排序方式: 共有46条查询结果,搜索用时 15 毫秒
1.
Thermodel for Windows系统的模拟及实例研究 总被引:1,自引:0,他引:1
Thermodel for Windows是一个在结构上由盆地尺度上的古温标热历史正、反演和岩石圈尺度上的盆地构造一热演化模拟两部分构成。通过对Thermodel for Windows系统模拟方法的研究及其主要组件的功能和数据的输入方法等的了解,分析了本系统的优缺点。通过对沁水盆地T1003号孔的实例研究,介绍了利用镜质体反射率(R0)反演非稳态热状态条件下盆地的热流史和地层的剥蚀量,进而重建盆地内地层热历史的工作方法和技巧。对盆地地热史软件的进一步开发和盆地地热演化史的研究具有较大的应用意义。 相似文献
2.
3.
4.
使用浙江省69个基准站2006—2015年5—9月以及同期杭州城区58个区域自动站小时降水资料,利用Gamma分布计算浙江省短时强降水的累积概率,同时综合其频率分布,揭示杭州市小时降水强度的分布特征。此外,以杭州市区为例,利用探空资料分析不同量级(≥50 mm·h-1、30~<50 mm·h-1、20~<30 mm·h-1、<20 mm·h-1)小时雨强出现的环境指标,并基于核密度估计方法提取预报指标。结果表明:杭州城区出现小于等于10 mm·h-1的降水概率高达98.4%,≥20 mm·h-1的概率仅0.05%;受杭州湾偏东气流影响,杭州市区发生短时强降水频率相对较高,尤其是余杭区的东部和西北山区;自2008年以来杭州市区每年短时强降水日数为18~28 d,其中大于等于50 mm·h-1的短时强降水日所占比例高达10%~20% (除2009年和2012年低于10%外);可用于预报杭州市区短时强降水的最佳环境因子依次为整层可降水量、
5.
6.
基于数值预报和随机森林算法的强对流天气分类预报技术 总被引:2,自引:2,他引:2
随机森林算法是当前得到较为广泛应用的机器学习方法之一,有着很高的预测精度,训练结果稳定,泛化能力强,解决多分类问题有明显优势。本文将随机森林算法应用于强对流的潜势预测和分类,分短时强降水、雷暴大风、冰雹和无强对流四种类别,基于2005—2016年NCEP 1°×1°再分析资料计算的对流指数和物理量,开展强对流天气的分类训练、0~12 h预报和检验,经2015—2016年独立测试样本检验表明,针对强对流发生站点的点对点检验,整体误判率为21. 9%,85次强对流过程基本无漏报,模型尤其适用于较大范围强对流天气。随机森林算法筛选的因子物理意义较为明确,和主观预报经验基本相符,模型准确率高,可用于日常业务。 相似文献
7.
8.
基于特征的空间数据模型研究 总被引:1,自引:0,他引:1
与传统的基于分层的数据组织方式相比,基于特征的空间数据组织方式更符合人们认识和分析现实世界的模式,有利于完整而精确地描述地理现象。本文详细论述了基于特征的空间数据组织的相关概念,对基于特征的空间数据模型进行了探讨。 相似文献
9.
本文以花鲈(Lateolabrax maculatus)为研究对象,对短期饥饿处理下花鲈的生理、生化指标及摄食调控相关基因的表达水平进行研究.研究表明,随着饥饿时间的延长,血清谷丙转氨酶(ALT)、碱性磷酸酶(ALP)、白蛋白(ALB)、总胆固醇(TC)、甘油三酯(TG)和血糖(GLU)浓度整体上呈下降趋势.乳酸脱氢酶... 相似文献
10.