基于PSR-WSVM模型的边坡位移预测

为建立高精度的边坡位移预测模型，采用相空间重构（PSR）将边坡位移时间序列数据转换为多维数据，同时构造小波核函数改进的支持向量机模型，建立PSR-WSVM模型并应用于边坡位移预测。将PSR-WSVM模型预测结果与传统支持向量机（SVM）模型、小波支持向量机（WSVM）模型和基于相空间重构的支持向量机（PSR-SVM）模型预测结果进行对比，通过平均绝对误差（MAE）、平均绝对误差百分比（MAPE）和均方根误差（RMSE）3个精度评价指标验证PSR-WSVM模型的可行性。工程实例结果表明，PSR-WSVM模型预测结果的3个精度评价指标都优于另外3种模型，边坡位移预测的精度明显提升。     

洛阳新区地热资源初步探明 已打出目前省内最深地热井

日前，在洛阳新区地热资源综合研究成果评审会上，受洛阳市国土资源局委托，河南省地球物理工程勘察院介绍了对洛阳新区地热资源的勘察结果。结果表明，洛阳新区地热有利地段总面积达23平方公里，其中一级有利地段面积约2平方公里，预测日涌水量1750立方米；二级有利地段面积约15．5平方公里，预测日涌水量1440立方米；三级地段面积约5．5平方公里，     

观驾山—黑岛一带信息量法找金研究

本文以成矿地质模型为依据，对观驾山—黑山岛一带的化探、物探、遥感及地质等信息变量进行了详细的分析，选取了１０个信息变量２４个标志状态；在此基础上，运用信息量法对研究区内４５８个单元的信息量值进行计算，并由此确定了研究范围内的成矿远景区。事实表明，研究区信息量成矿预测是非常有效的     

MATLAB在运用系统建模处理南海气象数据过程中应用

介绍了MATLAB语言特点和系统建模方法的基本理论.根据南海气象数据的实际建模处理过程,给出了建模的详细步骤及其MATLAB实现过程以及MATLABTM的主要实现程序.试验讨论和结果表明利用MATLAB语言可以方便地对南海气象数据用系统建模方法进行建模和处理,MATLAB在运用系统建模法处理南海气象数据方面具有明显的优越性.     

美法德等国能源安全扫描

美国: 减少对外石油依赖,确保能源安全 美国政府预测,在未来25年美国电力需求将增长50%,这需要大量的能源.确保能源安全已成为美国政府的一项重要任务.美国政府采取了多种措施来确保美国的能源安全.按照布什总统去年发表的新能源战略,最核心的一条就是要降低对石油、尤其是对进口石油的依赖,同时大力开发节能技术.美国应对能源安全问题的措施大致包括以下几方面.     

由采矿活动产生的金属的环境影响过程、预测及防治

虽然采矿活动影响的面积相对较小，但它能对环境产生巨大的局部影响。从采场释放的金属最初是通过矿山排放酸水和废石，尾矿的侵蚀产生的。本文简述了对矿山酸水排放所释放的金属进行预测的现有方法。一项应用地球化学模型预测矿山排放酸水和尾矿带入影响河系中铜浓度研究表明，实测的结果与预测的吻合良好。对于大规模的工业矿山开采，现已有方法对其进行预测并使其免遭污染。但是，大量小规模的采矿活动很难控制。巴西采金矿活动中     

SIMULATION AND PREDICTION OF DEBRIS FLOW USING ARTIFICIAL NEURAL NETWORK

Debris flow is one of the most destructive phenomena of natural hazards. Recently, major natural haz-ard, claiming human lives and assets, is due to debris flow in the world. Several practical methods for forecasting de-bris flow have been proposed, however, the accuracy of these methods is not high enough for practical use because of the stochastic and non-linear characteristics of debris flow. Artificial neural network has proven to be feasible and use-fill in developing models for nonlinear systems. On the other hand, predicting the future behavior based on a time se-ries of collected historical data is also an important tool in many scientific applications. In this study we present a three-layer feed-forward neural network model to forecast surge of debris flow according to the time series data collect-ed in the Jiangjia Ravine, situated in north part of Yunnan Province of China. The simulation and prediction of debris flow using the proposed approach shows this model is feasible, however, further studies are needed.