分数阶傅里叶变换联合支持向量机的建筑物变形预测     

古巍  李倩  陈代果 《大地测量与地球动力学》2022,42(12):1239-1245

提出一种分数阶傅里叶变换(fractional Fourier transformation, FrFT)与支持向量机(support vector machine, SVM)相结合的建筑物变形组合预测模型。首先利用FrFT对变形时间序列进行多尺度分析,将复杂时间序列分解为一系列结构较为简单的子序列;然后利用SVM对每个子序列分别建立预测模型,通过将各个子序列的预测结果进行综合叠加,得到最终预测结果;同时考虑到SVM模型参数选择的难题,提出一种改进果蝇优化算法(improved fruit fly optimization algorithm, IFOA)对其进行全局寻优,提升预测性能。以西南地区某混凝土坝变形实测数据为例开展验证实验,结果表明,本文组合预测模型能够充分挖掘数据中隐含的趋势性和规律性信息,获得较高的预测精度。  相似文献   

考虑线状环境因子适宜性和不同机器学习模型的滑坡易发性预测建模规律          下载免费PDF全文

黄发明  李金凤  王俊宇  毛达雄  盛明强 《地质科技通报》2022,41(2):44-59

对于滑坡易发性预测中的水系、公路和断层等线状环境因子, 现有研究大多采用缓冲分析提取距离线状因子的距离。但缓冲分析得到的线距离属于离散型变量, 带有大小不等的随机波动性且对点或线要素的误差较为敏感, 导致滑坡易发性建模精度下降。提出了使用水系和公路的空间密度等连续型变量改进线状环境因子的适宜性。以江西省安远县为例, 选取高程、地形起伏度、距水系和公路距离等14个环境因子(原始因子), 再将距水系和公路距离2个线状因子改进为水系密度和公路密度(改进因子); 之后采用逻辑回归、多层感知器、支持向量机和C5.0决策树等机器学习模型, 分别构建了基于原始因子和改进因子的机器学习模型以预测滑坡易发性; 最后利用ROC曲线和易发性指数分布特征等来研究建模规律。结果表明: ①改进因子机器学习预测精度均高于原始因子机器学习模型, 表明空间密度对于易发性预测的适宜性更好; ②在4类机器学习模型中C5.0模型对于滑坡易发性预测性能最好, 其次是SVM、MLP和LR; ③水系和公路两类环境因子的重要性较高且使用改进因子机器学习后这两类环境因子重要性排名依然非常靠前。   相似文献   

基于磁异常信息的鄂东北四方山地区沉积变质型锰矿找矿预测          下载免费PDF全文

王川  石文杰  朱建东  徐江嬿  陈松  李艳军 《地质科技通报》2022,41(4):184-196

为系统开展鄂东北地区锰矿找矿预测, 以四方山地区典型沉积变质型锰矿床为重点解剖对象, 结合高精度磁法测量异常信息, 查明磁异常与锰矿床(体)的空间对应关系。四方山地区锰矿床主要以层状或似层状赋存于新元古代红安岩群黄麦岭岩组(Pt₃h)中, 含锰岩系为一套含火山物质、泥质、粉砂质碎屑沉积岩夹碳酸盐岩, 属于陆源碎屑-碳酸盐岩系。含锰岩系因含少量磁铁矿等铁氧化物而多与1∶5万磁法测量中高强度磁异常套合, 但也有部分位于正负磁异常梯度带上。1∶5万磁法总梯度模量中锰矿化富集地段往往与中-低值区(尤其是线性梯度带)对应。基于矿床地质特征、磁法测量资料的二次开发及野外调查成果, 在四方山地区圈定了四个找矿靶区。其中四方山矿区北侧找矿靶区Ⅰ经TC160揭露一层锰矿体, 厚度2.53 m, Mn平均品位为14.63%;四方山矿区内找矿靶区Ⅱ北段经探槽TC140揭露两层锰矿体, 第一层厚1.63 m, Mn平均品位达24.57%;第二层厚0.98 m, Mn品位为16.73%;南段经探槽TC114揭露一层锰矿体, 厚度1.32 m, Mn平均品位为17.60%。团山沟矿区东南部找矿靶区Ⅳ经地质路线调查也发现了锰矿化体, 显示具有良好的找矿前景。   相似文献   

谢一矿小型层滑构造特征对煤厚变化影响分析   总被引：1，自引：0，他引：1  

殷寿明  黄晖 《安徽地质》2005,15(3):190-192

通过分析层滑构造的基本形式、分布特征和在煤层中的展现形态,指出层滑构造对煤层厚度变化的影响特征,对煤厚的变化做到定性和定量预测.  相似文献   

最佳子集多元线性回归模型在热带气旋风圈变化预报中的应用     

饶晨泓  陈光华  陈可鑫  朱志伟 《气候与环境研究》2021,26(1):115-122

基于最佳路径（IBTrACS）数据集和欧洲中期天气预报中心（ECMWF）的再分析（ERA-Interim）数据,建立了西北太平洋上（Western North Pacific, WNP）热带气旋（Tropical Cyclone, TC）的七级风圈（R17）变化的最佳子集多元线性回归（bs-MLR）模型。首先根据2001～2014年6～11月TC初始半径（R_{17_0}）的第1～25、26～50、51～75、76～100个百分位点将TC分为4类,建立针对各类TC的bs-MLR模型,再利用2015年6～11月的全部TC对模型的预报效果进行检验。结果表明:对TC生命周期中任意时刻的未来12小时R17（R_{17_12}）进行预报时,当R_{17_0}小于92.6 km及R_{17_0} 在111.1～138.9 km范围内时,模型对于 R_{17_12}的趋势预报和大小预报均具有较好的效果;对TC生命周期中任意时刻未来24小时R17（R_{17_24}）进行预报时,当R_{17_0}在111.1～138.9 km范围内时,模式对R_{17_24}的趋势预报的效果较好。整体而言,bs-MLR模型对于R_{17_12}的预报准确性高于对R_{17_24}。  相似文献   

达州冰雹天气类型统计研究     

《高原山地气象研究》2022,(Z1)

利用常规气象资料和探空资料,对1980～2018年达州出现的89次冰雹过程进行分析研究,结果表明：达州地区冰雹主要出现在4～8月,其中4～5月概率最大;降雹具有明显的日变化特征,集中在午后到傍晚;降雹和地形有密切关系,主要集中在达州的中北部,特别是北部;冰雹天气类型有四种,分别是西北气流型、低槽型、阶梯槽型和东亚横槽型;基于冰雹天气的相关物理量指标和各天气类型下的物理量特征可作为达州冰雹预报的重要因子。  相似文献   

CMA-SH9在川渝地区的降水日变化预报效果评估          下载免费PDF全文

叶茂  吴钲  游婷  高松 《高原山地气象研究》2022,42(2):56-62

利用CMA-SH9模式逐小时降水预报数据和地面自动站-CMORPH卫星融合降水数据,开展该模式对2020年暖季（5~9月）川渝地区降水日变化的预报效果评估。结果表明:CMA-SH9模式可以再现小时平均降水量在四川盆地偏小、盆地周边陡峭地形处偏大的空间分布特征;显著的预报正偏差分布于青藏高原东坡至四川盆地西南部一带和四川盆地以东地区,偏差来自降水频率和降水强度的共同贡献;预报负偏差分布于四川盆地,主要来自模式对降水强度的低估;降水日变化峰值时间自西向东呈午夜到上午的滞后,模式预报的降水日变化峰值时间超前于观测;模式能够较好地把握青藏高原东坡至四川盆地西南部一带和四川盆地的单峰型日变化位相,以及盆地以东地区的双峰型日变化位相,但预报的降水量值和观测存在一定偏差。   相似文献   

基于卷积神经网络的逐时降水预报订正方法研究     

陈锦鹏  冯业荣  蒙伟光  文秋实  潘宁  戴光丰 《气象》2021,(1):60-70

应用2017—2018年5—9月福建省观测资料对华南区域中尺度模式(GTRAMS-3 km-RUC)预报进行站点检验,建立和训练基于卷积神经网络的逐时降水分级订正模型,并与频率匹配法进行2017—2018年测试集的对比试验和2019年数据集的模拟业务检验,探讨了试验过程中遇到的样本不均衡、特征变量选取以及模型过拟合问题。结果表明:模式对于15 mm·h-1以上降水的预报能力弱,各订正方法对原始预报均有不同程度的改进作用。从评估指标来看,基于卷积神经网络的订正方法比频率匹配法表现出优势,其中相关系数判别方案下的网络模型对强降水预报的订正效果显著优于其他方法;在输入特征变量选取方面,应用主成分分析方案的模型训练收敛速度比相关系数判别方案更快,最佳训练期有所提前,但也更早进入严重的过拟合状态,而相关系数判别方案能够使网络模型的训练拥有更长的提升期以达到更具“潜力”的状态;基于卷积神经网络的订正方法对减少分类降水预报的漏报率、晴雨和弱降水预报的空报率具有显著作用,其优化程度明显超过频率匹配法。  相似文献   

基于Parsivel天气现象仪资料的郑州“7·20”罕见特大暴雨微物理特征分析          下载免费PDF全文

周丹  周淑玲  田金华 《气象与环境科学》2022,45(1):93-101

基于2016-2018年ECMWF模式温度预报和浙江省72个国家基本站观测资料,根据温度日变化特征,采用K-近邻(KNN)回归算法进行误差订正,改进浙江省172 h精细化温度预报。在KNN回归算法中,将模式起报时刻的温度视作“背景”,由模式预报减去起报时刻温度消除“背景”影响,得到温度日变化曲线,通过温度日变化曲线构建差异指标,选取历史相似个例。根据历史相似个例的误差特征,对温度预报进行订正,得到改进的温度预报。检验结果表明,KNN方案的温度预报平均绝对误差较ECMWF和30 d滑动平均误差订正方案(OCF)的分别减小26.2%和5.2%;日最高和最低温度预报误差绝对值小于2℃,准确率较ECMWF的分别提高14.8%和4.3%,较OCF的分别提高3.0%和1.3%。KNN方案对地形复杂地区的温度预报改进效果更为明显,对冷空气活动和夏季高温等天气过程预报改善效果也较稳定。  相似文献   

长短期记忆神经网络(LSTM)模型在低能见度预报中的应用     

方楠  谢国权  阮小建  任晨平  姜舒婕  张玮玮 《气象与环境学报》2022,38(5):34-41

利用浙江省义乌市2015—2019年逐小时气象观测数据(相对湿度、风速、地气温差、能见度)和空气质量指数(Air Quality Index, AQI)数据, 分析了义乌地区低能见度天气(观测能见度lt; 10 km)的分布特征和气象要素条件。利用长短期记忆神经网络(Long Short Term Memory Neural Network, LSTM)模型对逐小时能见度进行模拟, 分别对比了观测能见度作为输入变量与否的模拟效果; 根据义乌地区低能见度天气条件的特征, 将模拟时段分为三个时期(11月至翌年2月, 3—6月, 7—10月), 对比了分时期模拟的效果; 以及评估了模型的预报步长。结果表明: 高湿、高污染、气温高于地温和低风速是义乌地区低能见度天气的主要特征。LSTM模型对单站能见度有较好的模拟效果, 当输入参数中加入历史观测能见度时, 能大幅提高模拟准确度, 日均能见度模拟结果均方根误差RMSE=0.63 km, 平均绝对误差MAE=0.51 km, 拟合优度R²=0.99;分时期进行模拟能得到更精准的模拟结果。本研究中选用的输入要素在冬季(11月至翌年2月)模拟效果最好, RMSE=2.35 km, MAE=1.46 km, 低能见度均方根误差RMSE_10 km=1.81 km, 低能见度平均绝对误差MAE_10 km=1.13 km, R²=0.83; 3—6月的模拟中, 输入变量中不加AQI模拟效果更好, 这意味着3—6月义乌地区的低能见度天气以雾天气为主导, 加入过多变量并不一定能提高模型准确度; 随着预报步长增大, 模型预报效果变差, 预测步长等于3 h, R²=0.71, 预测结果已不具备实际应用意义。  相似文献