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。     

RECENT TECTONIC DEFORMATION ANOMALY AND EARTHQUAKES IN GANSU-NINGXIA-QINGHAI AREA

1　IntroductionAccordingtogeologicalstructure ,theGansu Ningxia Qinghaiareabelongstothenortheastmar ginofQinghai Tibetblock .Thisareahasbeenpaidmuchattentionby geo specialistsinChinaandabroadbecauseofitssignificanttectonicmovement,itsintensiveseismicity ,anditsimportanceinearth quakehazardmitigation .IntheDevelopmentPro gramonNationalKeyBasicResearchesundertheProject“MechanismandPredictionofContinentalStrongEarthquakes”,themechanismsofcontinen talstrongearthquakesarestudied ,usinghypo…     

一种从经纬度网格资料获得正方形网格资料的插值方案

本文提出了一种把经纬度网格点上的气象要素值转化到正方形网格点上的多项式插值方案。对插值方案作了稳定性讨论和定量及定性分析。结果表明,这种插值方案方便可行,而且有广泛适用性。     

冰碛扇型砂金矿床特征及其成矿初探

成生于冰碛扇内，经一定的生物、物理、化学成矿作用，以砂金形态分布而富集成矿的金矿称为冰碛扇型砂金矿床。它具有沿造山带一定标高范围成群、成带分布，沉积物为近源且半胶结，砂金呈面状分布，并以粒金、块金为主，具胶状、浑圆状、包块状构造形态，分布极不均匀等特征。冰碛扇型砂金矿床的成矿作用与河成砂金矿床有本质的区别。它的成矿作用模式是：造山带下地壳富含的活化金通过新构造运动活化的断裂运移地表，经地下流体和地表流体的迁移聚集到冰碛扇这一封闭稳定的生物、物理、化学障环境中，主要经高效聚金微生物有机胶体成矿作用沉淀、再生加大形成砂金，逐步富集成矿床。而红色磨拉石建造中风化离解的Ｆｅ，Ｍｎ物质对沉淀环境ｐＨ值起着一定的调节作用。冰碛扇型砂金矿床在我国西部造山带内广泛分布，具有一定的工业价值，是砂金矿床中一重要类型，应予以重视     

上扬子地台震旦系铅锌矿床类型及找矿方向

上扬子地台含铅锌矿地层主要为震旦系。震旦系在上扬子地台主要发育上统灯影组,次有下统陡山沱组。将上扬子地台震旦系铅锌矿床成因划分为一级为叠生矿床,二级为层控矿床,三级为热水沉积改造矿床和热水沉积再造矿床四级类型,该类型按铅锌比例进一步划分为富铅型、富锌型、铅锌共生型。研究区内最重要的铅锌矿床成因类型为南郑马元、会东大梁子铅锌矿为代表的富锌型。陕西南郑、紫阳—镇坪地区,湖北武当、神农架、黄陵地区,以及地台西缘的安宁河、甘洛—小江、峨边—寻甸等地区的震旦系是寻找铅锌矿的最有利地段。     

昆仑山口大地震与地形变异常的讨论

针对昆仑山口大地震，总结了多种地形变（大地测量）手段所显示的异常变化及其时空分布，结果显示：8．1级大震前存在空间尺度大，时间尺度的地形变前兆异常，简要介绍了相关的异常图像，给出了初步解释，并对未来震情的发展进行了探讨，认为近期内强震活动向华北迁移的可能性不大。     

形变大地测量学的进展、问题与地震预报

简要概括了形变大地测量学的革命性进展，研讨了它的科学特色、功能和定义以及对地球科学和防灾减灾的推动。形变大地测量学有助于从根本上击破多年来制约地震预报的“瓶颈”，但也存在不少急待解决的问题。着重研讨了在21世纪前10年，形变大地测量学如何依托多年的学科积累并充分受益于人造卫星和数字化等新技术，开展创新性研究和试验以推进地震预报。为此，对当前的研究工作提出了12条科学技术途径。最后对学科名称提出了建议。     

Prediction of Stellar Atmospheric Parameters using Instance-Based Machine Learning and Genetic Algorithms

In this article we present a method for the automated prediction of stellar atmospheric parameters from spectral indices. This method uses a genetic algorithm (GA) for the selection of relevant spectral indices and prototypical stars and predicts their properties, using the k-nearest neighbors method (KNN). We have applied the method to predict the effective temperature, surface gravity, metallicity, luminosity class and spectral class of stars from spectral indices. Our experimental results show that the feature selection performed by the genetic algorithm reduces the running time of KNN up to 92%, and the predictive accuracy error up to 35%. This revised version was published online in July 2006 with corrections to the Cover Date.     

矿物的导电类型与矿物形成温度的关系

通过杂质对导电类型的影响的研究,得出了同种矿物的不同导电类型与矿物形成温度的规律:电子型(n型)导电矿物的形成温度大于电子与空穴混合型导电矿物的形成温度,又大于空穴型(p型)导电矿物的形成温度,绝缘体矿物的形成温度低于上述三种导电类型矿物。应用矿物热电图谱仪,天然金刚石半导体测试仪对闪锌矿、黄铁矿、金刚石等矿物的导电类型进行了测试,并探讨了导电类型成因,证实了上述规律的正确性。