陈建民局长一行来我院调研检查工作

2007年7月10日,中国地震局党组书记、局长陈建民在局直属机关党委常务副书记刘连柱、人事教育和科技司司长何振德、监测预报司司长李克、党组秘书吴仕仲的陪同下,来我院调研检查工作。[第一段]     

泛珠

四川：饮用水源地水质均正常;福建：开通首家县级空气质量预报系统;重庆：万余官员步行上班;湖南：“千里湘江碧水行动”启动;贵州：污水厂建设缓慢运营困难……     

贝纳德效应和地震预报

本文根据海城地震前后重力变化的实测资料提出重力加速度随时间变化的一种简化表示。在重力发生扰动时对贝纳德问题的动力学方程进行求解。计算结果表明,在强地震的孕育期,贝纳德花样的周期变化在一定时间后将自动停止。这个结论的验证可以作为一种新的地震预测方法的理论基础。     

蚯蚓能预报土壤污染

英国爱丁堡大学进化生物学研究所的科学家研究发现，土壤中即使含有少量污染物，也会使蚯蚓的生命周期发生根本改变，影响它们的繁殖能力。英国《泰晤士报》报道，少量污染物质产生的轻微污染虽同样严重。却很难察觉。科学家重新重视对蚯蚓的研究将有助干尽早发现土壤污染。项目小组的研究已经发现蚯蚓对除草剂和工业副产品等化学物非常敏感。     

河北省碳排放及其影响因素变化趋势研究

在国家"十三五"规划政策的指引下,减少碳排放是当今社会的大势所趋。以产业结构调整优化为目的,就河北省碳排放及其影响因素变化趋势进行研究,旨在生态文明建设中促进京津冀产业协同发展。在研究碳排放时,运用STIRPAT模型,根据河北省实际情况,将影响碳排放的因素分为城市化水平、人口数量、富裕度和能源强度,并选取了河北省2003-2014年碳排放及其相关数据作为研究样本,经过对能源消耗量的转换计算得到比较精确的碳排放数据。在此基础上分别建立碳排放灰色GM(1,1)预测模型和碳排放影响因素灰色GM(1,1)预测模型来预测2015-2020年对应的数据变化。并分析各个影响因素的变化趋势及其对碳排放的影响。经过分析发现,富裕度对碳排放影响最大,所以政府等相关部门应加大对该方面的监督与管理,从而从整体上达到低碳的目标。     

“七预”工作法抓源头

<正>路面施工中,面临沥青、重油、粉尘等职业危害。为加强班组安全管理,减少各类事故伤害,江苏冠盛路桥工程有限公司着重开展生产安全事故和职业危害的预知、预想、预报、预警、预防、预查和预控工作,从源头抓起,预防为主。江苏冠盛路桥工程有限公司(以下简称"冠盛公司")成立于1999年1月,拥有一支从事高速公路、高等级沥青路面施工的专业化施工队伍。在工程施工中,冠盛公司探索公路施工企业班组安全生产的经验和措施,总结并大力推广以班前预知预想、现场危险预报预警、安全隐患预防预查、     

美国成功测试可变向子弹

据报道,近日美国国防高级研究计划局官员称,研究人员和美国国防部目前正在测试一种可在飞行途中改变方向的新型机动子弹。美方军事官员认为,一旦这种技术得到完善,就能拓展狙击手的射程,并且可以提升有风情况下的射击精度。报道称,这种可以搜寻目标的子弹由美国国防高级研究计划局的科学家们共同研发和测试,是极高精度任务武器计划的一部分。该武器计划的研究人员们尚未披露可以     

东亚中高纬环流对黑龙江省春播期降水异常的影响

探讨了东亚中高纬环流对黑龙江省春播期降水异常的影响。结果表明:在500h Pa平均高度场和距平场上,西低东高、北高南低以及西负东正、北正南负等特征有利于出现较大降水,纬向环流或西高东低以及南正北负或西正东负等特征有利于干旱少雨。在850h Pa风距平场上,中国东北和华北为气旋环流,俄罗斯远东和鄂霍次克海为反气旋环流,黑龙江省多偏东风距平,这些特征有利于出现较大降水;与此相反的特征有利于干旱少雨。     

耦合观测数据-模型计算-案例分析的臭氧综合预报方法

当前臭氧模式预报和统计预报的技术难以满足不同地域精细化环境管理需求,亟需构建稳定性高、实用性强的本地化臭氧预报方法. 本研究通过构建臭氧预报工作流程并明确臭氧预报流程中相关技术参数和要求,以陕西省及其省会城市—西安市为例分析历史气象和环境空气质量数据,获取陕西省臭氧污染规律以及西安市不同气象条件下臭氧等级分布规律和典型案例预报要点,确立人工订正经验技术集的方法,明确案例库构建、会商和预报回顾机制的相关要求,旨为臭氧预报模式的本地化提供科学的技术路线. 结果表明:通过臭氧预报效果评估与结果择优、人工订正、预报会商及预报结果回顾所组成的臭氧业务化预报工作流程具备切实可行性;此外,陕西省臭氧浓度与相对湿度、气压和风速均呈显著负相关,与温度呈显著正相关,臭氧预报时应重点关注日均温度大于28 ℃、日最大温度大于34 ℃、相对湿度小于57%、气压低于959 hPa、风速小于2.3 m/s的气象条件下的臭氧等级.      

基于多机器学习算法耦合的空气质量数值预报订正方法研究及应用

应用多种机器学习算法进行时空耦合从而建立一种新的多模式集合预报订正算法(简称“ET-BPNN算法”),对4种常规污染物(NO₂、O₃、PM_2.5和PM₁₀)的空气质量模型预报结果进行订正. 订正方法分为两步,第一步中利用随机森林、极端随机树和梯度提升回归树3种机器学习算法,采用4个空气质量数值预报模式(CMAQ、CAMx、NAQPMS和WRFChem)的多尺度污染物浓度预报数据、中尺度天气模式(WRF)的气象因子预报数据(包括2 m温度、2 m相对湿度、10 m风速、10 m风向、气压和小时累计降水量)以及污染物浓度观测数据作为训练集,训练结果进入基于均方根误差的择优选择器,选取3种机器学习算法中优化效果最好的算法;在第二步中利用了BP神经网络算法,通过加权平均获得集合模式订正预报结果. 结果表明:①与模式集合平均算法相比,ET-BPNN算法使NO₂、O₃、PM_2.5和PM₁₀浓度预报值与观测值之间的均方根误差分别减小了30.4%、18.9%、43.3%和38.1%. ②ET-BPNN算法的优化效果较随机森林、极端随机树和梯度提升回归树3个机器学习算法有明显提升,与极端随机树算法相比,ET-BPNN算法使NO₂、O₃、PM_2.5和PM₁₀浓度预报值与观测值之间的均方根误差分别降低了42.7%、20.1%、19.7%和9.7%. ③在易发生污染的秋冬季,ET-BPNN算法对PM_2.5浓度的预报具有明显的优化效果,此外该算法明显缩小了不同站点预报和不同预报时效之间的偏差,具有较好的鲁棒性. ④对O₃和PM_2.5浓度预报而言,经ET-BPNN算法优化后的预报结果能够更好地把握污染过程,对污染物峰值浓度的预报也较模式集合平均算法更准确. 研究显示,ET-BPNN算法提高了空气质量模式对污染物浓度的预报效果.