洋河水库蓝藻水华爆发预测影响因子研究

为了预测洋河水库富营养化变化趋势和蓝藻水华爆发的风险,对洋河水库水体进行采样,分析其环境质量.研究结果表明,近年来洋河水库叶绿素a含量处于高位,氮、磷含量不断上升,特别是总氮质量浓度在5 mg/L左右,主要以硝态氮的形式存在,富营养化程度不断加剧,具有大规模爆发蓝藻水华的风险.对洋河水库藻华爆发的环境条件进行分析,提出...     

兰州市SO2排放总量预测的BP人工神经网络模型

依据兰州市大气污染复杂的特点,首次将BP人工神经网络用于兰州市SO2排放总量的预测,结果表明,BP人工神经网络能较好地用于污染物排放总量的预测,且具有预测精度高,对数据数量和精度要求不高和客观性较强等优点。     

滑坡预测的改进前馈网络方法研究

作者提出了滑坡位移预测的一种改进前馈网络方法——目的规划法,与通常的前馈网络方法相比,该方法改进了网络的准则函数,降低了网络的灵敏度,改善了网络的泛化性能,提高了滑坡位移的预测精度。同时它是一种面向数据的方法,适合于不同地区不同条件下滑坡的预测。清江隔河岩库区滑坡和卧龙寺滑坡的实例研究表明了该方法的可行性及有效性。     

矿渣与工业废渣改良黄土的性能与机理研究进展

黄土在世界上分布面积较广,在我国也有约60×104 km2的分布,具有湿陷性是其区别于其它区域性土的最显著特点,并由此引发造成各种地质灾害和工程问题.采用石灰、水泥或高分子材料等对其进行改性以达到消除湿陷性或提高黄土强度的目的,是岩土工程领域的重要课题.选用矿渣和工业废渣作为改性参料,用以研究改性黄土的力学特性变化和改...     

20世纪长江的3次巨洪

分析了形成20世纪长江3次巨洪的3个遥相关因子：（1）太阳黑子活动;（2）厄尔尼诺事件,（3）青藏高原南部大震。依据长江巨洪和遥相关因子的基本事实,讨论了长江发生巨洪的统计规律。指出当3个因子的出现时间互相重叠时,长江很可能发生巨洪,这对长江巨洪的超长期预测具有重要的指导作用。     

竹林关大柴沟大型泥石流的形成机理与发展趋势

通过对陕西省丹凤县竹林关镇大柴沟泥石流进行现场勘查分析,总结了泥石流的孕灾背景,揭示了泥石流的典型特征和基本物理力学参数,在此基础上,分别从泥石流的物质来源、形成环境、诱发条件等三大条件分析了泥石流的形成机理,归纳了大柴沟泥石流具有典型的滑坡激发性、周期暴发性、强烈致灾性等特点,对泥石流的危险性进行了现状分析和预测评价。结果表明:软硬相间的岩层和强烈的构造运动是造成岩体变形破碎的主要原因,为泥石流提供了丰富的物源,垂直高差较大、沟道狭窄为泥石流提供了良好的孕灾环境,百年一遇的暴雨是大柴沟泥石流形成的诱发条件,同时受暴雨影响,沟内产生多处浅表层滑坡堵塞沟道,为泥石流聚集了能量,以至形成规模更大、破坏性更强的泥石流。研究过程采用了实测计算与经验公式估算相结合的多种方法进行对比研究,也充分验证了经验公式的适用性。     

分级加荷条件下公路软基路堤沉降的预测方法

软土地基上修筑路堤多采用分级施工的方法。在传统双曲线沉降预测法的基础上，提出了软土地基上路堤分级施工情况下沉降预测的一个新模型，该模型考虑了土的非线性特性和固结性质随荷载的变化，可实现尽早预报沉降的要求。通过工程实例验证了所提模型的适用性。     

黑道凶日研究

本文提出的优势期和优势值是灾害年内出现机会最多的日期和强度，其中优势期就是黑道凶日。统计表明，黑道凶日位于节气日和节气之间的黄金分割日及其附近，在时空分布上具有许多特点。     

近百年广西汛期降水的诊断及预测研究

本文利用奇异谱分析及最大熵谱方法对广西近百年前、后汛期降水进行诊断分析，结果表明：广西前汛期降水主要存在20-30年的长期变化、2～3年左右的准两年振荡及12-16年左右的年代际变化；后汛期降水除存在明显下降趋势外，还存在20-30年的长期变化、2-3年左右的准两年振荡及4年左右振荡周期。且各主要振荡模振幅有明显的低频振荡特征，在不同时段里表现有强有弱。结合白回归方法对重建分最预测的基础上进行降水趋势预测，从1998-2005年预测结果来看，效果较好。     

基于LSTM-GCN的PM2.5浓度预测模型

应用机器学习算法开展空气质量预测已成为当前研究热点之一,空气质量监测数据具有显著的时空特征,即具有时间维度时序特征和空间维度传输演化特征。面向空气质量监测数据,联合LSTM提取的时间特征和GCN提取的空间特征,提出预测PM_2.5浓度的LSTM-GCN组合模型。以北京市35个空气质量监测站2018—2020年监测数据进行仿真实验,并将LSTM-GCN模型与LSTM模型、GCN模型以及时空地理加权回归模型(GTWR)进行对比,结果显示:LSTM-GCN模型相较于LSTM模型均方根误差(RMSE)、平均绝对误差(MAE)分别降低了11.68%、7.34%;相较于GCN模型RMSE、MAE分别降低了40.22%、36.37%;相较于GTWR模型RMSE、MAE分别降低了17.52%、23.69%,表明所提出LSTM-GCN模型在准确率上有所提升。用LSTM-GCN模型预测2021年1—7月PM_2.5浓度,结果显示预测效果较好。