降雨型滑坡灾害的约简和逻辑回归预测模型

为实现秦巴山区域降雨诱发的滑坡灾害预警,收集处理不同时段滑坡灾害发生点最近区域站大量降雨数据,形成降雨特征滑坡灾害样本数据集;定义降雨型滑坡灾害知识表达系统,利用知识约简和预测结果反馈方法,选取影响滑坡灾害的降雨特征,进而确定发生滑坡灾害的诱发因子;改进逻辑回归方法,提高模型泛化能力,建立约简逻辑回归预测模型,并与不确定朴素贝叶斯模型和遗传神经网络模型对比。结果表明:约简逻辑回归预测模型能有效处理海量高维降雨数据,且预测准确率较高。     

西南地区覆冰气象要素的变化特征及综合评估

论文采用西南地区(95°~110°E,25°~35°N)96个常规气象观测站1961年1月1日至2009年12月31日逐日气象要素资料,应用模糊信息分配方法对西南地区形成覆冰的主要气象要素配置进行研究。以连续覆冰日数为主,建立了该地区满足气象条件的覆冰综合评估指数。结果表明,当同时满足地面日最低气温在-10~1 ℃,相对湿度≥80%,日照时数≤2 h这3个条件时,最易发生电线覆冰现象。我国西南地区的云南、贵州、四川三省交界处以及云贵高原大部为电线覆冰最为严重的地方,且覆冰灾害有非常显著的年际及年代际变化规律。     

基于特征指标的气象因子对PM2.5浓度的影响分析

以西安为研究区域,为探究气象因子对PM_2.5浓度的影响,采集2017-2019年空气质量与气象因子数据,改进k-Means聚类算法,形成严重污染、重度污染、中度污染、轻度污染共4个PM_2.5浓度与气象因子样本簇集。分析簇集数据分布,选择Spearman相关性分析方法,确定影响PM_2.5浓度的气象因子;定义PM_2.5凸显性条件,给出幅度特征FOA、浮动特征FOF和凸显特征FOH,构建三维空间,确定气象因子对PM_2.5影响的大小,进而建立气象因子对PM_2.5浓度的影响分析方法。比较多元线性回归和随机森林回归方法,结果表明:该方法提高了分析效率,且无需考虑因子选取和表达,能有效确定影响PM_2.5浓度的气象因子种类及影响程度。在低温、高湿、高压和相对静风的气象条件下,空气中颗粒物难以扩散和输送,使西安市PM_2.5浓度升高。严重污染、重度污染和中度污染中,PM_2.5浓度与相对湿度呈显著正相关,与风速、气温呈显著负相关,且影响大小依次为相对湿度>风速>气温;轻度污染中,PM_2.5浓度与相对湿度、气压呈显著正相关,与风速、气温呈显著负相关,且影响大小依次为气温>相对湿度>气压>风速。