基于时间序列法的滇池流域新宝象河污染风险预测

入湖河流是滇池流域主要污染物的输送途径,为减少入湖污染负荷,需保证入湖断面水质达标。以新宝象河入湖河口2005—2017年的水质数据为基础,使用描述统计方法分析年度水质波动,采用单因素方差分析法对水温、降雨、污染物浓度进行季节性差异分析,并应用时间序列法对多年水质情况建立模型。结果表明,入湖污染最严重的时间是2007年,之后除总氮外其他污染物浓度迅速下降,直至2014年入湖河口水质达到地表水Ⅳ类标准,满足了规划的要求。河流的水温和区域降雨量具有显著的季节差异性,污染物浓度受降雨、回补水等各种因素的影响,总体呈现春季较高、秋季较低的现象。时间序列模型预测结果显示CODCr超标风险最大,为了预防超标的情况出现,提出了相应的防控措施,包括提升旁路治理能力、优化湿地调蓄、启动面源拦截等。     

基于缓冲区重采样的LSTM林火预测模型*

为提高林火风险预测精度,挖掘地图上隐含的空间信息、时间序列上隐含的长期趋势和循环波动,提出1种基于缓冲区重采样的长短期记忆（LSTM）林火预测模型,选取15个与林火相关的影响因素,以方差膨胀因子为评价指标对其进行多重共线性检验,方差膨胀因子大于10的因素具有共线性,并采用信息增益率验证筛选结果的合理性。考虑到火灾的空间聚集特性,采用缓冲区分析与过采样相结合方法减少样本不均衡现象的影响,最终得到176 732条样本。对12个影响因素和研究时间段的火点建立LSTM预测模型,对森林火灾发生风险进行预测。研究结果表明:基于缓冲区重采样的LSTM林火预测模型有效考虑时空上隐含的信息,预测模型准确率为87.06%,特异性为97.99%,敏感度为76.12%,阳性预测率为97.43%,阴性预测率为80.41%,ROC曲线与AUC值均优于随机森林（RF）和支持向量机（SVM）这2种基准算法。维尔克松秩和检验发现,本文提出的模型与基准算法结果具有显著性差异。研究结果可为提高林火风险预测精度提供参考。     

2000年1月15日姚安6.5级地震余震序列震源机制解与震源区应力场分析

本文利用垂直向的Pg和Sg波的最大振幅比方法,计算2000年1月15日云南姚安6.5级地震后余震序列震源机制解,通过统计和系统聚类分析,再结合震中分布图,综合分析了云南姚安6.5级地震的震源机制解和震源区应力场破裂特征,研究结果表明震源断层的走向为SEE-NWW占主导,其平均解为120°,震区主压应力轴平均解为145°,即SSE向,与震源区现今构造应力场主压应力方向一致,表明余震的应力场主要受区域应力场的控制.     

基于ARIMA模型的北京市朝阳区建筑垃圾产量分析与预测

在建筑垃圾产量历史数据缺失的情况下,借助ARIMA模型预测朝阳区拆除面积和建筑竣工面积,从经验系数法和间接预测法入手,对朝阳区的拆除垃圾、新建垃圾和装修垃圾的产量进行了预测。研究结果,表明未来8年朝阳区新建剩余垃圾和装修垃圾的产生量呈缓慢上升的趋势,工程槽土和拆除垃圾的产生量呈现周期性的波动;工程槽土对建筑垃圾总量的贡献最大,其次是拆除垃圾,新建垃圾的贡献最小。综合考虑不同类建筑垃圾的产生量和特点,朝阳区政府应加大拆除垃圾和装修垃圾无害化和资源化的管理力度。     

卫星遥感洞庭湖主汛期水体时空变化特征及影响因子分析

基于1989~2011年的长时间序列卫星遥感数据,利用综合水体信息提取方法提取了洞庭湖区6~9月主汛期的水体信息,通过较高分辨率卫星遥感数据验证,水体面积提取精度达到90%以上。洞庭湖年平均径流入湖量、NCEP再分析资料计算的湖体上空和流域累计月平均降水量分别与水体面积变化的关系进行分析,结果表明: 1989~2011年间洞庭湖水体面积最大值主要分布在7和8月,这两个月也是洞庭湖区域发生洪涝灾情的高风险期;洞庭湖水体面积与年平均径流入湖水量的相关系数为0.67(置信度为95%);2003年以前,洞庭湖主汛期间水体面积波动比较大,2003年三峡水库运行后,洞庭湖的面积波动有所减少;洞庭湖上空累计月平均降水量对于水体面积存在正相关性,相关系数为0.68(置信度为99%);2003年以前,洞庭湖流域累计月平均降水量和水体面积相关系数为0.50(置信度为90%),2003年三峡水库运行后,两者相关性有所减弱。     

基于余震序列分布信息的地震极灾区快速判断方法研究

利用震级加权标准差椭圆法研究了基于震后短期内(24 h)余震序列判定地震极灾区的方法,研究结果表明:1利用该方法判断宏观震中是一种比较可行的方法,不同震源破裂方式的震例利用该方法判断宏观震中的精度不同,倾滑-近倾滑型破裂方式的震例利用余震序列判定宏观震中的精度最高;2整体上看,利用该方法判断极灾区长轴方向的准确性低于利用距震中最近活动断裂判断的准确性,但对于倾滑-近倾滑型破裂方式的震例,利用该方法的准确性高于利用断层数据判定的准确性。     

静态应力降与动态应力降比值方法在东北地区震后趋势判定中的应用

计算静态应力降与动态应力降之比Y值,根据Y值的大小初步判定地震类型,是震后趋势判定的一种新方法,对震后趋势快速判定有一定意义。通过计算我省历年有影响地震的Y值,发现2005年以来黑龙江省及其周边地区中强地震静态应力降与动态应力降之比(Y值)在0.3~0.6之间,总体来说Y值较大,其地震类型以孤立型地震为主,吉林省前郭县地震Y值为0.37,与我省其他中强地震相比,Y值相对较低,初步判定为震群型地震。     

基于神经网络分类器的城市污水处理厂水力冲击预警系统

提出了一套基于神经网络分类器的城市污水处理厂水力负荷冲击预警系统,以期对进水水量骤增现象进行提前1天的预报,使污水处理厂可根据预报结果提前采取水力冲击防护措施,从而保证各单元的平稳运行.根据进水水量的涨幅将某污水处理厂12年日进水水量监测数据分为"常规"和"冲击"两类,重点对"冲击"数据进行提前1天的预测,并采用冲击漏报率、冲击误报率和报准率对模型的预测精度进行评价;同时,基于同样的建模方法和不同的训练、验证样本建立了N(1)、N(2)和N(3)3个平行模型,以对模型的鲁棒性和建模方法的可重复性进行考察.结果显示,3个模型对2010年、2011年和2012年3年测试样本的预测效果良好,冲击漏报率和报准率两项指标数值均较为稳定,分别在0~0.167和0.981~0.995之间浮动,冲击误报率虽然在数值上的浮动较大,最低为0.143,最高为0.500,平均为0.310,但仍在工程上的可承受范围内.该结果表明,本研究基于神经网络分类器所建立的3个神经网络模型预测精度高、鲁棒性好,显示出良好的性能,有望为污水处理厂水力冲击防护工作提供有力参考.     

基于ARIMA的安全生产事故预测与实证研究

为了减少企业安全管理者在生产作业中由于不确定性导致错误决策所产生的风险,在企业历年安全生产事故数据基础上进行预测具有一定的现实意义。以某企业2008年至2011年的安全生产事故次数时序数据,采用EViews 5统计分析软件,基于ARIMA时间序列预测模型更加关注对事故发生是否平稳而相对于其他预测模型更关注于趋势研究的良好特点,建立安全生产事故ARIMA时序预测模型,并对2012年的安全生产事故发生次数进行预测,通过效果检验发现该模型预测结果基本上能够反映该企业安全生产事故发生的实际情况。通过ARIMA方法在某企业安全生产事故预测具体案例的实现,是对现有安全生产事故预测方法的补充和完善,可为企业安全管理和决策提供一定的指导。     

明清苏浙沿海台风风暴潮灾害序列重建与特征分析

在系统搜集、整理明清苏浙沿海潮灾记录基础上,建立风暴潮频率辨识方法,复原台风风暴潮灾害750次,据此建立逐年风暴潮频率序列。分析显示,1460~1480年、1570~1595年、1715~1745年、1785~1810年、1880~1890年为风暴潮活跃期。明清苏浙沿海风暴潮存在45 a、25 a、14 a三种时间尺度周期,其中45 a周期最为显著。气候跃变分析表明,1402年、1457年、1566年、1624年、1652年、1711年、1846年、1880年风暴潮活动趋于活跃;1444年、1477年、1543年、1634年、1799年、1856年风暴潮趋于平静。与1470年以来温度距平曲线对比显示,气候冷暖与风暴潮发生频率有一定正相关性,全球变暖背景下苏浙沿海可能面临更为严重的风暴潮威胁。苏浙地区明清时期风暴潮灾害空间分布差异明显,大部分风暴潮记载集中于长三角、杭州湾地区,苏北地区风暴潮数量少但影响范围广,浙东地区受地形和经济发展程度影响,风暴潮记载数量少且集中于滨海。