排序方式: 共有23条查询结果,搜索用时 0 毫秒
1.
岗察岩体位于秦岭、祁连、昆仑和松潘—甘孜造山带交会部位,属西秦岭成矿区,为秦岭造山带的重要组成部分。运用H、O、S同位素示踪手段对岗察岩体内江里沟、双朋西、谢坑3个矿床的成矿流体进行研究。结果表明,上述3个矿区样品的δ18O(H2O)大部分落在岩浆水范围,因此O同位素具有岩浆水特征,推测3个矿区的流体均来自发生过脱气作用的岩浆,但成矿作用发生在浅部。研究区δ34S值集中在-3.8‰~0.9‰之间,与多数岩浆岩δ34S值的范围-5‰~5‰相近,说明3个矿床的硫均为岩浆来源,即成矿物质主要来源于岩浆。总体δ34S江里沟>δ34S双朋西>δ34S谢坑,这种差异可能与岗察岩体岩浆演化有关。3个矿床的δ34S平均值均接近正常地幔硫的范围-1‰~1‰,暗示硫源可能有深源岩浆的参与。 相似文献
2.
3.
4.
5.
基于深度学习的强对流高分辨率临近预报试验 总被引:1,自引:0,他引:1
强对流天气临近预报、预警在气象灾害防御中具有极为重要的地位。在气象业务中,因对强对流天气临近预报、预警准确率和时、空分辨率的极高要求,使其成为业务难点和研究热点之一。对于高时、空分辨率强对流临近预报问题,尝试用深度学习方法来解决。首先将强对流临近预报抽象成同时包含时间和空间的序列预测问题;然后基于改进的循环神经网络算法形成的自编码模型,使用京津冀地区长序列、高时空分辨率天气雷达组网拼图数据进行模型训练;最后利用基于历史0.5 h雷达回波拼图数据训练得到的端到端神经网络,预报未来1 h内的逐6 min回波演变特征。通过基于传统外推算法的临近预报方法与深度学习算法的临近预报方法进行对比,发现使用的深度学习方法可以有效“学习”到高时、空分辨率序列雷达数据特征的内在关联,通过多层神经网络构造出抽象的深层特征,能够有效捕捉到雷达回波的演变规律和运动状态。通过计算雷达回波预报的命中率(POD)、虚警率(FAR)、临界成功指数(CSI)等检验表明,相较传统外推临近预报方法,在强对流回波临近预报准确率上有较明显提高。 相似文献
6.
7.
初步研发了一套基于机器学习方法XGBoost且考虑地形特征影响的数值预报多模式集成技术,并与传统的等权重平均和线性回归方法的集成效果进行了对比分析。利用北京地区快速更新循环数值预报系统每天8次循环预报给出的近地面2m温度、2 m相对湿度、10 m风速、10 m风向数据产品,分别基于机器学习方法XGBoost、等权重平均方法、线性回归方法构建了3种体现地形因子影响的多模式预报时间滞后集成模型。试验对比分析了暖季、冷季每日不同时刻的模式预报集成订正效果。结果表明:分季节试验中,基于XGBoost模型对2m温度、10m风速的集成预报结果相对原始最优预报结果误差明显优于其他两种传统方法。XGBoost对2 m温度集成的误差可降低11.02%—18.09%,10 m风速集成误差可降低31.23%33.22%,10 m风向集成误差可降低4.1%—8.23%。2 m相对湿度的集成预报误差与传统方法接近。基于XGBoost的多模式集成预报模型可以充分"挖掘"不同模式或不同时刻快速更新循环预报优点,有效降低模式的系统性误差,提供准确性更高的多模式集成确定性预报产品。 相似文献
8.
中尺度对流系统(Mesoscale Convective System,MCS)是很多对流性天气的主要致灾体,可导致严重的气象和水文灾害,如雷暴大风、冰雹、龙卷风和山洪。对MCS进行准确的识别和追踪,并根据追踪轨迹及获得的MCS特征实现MCS的分类,对灾害天气的分析和预报有重要意义。基于京津冀地区2010—2019年的雷达组合反射率拼图资料,分别使用支持向量机(SVM)、随机森林(RF)、极度梯度提升决策树(XGBoost)和深度神经网络(DNN)4种机器学习方法,研发了京津冀地区MCS的自动识别算法。使用时、空重叠追踪法对识别的MCS进行追踪匹配,得到包含强度、时间和空间信息的MCS追踪数据资料。在区分线状对流系统和非线状对流系统的基础上,进一步从经典的尾随层云(Trailing Stratiform,TS)、前导层云(Leading Stratiform,LS)和平行层云(Parallel Stratiform,PS)三类准线性MCS的概念模型和结构特征出发,根据追踪轨迹计算MCS的运动方向和MCS近似长轴两侧层状云和强对流云的面积占比,建立准线性MCS的分类算法。MCS的识别属于二分分类问题,以命中率(POD)、虚警率(FAR)、临界成功指数(CSI)和准确率(ACC)为评价指标,综合对比各项指标发现DNN模型较SVM、RF和XGBoost模型对MCS的识别效果更好。使用时、空重叠追踪法对DNN模型识别的MCS进行追踪,结合对两个追踪实例的分析,发现本研究所用的算法取得了很好的追踪结果,也进一步说明了深度学习方法识别MCS的准确性和优势。根据追踪轨迹计算某时刻MCS的运动方向,结合识别的层状云和强对流云的分布位置,准确实现了TS、LS和PS型准线性MCS的分类,为准线性MCS的生命史预测及其致灾天气特别是短时强降水的强度、位置和持续时间的客观预报提供了一种技术思路。 相似文献
9.
京津冀地区一次中-β尺度对流风暴云砧结构的演变特征 总被引:2,自引:0,他引:2
联合使用新一代多普勒雷达三维体扫资料和静止气象卫星资料,分析了京津冀地区一次中-β尺度对流风暴云砧结构的三维演变特征。以15 dBZ雷达回波为阈值,提出了分析云砧演变过程的三个有效指标:风暴的"高中层面积差"、"高低层面积差"和"低层面积"。在此基础上,将云砧结构的演变过程划分成四个阶段:云砧结构形成期、云砧结构维持期、云砧结构崩溃期和风暴消亡期。雷达和静止卫星观测到的云砧演变特征具有明显的相关性:雷达最大组合反射率因子与IR1通道最低TBB呈显著的相关性,均在云砧结构的形成期或维持期达到极值;极值后,强冷云区(TBB小于-45℃)面积在15 min内就达到峰值,而弱冷云区面积在大约1 h后的云砧崩溃期才达到峰值。 相似文献
10.