1997年11月8日藏北玛尼7.5级大震的预报问题

对 1997年 11月 8日的藏北玛尼大地震 ,我们曾在 1991年进行过预报 ,1997年又曾重申过这个预报。本文用我们过去提出的预报理论和方法 ,对玛尼大震的预报问题再进行更广泛的讨论。文中 ,用立交模式讨论了玛尼大震的孕育机制 ,用 35°线上的 6 0a周期讨论了该震的发生年份 ,用构造交会及“静中动判据”讨论了该地震发生的地点 ,用磁暴倍九法和引潮力增长速度讨论了该震的发震日期 ,用科里奥利力效应讨论了该震余震震级偏小的原因 ,另外 ,还讨论了有关大震 -雪灾链的问题。     

灾变预测在火灾预测中的应用

简述了灰色理论中灾变预测的特点及其建模过程，并将其应用于湖南省和山东省火灾预测之中。经检验，模型的精度等级为好，模型的预测结果可靠，对于消防部门火灾的预测有一定帮助。     

阶跃响应模型在三容水箱中的预测控制

本文应用一种工业上易于获取的阶跃响应模型，根据其预测控制算法对有约束的三容水箱系统进行模型预测控制。并编制Matlab软件进行仿真实现，结果证明控制效果良好。     

用三性法对巴楚伽师6.8级地震的跨越式预测

介绍了用三性法对2003年2月24日新疆巴楚伽师6．8级地震的早期跨越式预测，并讨论了某些相关问题。所谓三性法就是大震时序上的周期性、倍周期性和黄金分割性的排列。     

单季晚稻穗颈瘟气象预报集成模型

根据1985—1998年上海地区单季晚稻穗颈瘟发生程度资料、地面气象资料、500hPa高空环流因子和北太平洋海温场资料，挑选相关系数较高且稳定性好的预报因子，在应用逐步回归和逐步判别分析方法组建预报模型的基础上，集成了单季晚稻穗颈瘟发生程度的长、中、短期预报模型。3种预报集成模型的起报时间分别为当年的3月、7月和8月下旬。这3种预报集成模型对1985-1998年的历史拟合和1999—2002年的预报，误差均未超过1级。     

成都市区酸雨变化及降雨化学组成分析

依据成都市1995～2003年城区酸雨监测统计资料,本文对成都市城区酸雨的变化特征、离子化学组成进行了分析。结果表明:城区降水酸度变化呈现出一定的波动性,酸雨频变化表现出较大的波动性;1999年和2000年酸雨年均酸度及频率情况都较好,之后出现反弹;降水中离子含量高,雨水污染严重;降水中CSO2-的比值正在逐步缩小,酸雨状况转变为硫/CNO-34酸型和硝酸型并重的局面,大气污染物中NOx的贡献率正在升高。灰色关联分析表明:降水pH值与雨水中碱性阳离子的关联序为NH+4>Ca2+>Mg2+>K+>Na+;降水pH′值与雨水中酸性阴离子的关联序为Cl->F->SO2-3。4>NO-     

边坡稳定性自动机器学习预测方法研究

为了简便有效地评估边坡稳定性状态,针对目前传统机器学习的算法选择与超参数优化等难题,提出1种边坡稳定性自动机器学习预测方法。首先,简要介绍5种主流开源自动机器学习框架;其次,以422组边坡稳定性样本为数据集,进行自动机器学习纯自动化训练,并与传统机器学习对比分析模型的性能与耗时;最后,综合讨论与比较典型自动机器学习框架的特性。研究结果表明：自动机器学习预测效果总体上优于传统机器学习,提升边坡稳定性预测准确率和稳健性,且无需人为干预。研究结果可为岩土工作人员准确可靠地评价边坡稳定性提供便捷条件。     

压缩空气泡沫水平管路压力损失数值模拟研究

为厘清压缩空气泡沫水平管道输运压力衰减规律,考虑压缩空气泡沫实际工程运用,利用STAR-CCM软件研究泡沫液种类、混合比和管径对湿泡沫水平管网输运过程中压力衰减的影响规律,并结合理论分析建立压缩空气泡沫水平输运过程中的压力衰减预测模型。研究结果表明：管路压降与泡沫液黏度呈正相关性,在混合液流量270 L/min,气体流量1 750 L/min条件下,相同管径高黏度抗溶性水成膜泡沫(AFFF/AR)压降约为低黏度A类和水成膜泡沫(AFFF)1.3倍;对于相同类型泡沫,混合比对管路压降影响较小,100 m长90 mm管径不同混合比之间最大压降差值约为7.21 kPa;管径对压降影响较大,相同泡沫条件下,50 mm管径压降是80 mm管径压降的约9.4倍,80 mm管径压降是100 mm管径压降的约2.8倍,当管径大于80 mm时,不同泡沫对压降的影响逐步减小。压力衰减预测模型计算的压降值与模拟值较前人开展研究所得实验值误差在18%以内,研究结果可以为压缩空气泡沫水平管网设计提供一定理论参考。     

Evaluation of Traffic Noise Pollution in Amman, Jordan

The City of Amman, Jordan, has been subjected to persistent increase in road traffic due to overall increase in prosperity, fast development and expansion of economy, travel and tourism. This study investigates traffic noise pollution in Amman. Road traffic noise index L ₁₀(1 h) was measured at 28 locations that cover most of the City of Amman. Noise measurements were carried out at these 28 locations two times a day for a period of one hour during the early morning and early evening rush hours, in the presence and absence of a barrier. The Calculation of Road Traffic Noise (CRTN) prediction model was employed to predict noise levels at the locations chosen for the study. Data required for the model include traffic volume, speed, percentage of heavy vehicles, road surface, gradient, obstructions, distance, noise path, intervening ground, effect of shielding, and angle of view. The results of the investigation showed that the minimum and the maximum noise levels are 46 dB(A) and 81 dB(A) during day-time and 58 dB(A) and 71 dB(A) during night-time. The measured noise level exceeded the 62 dB(A) acceptable limit at most of the locations. The CTRN prediction model was successful in predicting noise levels at most of the locations chosen for this investigation, with more accurate predictions for night-time measurements.     

投影寻踪回归技术在环境污染预测中的应用

环境污染预测中常用的统计预测法基于“假定—模拟—预测”这样一种证实性数据分析思维模式,难以适应非线性、非正态分布数据分析。投影寻踪技术采用“审视数据—模拟—预测”这样一条探索性数据分析新途径,可以用来解决一定程度上的非线性、非正态的问题。应用投影寻踪回归新技术,建立了大气污染物SO₂浓度分类预测模型,其预测建模样本的拟合合格率为84.7％,预留预测检验样本预测合格率75％。