把脉不测风云（上篇）

天气是如何变化的？原来．天气同三个要素密切相关。这就是表示大气温度的“气温”、表示大气压强的“气压”和表示大气中所含水汽多少的“湿度”。这三个要素，加上地球自转和地形等因素的影响．便形成了各种各样的天气现象。对这三个要素进行综合分析．不仅可以说明刮风下雨，而且还可以解释中国及13本的梅雨和台风的移动路线、非洲的雨季和旱季．乃至南极的独特气象等一切天气现象。只要观看天气图，世界各地的气象便可以一目了然。[编者按]     

煤与瓦斯突出预报的模糊聚类关联分析法

首先采用模糊聚类分析对煤与瓦斯突出的样本集合进行分类，建立不同突出程度的模糊模式。然后用关联分析确定待预报样本与模式的关联程度，以此预测预报样本的煤与瓦斯突出危险程度。这种预报方法相对于模糊聚类分类后，将模式与待预报样本组成新的样本集合，再进行聚类分析，以此分类结果进行预报法。不仅可靠程度高，而且能定量描述待报样本与模式的亲和程度。     

“国风”之“风”新探

传统的观点多认为“风”是民间歌谣,可是“风谣”说如果成立,那么先秦时期就曾出现过一个从人人会作诗(“饥者歌其食,劳者歌其事”)到无人会作诗(“《诗》亡”说)的怪现象。同时,两汉以来曾进行过多次“采风”,可是所采到的民歌却无法与“国风”相比。这并不是劳动人民的文化素质愈来愈低,而是“风”根本就不是什么民间歌谣,其实质是“巫风”。或者说,巫是先泰时期的诗人歌手,风是“巫歌。” 文章首先通过对《易经》中古歌谣与《楚辞》的作者皆为巫的考证,论证出《诗经》的作者亦是巫。其次,《礼记》:“命大师陈诗以观民风”,其中“民”在此指臣,引伸为诸侯;“风”指“歌舞为巫觋之风俗”。由于列国的巫觋歌舞之风体现了礼乐制度,所以在礼坏乐崩之际引起了周天子的极度重视,从而所陈之“诗”即是巫觋歌舞时所唱的乐诗。其三,探讨了“省风作乐”的实质与“诗不能作”的原因。最后揭示了巫风中的“性”文化,“郑声淫”等是巫风中性文化的产物。并探讨出孔子“乐正”并不是删诗而是修正或订正诗,即将诗中的“淫声”之处改正过来,使之符合礼教。     

干式切削技术及其冷却方式

干式切削技术是指在切削加工过程中不使用任何切削液的新的工艺方法,具有清洁环保、降低生产成本、机床结构紧凑、提高产品质量等特点。对干式切削加工的关键技术之一———风冷却方式进行了介绍和论述。     

太湖流域超标特大洪水风险预警系统建设及应用

为做好超标洪水调度、保障流域防洪安全,开发建设了由基于水文水动力学耦合的超警超保风险区域预警模型与基于水文学法的洪水淹涝风险快速评估模型共同组成的超标特大洪水风险预警系统,该系统在太湖流域预报调度一体化系统中通过智能交互方式进行模型与系统的紧密集成,实现了预报调度成果的可视化。基于水利一张图的超警超保与淹涝动态展示,实现了预报产品从点到面、从常规预报到影响预测的突破,以及洪水风险由静态评估向实时快速动态分析的转变。应用结果表明：系统在2020年太湖流域性大洪水中累计发布超警超保风险提示39期、洪水淹涝风险评估4期,预测结果与实际基本一致,为科学调度防御超标洪水提供了技术支撑,避免了江苏省苏州市3万多的人员转移,有力保障了太湖流域防洪安全。     

基于神经网络的船舶稳性预报研究

为省略船舶稳性计算中横摇阻尼以及船舶阻力等参数的复杂计算过程,提出一种采用径向基函数(RBF)神经网络对第二代完整稳性失效概率预报的方法.研究包括过度加速度、瘫船稳性以及骑浪/横甩3种失效模式.通过研究船舶相关参数对各失效模式失效概率的影响,确定采用RBF神经网络对每种失效模式进行预报时输入特征的选取,从而降低训练时长.使用训练后的网络对样本船稳性进行预报,采用均方误差和平均绝对百分比误差对预报结果进行评估.对3种失效模式预报结果的平均绝对百分比误差分别为6.49%、7.09%、5.70%,均小于10%,表明采用RBF神经网络可较为精准地对船舶稳性进行预报.     

高层建筑外附雨篷的表面风压和气动力系数

采用风洞试验方法研究高层建筑外附雨篷的风压特征,分析风压系数、风压相关性、非高斯性和整体升力系数随风向角的变化,给出围护结构的设计风压,最后研究倾角和出挑长度对整体力系数的影响. 研究发现,高层建筑外附雨篷上表面风压系数在正迎风时最大值接近1.4,系气流受到后方高层建筑的阻挡下翻导致;上、下表面的最大整体压力系数出现正迎风情况,最大值分别为1.24和0.76;上、下表面的最大整体升力系数出现侧风面,最大值分别为1.13和1.01;上下叠加后测点风压的非高斯性比单表面增强;上表面和下表面的升力系数在0°~70°风向呈现高斯分布,在80°~180°风向呈现较强的非高斯分布;高层建筑外附雨篷上表面的极值正压大于下表面;雨篷整体升力系数按照倾角-10°、0°、10°依次递增.     

无初始状态统计知识时多变量系统的最优平滑与预报

在无初始状态统计知识的情况下,我们分别就固定点平滑、固定滞后平滑与预报３种情况给出了动态系统的最优线性最小偏差估计（ＢＬＩＭＢＥ）,同时还给出了完全（ｉ,ｊ,Ｔｉ）－可重构性的概念及系统完全（ｉ,ｊ,Ｔｉ）－可重构的充要条件     

爆破地震峰值的神经网络预报模型

对爆破地震值进行预报,方法,采用神经网络模型,对秦山核电站某爆破工程监测得到的２０组震动峰值数据进行学习,然后对另１０组数据进行预报。结果,实测值与预报所在分类区域完全一致。