排序方式： 共有7条查询结果，搜索用时 15 毫秒
1
1.
2.
利用常规资料、自动站降水资料和卫星云图资料分析了2014云南省丽江市首场区域性暴雨过程。结果表明此次过程是高空槽东移引导弱冷空气南下,同时受500 h Pa两高辐合区和700 h Pa切变线共同影响所致;孟加拉湾水汽为此次暴雨过程的主要水汽来源,同时强水汽辐合中心的存在和移动过程经过丽江是此次区域性暴雨形成的主要特征;强降水时段低层辐合高层辐散且有强烈的斜压上升运动;中尺度对流云团的合并及加强,TBB值小于220 K是此次强降水的一个特征。 相似文献
3.
利用NCEP\NCAR再分析位势高度场资料和Hadley中心SST资料,将北太平洋500和850hPa夏季副热带高压异常变化结合在一起进行了分析,发现夏季500和850hPa副高的位置和强度的年际和年代变化都有明显差异,并且850hPa副高远比500hPa副高稳定。上下两层除了同时增强和同时减弱外,还存在着500hPa增强850hPa减弱,以及500减弱850hPa增强等不同类型。相关分析表明,夏季500和850hPa副热带高压年际和年代异常变化与同期不同海区海表温度(SST)异常之间存在明显的关系。 相似文献
4.
2013年6月-2014年6月对青岛岩礁潮间带鼠尾藻、孔石莼、蜈蚣藻附植小型底栖生物进行了连续13个月的逐月采样,对小型底栖生物的丰度、生物量、生产量、类群组成及其季节动态进行了研究。共鉴定出小型底栖生物16个类群。鼠尾藻附植小型底栖生物的年平均丰度和生物量分别为7×103 ind·g-1 dwt algae·a-1和56×103μg·g-1 dwt algae·a-1。孔石莼附植小型底栖生物的年平均丰度和生物量分别为2×103 ind·g-1 dwt algae·a-1和8×103μg·g-1 dwt algae·a-1。蜈蚣藻附植小型底栖生物的年平均丰度和生物量分别为3×103 ind·g-1 dwt algae·a-1和16×103μg·g-1 dwt algae·a-1。三种藻类附植小型底栖生物平均丰度和生物量的高低依次为:鼠尾藻蜈蚣藻孔石莼。附植小型底栖生物及其主要类群的丰度具有明显的季节变化,其中鼠尾藻、孔石莼附植小型底栖生物丰度与海水温度和盐度显著相关。附植小型底栖生物的丰度还可能与藻类生长周期关系密切,三种藻类附植小型底栖生物的丰度的最高值均出现在藻类的快速生长期之前。三种藻类附植小型底栖生物群落差异显著,鼠尾藻上线虫为最优势类群,孔石莼和蜈蚣藻上底栖桡足类为最优势类群。藻类形态和藻类生活周期是影响附植小型底栖生物类群组成、丰度和生物量的关键因素。 相似文献
5.
针对油藏测井解释中的水淹层计算机自动识别问题,本文首先提出一种基于量子神经网络的识别方法.首先构造了一个量子神经网络模型,该模型可以接收多维离散序列样本,隐层为量子神经元,输出层为普通神经元.采用梯度下降法设计了该模型的学习算法.然后设计了基于量子神经网络的水淹层识别方法.该方法精选了描述水淹级别的九个特征,直接采用这些特征的离散数值构造训练样本,实施网络训练,训练后的网络即可用于同类地区的水淹层识别.最后以辽河油田某区块258个地层样本为例,进行了水淹层识别处理,识别率可达88%.实验结果揭示出,量子神经网络对于水淹层自动识别问题具有良好的适应性和实用性. 相似文献
7.
阿尔奇公式是应用测井资料定量解释油水层的经典公式,然而传统的利用岩电实验确定阿尔奇公式参数的方法具有成本高、工作量大的缺点.针对这一问题,本文提出了基于量子衍生涡流搜索的阿尔奇公式参数确定方法.首先,根据阿尔奇公式参数的取值范围随机产生一个当前解,然后以当前解为中心,基于三维高斯分布随机产生若干候选解,并在这些候选解中寻找最优解,若最优解优于当前解,则用最优解替换当前解,再以当前解为中心,基于三维高斯分布继续产生候选解,如此循环直至收敛.收敛后的最优解即为最终确定的阿尔奇公式的参数.该方法的特色是候选解采用量子比特编码,候选解的产生采用量子比特的绕轴旋转实现,对于不同尺度空间的搜索具有较好的适应性.实验结果表明,在保证饱和度解释精度的前提下,量子衍生涡流算法可以替代复杂的岩电实验方法来确定阿尔奇公式的参数,使阿尔奇公式参数确定工作更为便捷. 相似文献
1