江淮地区未来气候变化趋势的模型试验研究

本文报导了运用灰色系统拓扑预测方法，对长江下游江淮地区的降水和温度变化趋势作了长期预测模型试验，并对该预测模型的预测精度和预测能力作了检验。试验结果表明：预测模型的预测准确率较高且稳定性好；该地区未来３０年将由多雨期（前１０年）转入少雨期（后２０年）；相应地，盛夏将由偏凉期转入偏热期，隆冬冷暖则表现为准ＺＯ年周期变化。因此，在２００Ｏ年前，洪涝年型仍较多，凉夏年型仍占优势，暖冬年型将逐渐减少；在下世纪初的２０年中，洪涝年型减少，夏季高温干旱趋势上升。     

一种改进的相空间近邻等距模式及其在短期气候预测中的试验

现有研究表明,气候要素系统可能存在混沌现象.通过应用混沌理论中的重建相空间技术,可在相空间中揭示出传统方法无法揭示的复杂气候动力特征,为气候预测研究开创一条新途径.现有相空间理论的研究多着重于对混沌系统的识别和应用混沌相空间理论建立不同的模式进行提前预测,这些预测多为对月时间尺度的;对于如何提高预报准确率和延长预报时效,从而实现对多个月份、季、年等更长时间尺度提前预报的研究还不多见.基于混沌理论的相空间近邻等距模式,对该理论中的提前预报时间T、延迟时间τ和相空间维数d等进行讨论.提出,实际应用中根据提前预报时间T来建立新的时间序列,满足T=τ=sδt,消除了相空间时滞τ的变化对提前预报时间尺度T的影响.应用改进前、后的预报模式,以不同相空间维数d对气温和降水气候要素做提前T=1~15个月的预报试验和检验.结果发现,改进后的模式提高了预报准确率,延长了预报时效.     

软土地区钢顶管施工引起的地表变形规律

为研究软土地区钢顶管施工引起的地表变形规律,以东莞某输水工程为背景,分别采用预测公式、数值模拟和现场监测的方法对顶进过程中引起的地表变形进行了计算和监测,以期得到顶进过程中纵、横方向的地表变形规律。首先推导出了基于顶进间隙的地表变形预测公式并计算出顶管施工可能产生的最大竖向位移为14.1 mm,此变形量在规范允许路面沉降范围内(≤20.0 mm),无须进行土体加固等措施;然后采用数值模拟的方法建立有限元模型对顶进导致的地表变形进行了计算,并就减轻地表变形的方法进行了讨论;最后与现场监测的结果进行了对比分析。结果表明：3种方法得到的变形曲线形状除了顶管轴线处地表峰值位移(数值模拟数值为13.7 mm,现场监测为15.2 mm)有稍许差异外,整体基本一致;顶管顶进时,横向监测断面的沉降槽呈“V”形,最大沉降值在顶管中心轴线处,随着距离中心轴线越远,沉降值越小,最后趋于0;纵向监测断面呈倒“S”形,大致可分为顶进前土体的隆起,顶进中土体的沉降,顶进后土体轻微回隆,顶进后土体稳定4个阶段;在顶管施工前可以对地表变形进行预测和数值模拟计算,结合预测和模拟计算的结果,通过合理的设置顶推力、注浆压力...     

贝叶斯预测与鲍克斯──詹金斯预测比较

本文是在全面了解Ｂａｙｅｓ预测与Ｂｏｘ－Ｊｅｎｋｉｎｓ预测的基础上，对这两种预测的主要特征加以对照和比较，指出了它们在建模思想、建模条件、建模步骤等方面的不同点以及两种预测模型的关系，从而使读者更深入地了解Ｂｏｘ－Ｊｅｎｋｉｎｓ预测。     

基于GA-Elman神经网络的交通流短时预测方法

以单断面的交通流量为研究对象,采用动态Elman神经网络进行短时交通流量的预测,提出一种基于GA-Elman神经网络的交通流短时预测方法.该方法通过遗传算法优化Elman神经网络的权值和阈值,克服了Elman神经网络易陷入局部最小的缺陷,同时提高了Elman神经网络的泛化能力和预测精度.实验仿真表明,本文方法可用于城市快速路上预测实时交通流量,预测效果优于Elman、GA-BP预测模型.     

混合寿命模型下的贝叶斯密度估计(英)

基于一类异族分布的混合寿命模型, 给出了在一/二组样本下的I/II型截尾试验下的贝叶斯密度估计方法; 给出了实例; 并提出了一些问题和解决方法.     

水稻纹枯病流行程度的模型预测

根据水稻纹枯病发生与危害程度的调查资料,经与各诱病因素的相关性分析,组建成早、晚稻纹枯病的长期预测模型。经1990～1994年的应用检验,预测准确率达80％以上。     

关税及其预测分析

本文介绍了关税及如何用回归分析的方法建立数学模型预测关税收入.根据从实习单位提取的数据,首先采用分段方法建立数学模型,并用SAS软件得到了相应的回归方程,然后利用回归方程预测2003年关税收入为1078.0782亿元人民币.文章最后总结了所建模型的应用价值和存在的局限性,并说明在现阶段预测关税收入的意义.     

短时交通流预测方法综述

以交通流预测研究的步骤为主线,对短时交通流预测的方法进行研究.对现存预测方法进行了分类分析:基于统计理论的方法、基于神经网络的方法、基于非线性理论的方法以及基于新兴技术的预测方法.将人工神经网络模型与其他领域的研究相结合的综合预测模型要比单一神经网络预测模型、常规预测模型的预测效果好;基于非线性理论的预测方法有较好的发展前景.     

史保平:地震预测和防震的美国经验

史保平,中国科学院研究生院地球科学教授;1982年毕业于北京大学,同年考入中国科学院地质与地球物理研究所,获理学硕士学位;1999年美国内华达大学地震实验室获地球物理博士学位;1999-2001年从事地震学方面的博士后研究,师从世界著名地震学家James N.Brune教授;2001-2005年任职于美国肯塔基大学地质调查所,从事工程地震与地震危险性方面的研究。