渤海海域地震活动的预测与分析

考察了自１３３８年以来的发生在渤海海域的历史地震，建立了该海域ＭＳ≥７级地震活动的灰色灾变ＧＭ（１，１）模型，又以该海域发生ＭＳ≥７级地震的具体年份为原始数列，建立了ＭＳ≥７级地震活动的灰色数列ＧＭ（１，１）模型．这两个模型的预测结果相吻合．文中对预测结果的可信性作了详细的论证．     

印尼地震的主要杀手--海啸

2004年12月26日上午7时59分（北京时间26日上午8时59分)．蓄积巨大能量的印度洋板块边缘断裂带突然话动，在印度尼西亚苏门答腊岛附近海域发生近40年来全球最大地震，据美国地质勘探局测定震级为里氏8．9级（图1）。     

“波浪镶嵌构造说”对地震活动的解析

进入21世纪以来,全球地震活动进入相对活跃时期,而这一时期的跨度将在几十年到一二百年的时间内。回顾近期发生的几次大地震：2008年5月12日汶川8．0级大地震、2009年印尼7．6级地震、2010年1月20日海地7．3级地震、2月27日智利8．8级地震以及4月14日青海玉树县7．1级地震,似乎地球用它的威力一次次向人类表明,当前的科学技术水平还不足以预测地震的发生。     

来自地下的威胁——采空沉陷

2007年8月29日下午，中国地震信息网发布一条简短的消息称，“据中国地震台网测定，北京时间2007年8月29日03时41分39．2秒在陕西省神木县（北纬38．95°，东经110．15°）发生3．3级地震”，同时陕西省地震台网也监测到这一地震信息。     

震级与烈度

当发生地震时,地震局会发布地震的震级和烈度通告。比如类似这样的通告：“据中国地震台网测定,北京时间2013年4月20日8时02分46秒,四川省雅安市芦山县发生里氏7．0级地震,震源深度13公里,最大烈度为9度。”那么,地震的震级和烈度有什么不同之处呢？     

甘孜州内地震预测方法的研究

甘孜州内地震断裂带发育，地震众多，地震预测方法也多种多样。笔者用古登堡公式和可公度数学模式两种方法联合使用对州内鲜水河断裂带、金沙江断裂带和理塘-德巫断裂带上已经发生过的地震进行验证，结果证明该预测方法在鲜水河断裂带上对6．0-7．0级地震的预测和在金沙江断裂带上对5．5级左右中强震的预测与实际较为相符。为此用两种方法联合使用对2003年后甘孜州内地震作出预测，其预测结果有待今后实践检验。     

汶川地震引起的厦门天马台观测井水位异常记录特征分析

汶川Ms8．0级地震、青川Ms6．4级地震与厦门天马台观测井水位观测异常记录 2008年5月12日14时28分在四川汶川发生了Ms8．0级地震以及包括5月25日16时21分在四川青川发生的Ms6．4级地震在内的持续余震．是一次以拟冲为主、兼少量右旋走滑分量的地震。矩张量解及其震源机制解如图1。断层向西北方向倾斜。走向为229°。该地震有感范围遍布我国大部分地区,我国水位观测网的大多数井孔均记录到了水震波。     

辽宁及邻区地震活动预测

本文应用灰色系统理论，根据辽宁省及邻区所发生过地震的时间和强度（震级），对未来的地震活动趋势进行了预测，并对预测模型的精度进行了检验。结果表明，应用这一理论进行预测，能够体现出地震活动的特点，使理论值与实际情况相符合。     

应坚持地震是可以预测预报的科学信念——记汶川三次强余震的成功预测

地震能否预测？ 汶川大震后地震系统内、社会舆论对这个焦点问题给予了广泛关注及争论。汶川地震后，中国地震预测咨询委员会的专家们就汶川余震开展了预测研究，以实际行动支援灾区救灾抢险工作，从5月15日至8月15日咨询委员会发布了3次正式预测意见，均正确预报了5 月18 日江油6.0级、5月25日青川6.4 级、8月1日北川6.1级3次强余震。虽然余震预测难度比主震预测要小，但3次预测全部正确，无一虚报、错报的科学事实，应该引起持“地震预测需十几代、几十代后才能解决”观点者醒悟，呼吁对地震成功预测的事实持不屑一顾，甚至压制者深思，并认真给予公平对待。     

提高工业产值灰色模型预测精度

通过建立鞍山市历年工业总产值全数据的灰色模型,较准确地预测出鞍山市1990年的工业总产值,其预测误差为10.99％.在1989年总产值的邻域系上建立了灰色模型簇。通过比较簇中各灰色模型的平均误差及原点误差,筛选出最优灰色模型。为进一步提高该模型的精度,又以残差数列建立灰色模型对该模型进行修正。修正后预测出1990年的工业总产值的预测误差仅为4.14％,这表明,在灰色模型簇中筛选最优预测模型,并在此基础上建立被残差修正后的灰色预测模型,从而提高灰色模型的预测精度。     

Extent, duration and speed of the 2004 Sumatra-Andaman earthquake imaged by the Hi-Net array

The disastrous Sumatra-Andaman earthquake of 26 December 2004 was one of the largest ever recorded. The damage potential of such earthquakes depends on the extent and magnitude of fault slip. The first reliable moment magnitude estimate of 9.0 was obtained several hours after the Sumatra-Andaman earthquake, but more recent, longer-period, normal-mode analyses have indicated that it had a moment magnitude of 9.3, about 2.5 times larger. Here we introduce a method for directly imaging earthquake rupture that uses the first-arriving compressional wave and is potentially able to produce detailed images within 30 min of rupture initiation. We used the Hi-Net seismic array in Japan as an antenna to map the progression of slip by monitoring the direction of high-frequency radiation. We find that the rupture spread over the entire 1,300-km-long aftershock zone by propagating northward at roughly 2.8 km s(-1) for approximately 8 minutes. Comparisons with the aftershock areas of other great earthquakes indicate that the Sumatra-Andaman earthquake did indeed have a moment magnitude of approximately 9.3. Its rupture, in both duration and extent, is the longest ever recorded.     

前郭-乾安地震诱发的余震前微破裂研究

对2006年3月31日发生在吉林省前郭-乾安县之间的Ms4.8级地震后所诱发的一次3.7级余震之前产生的一系列特殊的微破裂事件,采用时序列分布、空间分布、谱分析以及震源力学性质等方法,进行了初步研究.给出了本地区余震前出现的微破裂事件的基本特征,为地震后的余震预报提供了一种短临异常信息参考.     

基于时空数据挖掘的铁路客流预测方法

提出了一种新的基于时空数据挖掘的铁路客流预测方法,该方法一方面采用统计学原理对目标对象本身的时序进行预测,另一方面通过神经网络解算相邻对象的空间影响,最后使用线性回归得到综合预测结果.采用该方法对某铁路直通区段2004年春运期间旅客总发送量进行预测,与不考虑空间影响的预测方法相比,预测精度有所改善.     

Real-time forecasts of tomorrow's earthquakes in California

Despite a lack of reliable deterministic earthquake precursors, seismologists have significant predictive information about earthquake activity from an increasingly accurate understanding of the clustering properties of earthquakes. In the past 15 years, time-dependent earthquake probabilities based on a generic short-term clustering model have been made publicly available in near-real time during major earthquake sequences. These forecasts describe the probability and number of events that are, on average, likely to occur following a mainshock of a given magnitude, but are not tailored to the particular sequence at hand and contain no information about the likely locations of the aftershocks. Our model builds upon the basic principles of this generic forecast model in two ways: it recasts the forecast in terms of the probability of strong ground shaking, and it combines an existing time-independent earthquake occurrence model based on fault data and historical earthquakes with increasingly complex models describing the local time-dependent earthquake clustering. The result is a time-dependent map showing the probability of strong shaking anywhere in California within the next 24 hours. The seismic hazard modelling approach we describe provides a better understanding of time-dependent earthquake hazard, and increases its usefulness for the public, emergency planners and the media.     

煤炭产需量预测方法讨论与实证分析

讨论了近几年来国内关于煤炭产需量预测的方法以及预测结果。并在此基础上综合使用多种预测方法如时间序列法、GDP线性回归法、灰色系统法、煤炭消费(生产)弹性系数法等,对未来10 a中国煤炭的生产量和需求量进行了预测,预测结果与国家煤炭"十一五"规划基本一致。最后,根据预测结果提出了相关政策建议。     

分站客观降水预报试验

将逐时段定点降水非连续量的预报问题转化为对一个连续的降水可能函数的预报问题.降水可能函数为一由实况值确定的函数.发展了一种新的非线性多因子动态组合方法,通过对降水可能函数的预报,作客观分站降水预报.1998年在北京地区15站进行了为期半年的预报试验,当天夜间的降水预报平均CSI得分为0.40,第二天白天平均CSI得分为0.40.     

基于ARIMA模型的风电场短期风速预测

目前,风力发电的并网规模越来越大,但是鉴于风力发电特有的间歇性和随机性的特点,难免会对电力系统的稳定运行和电能质量造成巨大影响,也就限制了风电的发展速度与规模。对风力发电场的风速进行中、长、短期的预测可以在一定程度上有效的解决该问题,依据风速序列的自相关性以及时序性,本文提出了一种基于时间序列分析的风电场短期风速预测ARIMA模型,重点讨论了建模的过程、模型的识别、模型的定阶和模型参数的估计。最后结合风电场实际,对比于持续法预测给出了相应的预测结果和误差分析,验证了所提出的ARIMA模型用于风电场风速预测的可行性。     

云模型在商品月销售量预测中的应用

针对营销企业商品月销售数量变化不定的难点,提出了基于云模型的商品月销售量的预测方法。根据云规则发生器计算云模型的数字特征值和所需数目的云滴,来预测未来商品月销售数量。云模型预测解决了预测数据的模糊性和随机性问题。实验结果表明,和基于时间序列季节预测方法相比,采用云模型预测的结果更准确,对企业的销售预测具有现实意义和参考价值。     

物元分析在需水量变化预测中的应用

为了更好地分析并解决我国资源性缺水、水质性缺水或工程性缺水等问题,以需水量变化趋势预测为目标,通过建立物元模型进行了需水量的变化趋势预测.首先,以干旱区的西宁市为例进行预测,其结果显示:西宁市2010年的需水量变化趋势等级为中度用水量,而实际需水量为7.40×108m3,属于第2等级,与实际情况符合.然后,分别对义乌市、阿克苏市的需水量变化趋势进行预测,结果也较为合理.     

长记忆时间序列适应性预测的应用

给出某市1973年1月至2002年12月每月食品消费价格指数时间序列，利用长记忆时间序列ARFIMA(0，d，0)模型的适应性预测公式预测了2003年1月、5月、10月、2004年3月、8月、2007年2月的食品消费价格指数．