生物灾变预测研究中的基础性工作

 生物灾变的发展演化是在生物圈大背景下一种多尺度的生态过程, 是生态系统中物质流、能量流和信息流相互作用的结果。因此, 从不同时空尺度上研究不同尺度间能量的流动和信息的转换将是新世纪里灾变研究的重大课题, 其研究成果将有助于解决目前困扰人们的若干难题, 如种群的暴发与崩溃、多样性与稳定性、不同营养层次的协同进化等。我们面对的生态系统是一种复杂巨系统, 有害生物灾变预测的难度与科学储备的不足形成了巨大反差。没有多尺度、多学科的综合研究, 灾变预测将长期处于低水平徘徊的状态。在新的世纪里, 有必要开展以下基础性工作。     

试论灰色灾变预测

在论述灰色灾变预测的建模及预测全过程的基础上，探讨了灰色灾变预测的一种特殊情况——拓扑预测，提出对非平稳时序过程分两步预测，建立灰色拓扑辅助预测模型，提高了对非平稳时序过程的预测精度。     

多目标矿产预测评价及其研究意义

以矿产系统勘查为目的,提出了“多目标矿产预测评价”新理念。根据矿产勘查不同阶段和不同比例尺的任务要求,将多目标矿产预测评价分为：成矿区带、矿区(带)、矿田、矿床和矿体共五个尺度。较系统地探讨了不同尺度下多目标矿产预测评价的基本特征、目的任务与研究内容。在“求异”和“创新”思维指导下,把地质异常、成矿多样性及成矿谱系的联合分析研究作为矿产预测评价的切入点,初步构建了从求异到求序的“三联式”多目标矿产预测评价的理论框架与方法基础,并进一步探讨了多目标矿产预测评价中“综合预测、系统勘查、优化评价”基本准则的深刻内涵。     

多通道CNN-BiLSTM的短时温度预测

温度数据具有明显的反向、时序相关性及多尺度特征，提升温度预测精度的关键在于能否有效提取温度数据的上述特征.为提取这些特征，该文提出一种多通道卷积双向长短期记忆网络(convolutional neural network-bidirection long short-term memory, CNN-BiLSTM)的短时温度预测模型.该模型首先利用双向长短期记忆网络(BiLSTM)提取数据的反向特征、时序相关性特征；再利用多通道且不同尺寸、不同膨胀率的卷积神经网络(CNN)提取数据的多尺度特征，组成在学习多尺度特征后的数据，将其和原始数据作为BiLSTM层的多通道输入，输出的数据经过全连接层，形成最终的预测结果.实验结果表明：多通道CNN-BiLSTM的短时温度预测模型能有效地提取数据的时序相关性、反向及多尺度特征，可有效地提升温度预测精度，是一种行之有效的短时温度预测模型.     

描述微裂纹成核与扩展的疲劳损伤多尺度模型及其应用

利用多尺度模拟的方法建立了针对疲劳损伤累积过程中微裂纹成核与扩展阶段的疲劳损伤多尺度模型,对模型的有效性进行了实验验证,并将其应用于变幅疲劳载荷下某装甲车传动轴的疲劳寿命评估中.研究结果表明,所提模型能同时预测宏观尺度疲劳损伤与细观尺度微裂纹的成核与扩展率,利用该模型所预测的宏观疲劳损伤值与实验所测值相符.该模型既能合理地描述宏观尺度下不同应力水平的疲劳损伤演化过程,又能综合反映细观尺度下微裂纹的成核与扩展行为.利用这种多尺度疲劳损伤模型可以预测结构在疲劳微裂纹成核与扩展阶段所消耗的疲劳寿命,为各类结构疲劳损伤累积过程评估和准确进行寿命预测提供了一种新途径.     

灰色理论在灾变预测中的应用

将基于灰色系统理论的GM（1，1）模型推广至灾变预测，并以一实例介绍涝灾预测基本步骤     

灰色趋势灾变预测及其在数据挖掘中的应用

分析了数据库中由异常数据组成的小样本序列的特点,给出了灾变序列的定义,结合系统云灰色预测模型,提出了灰色趋势灾变预测的方法,对灰色趋势灾变预测在数据挖掘中的应用进行了研究,给出了对数据库中“贫”信息数据序列进行数据挖掘的步骤．以全国旱涝灾害数据为研究对象,对全国水灾年份进行了预测分析,其预测结果与实际现象相符．     

基于灰预测理论的石油石化企业风险预测

在综合运用灰预测方法（灾变灰预测与数列灰预测理论）的基础上建立了石油石化企业风险预测模型，并对其投资经营风险做了仔细的分析和研究，预测了风险可能发生的时区及大致所造成的损失程度，最后以实例证明了该模型的有效性．     

最小二乘支持向量机的短期负荷多尺度预测模型

提出了一种改进的电力负荷短期预测小波网络模型，该模型采用最小二乘支持向量机(LS-SVM)实现了小波分解系数的多尺度组合预测．首先使用多孔算法对短期负荷序列进行小波分解，得到指定尺度下的近似系数和相关尺度下的小波系数，然后利用LS-SVM对预测点的系数进行多尺度组合预测，通过小波重构可以求得相应的预测值．结合某地区短期负荷需求数据进行了仿真试验，研究了预测点与历史记录数据的相关关系．预测结果表明，使用本模型进行短期负荷预测同比传统小波神经网络方法可以获得更好的预测精度，同时LS-SVM的引入大大提高了模型的可计算性．     

风沙运动的力学机理研究

风沙运动机理研究是认识土壤风蚀、沙尘天气(甚至沙尘暴)以及风沙灾害本质,进而实现有效防治的基础。其中所涉及的诸如多尺度、多场耦合、随机性、非线性、尺度效应和复杂系统等科学问题也是当今科学前沿所关注的共性和热点课题。本文在简要回顾与风沙运动力学机理研究相关的已有工作的基础上,重点介绍了兰州大学风沙环境力学研究组针对风沙流中的沙粒带电量和风沙电场的基本规律及其对风沙流和无线电通讯的影响、风沙流发展过程的理论预测、固沙结构有效尺寸的分析、风成地貌主要特征的计算机模拟等方面所开展的研究工作。