预测模型精度较高,且各位移分量预测精度明显高于静态模型中BP神经网络、支持向量机（SVM）和传统自回归模型ARIMA,可为阶跃型滑坡位移预测提供参考。     

本溪市区剪切波速分布的初步研究

本文利用检层法、表面波法实测的波速资料。通过对实测数据的处理和回归分析,求出了本溪市区不同岩土波速与埋深的回归关系。同时收集了市区已有的钻孔资料,经分析计算,给出了本溪市区平均剪切波速的分布。     

北京市住宅用地开发压力与城市扩张预景——基于阻力面的分析

基于城市经济学的一般理论,从市场机制下的供给方视角出发,提出了预测大都市区住房建设区位选择的一个新模型,并利用2005～2009年北京市新增住宅项目的抽样空间数据进行了实证研究,进而应用阻力面模型模拟了北京市未来住宅建设用地开发压力和城市扩张的空间格局。研究表明:北京市的新增住房用地区位选择总体上符合单中心同心圆的基本模型,但正在逐渐向等级制特征下的多中心格局演化,北部、西北部区县的中心城区以及南部新城、新开发区周边更有可能成为潜在的下一轮住宅建设核心区,从而成为城市扩张的重点区域。     

云南省人口、耕地资源、粮食系统平衡研究

本文利用Ｌｏｇｉｓｔｉｃ曲线模型预测未来１０年云南省人口、耕地资源、粮食等因子的变化趋势，换算出不同人均粮食消费水平下的人口承载量，分析系统不平衡的原因、存在的问题，提出战略措施。     

基于分县尺度的2020-2030年中国未来人口分布简

选取1982年、1990年、2000年和2010年人口普查数据,运用Logistic模型系统预测了2020年和2030年中国分县人口规模,定量分析了未来中国人口分布的基本布局、各地区人口增减变化以及城市群人口集聚度变化。研究认为：①2020-2030年中国未来人口空间分布的总体格局不会发生根本改变,东南半壁人口比例会有所减少,西北半壁人口比例会有所增加,但增减变化在0.1%~0.3%之间;②2010-2020年中国有1641个分县单元人口将仍呈增加趋势,占地规模和相应人口都在全国3/4水平,人口增加仍是主要特征;2020-2030年中国人口增加的分县单元将大幅减少到598个,人口减少地区占地规模和相应人口将占3/5以上,人口减少成为普遍现象。③中国21个城市群地区人口总量将由2010年的7.81亿增加到2020年的8.68亿和2030年的9.17亿,相应的人口集聚度也将由2010年的1.99逐步提高到2020年的2.17和2030年的2.33,城市群地区人口集聚规模和集聚程度在逐步提高,人口集聚态势更加明显。     

云南干季月蒸发量与常规气象要素的关系

基于112个站点干旱期4月39年蒸发皿蒸发量和常规地面气象观测8要素数据,应用EOF和典型相关分析,深入论证各常规气象要素与气候蒸发量的相关性,分析并比较各要素对蒸发量场总方差的解释能力;同时应用线性回归分析作为验证,并探寻多气象要素对蒸发量模拟的最优要素组合。结果显示,从单要素影响角度分析,常规地面气象观测要素与蒸发量相关性的排列次序为：平均相对湿度＞平均气温＞平均地面温度＞日照时数＞平均风速＞平均水汽压＞气压＞降水量,这与蒸发的热力学和动力学理论解释相一致。回归分析验证了典型相关的主要结果;单个常规气象要素中平均相对湿度对气候蒸发量的模拟效果最好;基于平均相对湿度、平均气温、风速、日照时数和平均水汽压资料的前3个要素组合和全部5要素组合,分别是简便普通精度和高精度需求下常规气象要素推算模拟气候蒸发量的最优要素组合。本文加深了对气候蒸发量的相关认识,并对其模拟推算和空间分布量化有重要指导意义。