九黄公路水土保持方案的探讨

通过对九黄公路沿线水土流失的原因和特点的分析，对工程沿线的水土流失进行了预测，并对具体的防治措施进行了探讨。     

天津地区霾天气特征研究

基于2014~2017年天津地区PM_2.5质量浓度，能见度和相对湿度监测数据开展霾天气特征研究.结果表明：天津中度以上霾过程分为五类：高压后部型，北部弱高压型，低压槽型，均压场型和锋前低压型.在现行标准下，中度霾一般对应重度污染天气，重度霾对应重度到严重污染天气；五级重度污染天气一般有中-重度霾发生，六级严重污染天气有重度霾天气发生.2013年“大气污染防治行动计划”开展以后，天津PM_2.5质量浓度和霾日均显著减少，2017年相比2013年霾日减少了55%，中度及其以上霾日由2013年的41d下降到2017年的20d，下降幅度超过50%.基于实况监测的PM_2.5质量浓度，能见度和相对湿度，可以较好的构建区域能见度计算方程.统计数据显示，其估算的能见度和实况值相关系数为0.94，相对误差为18.6%，非霾日辨识准确率为85%，霾日辨识准确率为95.6%，轻微霾辨识准确率为83%，轻度霾辨识准确率为78%，中度霾辨识准确率为93%，重度及以上霾辨识准确率为94%，对于判断霾等级，有较强的适用性.将该方程与空气质量模式结合开展霾等级预报，2015~2017年24h预报产品检验显示：能见度预报值与实况值相关系数为0.75，预报均值13.9km，实况均值14.1km，相对误差为29.6%，FAC2（预报值在实况值两倍范围内百分比）为98.1%，霾日预报准确率81.4%，霾日漏报率18.6%，霾日空报率20.6%，如果容错1级，轻微霾日预报准确率为96%，轻度霾日预报准确率为85%，中度及以上霾日预报准确率为69%，可有效支撑天津霾等级预报的开展.     

应用马尔可夫链分析预测福建以林为主的土地利用趋势

土地利用状况的研究是国土整治及林业发展规划的重要研究内容,本文根据森林资源连续清查的资料,应用马尔可夫链理论,建立预测模型,分析、预测土壤利用的动态状况,提出宏观控制的对策,为土地利用规划,林业生产决策提供科学的方法与依据。     

利用人工神经网络对空气中O3浓度进行预测

将人工神经网络应用于对空气中O3的浓度预测,提出了完整的预测模型,选取风速、风向、相对湿度、云量、平均气温、最高气温等6项气象因子作为输入量,经过两个月的预测实验,结果表明,实测值与预测值的平均相对误差为21.49%,相关系数为0.837.表明人工神经网络对O3的浓度预测是一种有效的工具.     

Streamflow Forecasting Using Singular Value Decomposition and Support Vector Machine for the Upper Rio Grande River Basin

The current study improves streamflow forecast lead‐time by coupling climate information in a data‐driven modeling framework. The spatial–temporal correlation between streamflow and oceanic–atmospheric variability represented by sea surface temperature (SST), 500‐mbar geopotential height (Z₅₀₀), 500‐mbar specific humidity (SH₅₀₀), and 500‐mbar east–west wind (U₅₀₀) of the Pacific and the Atlantic Ocean is obtained through singular value decomposition (SVD). SVD significant regions are weighted using a nonparametric method and utilized as input in a support vector machine (SVM) framework. The Upper Rio Grande River Basin (URGRB) is selected to test the applicability of the proposed model for the period of 1965–2014. The April–August streamflow volume is forecasted using previous year climate variability, creating a lagged relationship of 1–13 months. SVD results showed the streamflow variability was better explained by SST and U₅₀₀ as compared to Z₅₀₀ and SH₅₀₀. The SVM model showed satisfactory forecasting ability with best results achieved using a one‐month lead to forecast the following four‐month period. Overall, the SVM results showed excellent predictive ability with average correlation coefficient of 0.89 and Nash–Sutcliffe efficiency of 0.79. This study contributes toward identifying new SVD significant regions and improving streamflow forecast lead‐time of the URGRB.     

深度学习方法在上海市PM2.5浓度预报中的应用

为提升PM_2.5浓度预报能力,尤其是对PM_2.5重污染的预报能力,以中尺度气象-化学耦合模式系统（WRF-Chem）为基础,结合中尺度WRF气象预报数据、地面及高空气象观测数据、PM_2.5浓度观测数据,基于人工智能深度学习序列到序列的算法建立了上海市PM_2.5统计预报模型.结果表明,人工智能深度学习算法（Seq2seq）明显修正了WRF-Chem模式由于模型非客观性造成的偏差,提高了上海市PM_2.5浓度的预报能力;该算法优化和修正了WRF-Chem模式结果,并通过检验发现可以使PM_2.5浓度预报值与实况值间的相关系数由0.51上升至0.79,均方根误差由25.9μg/m³下降至15.01μg/m³.而单独使用套索法（Lasso）线性回归算法对WRF-Chem模式优化效果不理想.基于Seq2seq的PM_2.5浓度预报修正模型能够有效提升预报精度.     

基于灰色系统理论的济南市建筑废物产量预测

首先以建筑面积核算法对济南市2000~2017年建筑废物产量进行了估算,然后以估算值作为原始数据,建立了灰色GM（1,1）预测模型.最后对未来5a济南市建筑废物产量进行了预测.经验证,模型精度等级达到优秀级.结果表明,灰色GM（1,1）预测模型可以准确地预测济南市建筑废物的年产量,预测表明济南市建筑废物平均产量将从2018年的860万t,增加到2022年的1000万t.     

随机应用下的锂离子电池剩余寿命预测

目的为模拟海洋工程与水下科考装备电池的真实使用情况,进行随机电流放电下的锂离子电池老化实验,通过高斯过程回归模型进行电池剩余寿命预测。方法从数据驱动方法中选取具备不确定性表达能力的高斯过程回归模型,选定核函数后通过训练数据来优化超参数建立预测模型。用随机应用下的电池充放电循环实验数据验证预测结果。结果与SE核函数相比,基于Matern核函数的模型预测效果更优。训练数据越多,预测起始点越大,模型预测绝对误差越小、MAPE与RMSE值更低。对两种不同实验温度、不同随机电流放电模式下的三组电池,模型预测绝对误差大多在40 cycle内,MAPE与RMSE值分别低于0.06、0.09,均能实现准确剩余寿命预测。结论对于随机应用下的锂离子电池剩余寿命预测,高斯过程回归模型具备高精度与适用性。     

重庆市区域性暴雨危险性定量分析及其时空分布规律研究

区域性暴雨是重庆市危害性最大的自然灾害之一,对其研究有助于科学地开展防灾减灾工作。利用重庆市34个国家基本气象站逐日降水资料,采用概率统计、Matlab小波分析和ArcGIS空间分析等方法,研究1962~2016年重庆市发生的176场区域性暴雨危险度及其时空分布规律。得出如下结论:选择区域性暴雨平均降水量、日降雨极值、区域性暴雨覆盖范围和持续时间4个指标评价重庆市区域性暴雨危险度。在176场区域性暴雨中,轻度危险出现83次,占47.16%;中度危险49次,占27.84%;重度危险35次,占19.89%;极重度危险9次,占5.11%。从时间变化上看,6月和7月是重庆市区域性暴雨的多发期,7月区域性暴雨危险度平均指数最高,其他月份相对较低;重庆市年区域性暴雨危险度存在7a和28a的变化周期;各年代的区域性暴雨发生次数及其危险度差异较小,但各年代内区域性暴雨危险度等级构成差异较大。从空间分布上看,区域性暴雨中心地区差异明显,渝东北部地区的开州和渝西部地区的荣昌是重庆市区域性暴雨中心;各季节的区域性暴雨中心也存在明显差异,春季区域性暴雨中心主要出现在渝西部地区,夏季主要出现在渝东北部和渝西部地区,秋季主要出现在渝东北部地区。     

基于统计-FloodArea模型的平原水网区致灾临界雨量研究

论文基于江苏老濉河流域降水、水位和流量观测数据,利用统计-FloodArea模型相结合的方法计算了平原水网区致灾临界雨量。从水位变幅角度构建了流域不同时段累计面雨量-洪水涨幅统计模型,并计算出致灾临界雨量。在修订河道高程的基础上,利用FloodArea模型模拟典型暴雨洪涝事件的动态淹没过程,建立不同时段累计面雨量与模拟水位涨幅之间的幂函数关系,计算出另一组致灾临界雨量。对比发现两组致灾临界雨量基本一致,24 h三个等级致灾临界雨量对应泗洪气象站167 a、17 a和2 a一遇降水量。统计模型能较好地捕捉短时降水与洪水涨幅的关系,FloodArea模型则更好地反映了长历时暴雨洪涝事件的雨洪关系,整合两种方法,可得到更科学的平原水网区暴雨洪涝致灾临界雨量。