CLIMATE CHANGE:LONG-TERM TRENDS AND SHORT-TERM OSCILLATIONS

Identifying the Northern Hemisphere (NH) temperature reconstruction and instrumental data forthe past 1000 years shows that climate change in the last millennium includes long-term trends and variousoscillations. Two long-term trends and the quasi-70-year oscillation were detected in the global temperatureseries for the last 140 years and the NH millennium series. One important feature was emphasized thattemperature decreases slowly but it increases rapidly based on the analysis of different series. Benefits can beobtained of climate change from understanding various long-term trends and oscillations. Millennial temperatureproxies from the natural climate system and time series of nonlinear model system are used in understanding thenatural climate change and recognizing potential benefits by using the method of wavelet transform analysis. Theresults from numerical modeling show that major oscillations contained in numerical solutions on theinterdecadal timescale are consistent with that of natural proxies. It seems that these oscillations in the climatechange are not directly linked with the solar radiation as an external forcing. This investigation may concludethat the climate variability at the interdecadal timescale strongly depends on the internal nonlinear effects in theclimate system.

怒江⁃萨尔温江流域植被覆盖时空变化趋势及驱动力

植被作为陆地生态系统的主要组成部分,对区域生态系统环境变化、全球碳循环和气候调节具有非常重要的作用。怒江⁃萨尔温江流域是东南亚最重要的跨境河流之一,其植被变化会影响区域生态系统和气候。研究以怒江⁃萨尔温江流域为研究区,基于2000—2021年MODIS NDVI数据,利用BFAST模型、Hurst指数以及地理探测器研究了其植被覆盖时空演变趋势和未来可持续性以及驱动因子。结果表明:(1)2000—2021年,怒江⁃萨尔温江流域植被覆盖总体呈波动上升趋势,多年平均植被覆盖度FVC(Fractional Vegetation Cover)为0.73,以高植被覆盖和较高植被覆盖为主。植被分布具有明显的空间异质性,下游和中游植被覆盖明显优于上游。(2)BFAST趋势表明,近22年怒江⁃萨尔温江流域植被覆盖改善和退化的区域面积占比分别为71.24%、28.76%,改善的区域远大于退化的区域,说明研究区植被得到较好的保护。Hurst指数显示,未来植被将持续改善和退化的区域占比分别为94.89%、2.76%。BFAST与Hurst二者叠加共耦合了17种植被覆盖的未来趋势情形,整体上未来植被呈持续改善为主,将持续改善和持续退化状态的面积占比分别为68.99%、29.09%。(3)基于最优参数的地理探测器结果表明,海拔对研究区植被覆盖分布具有宏观控制作用,影响最大,其次是气温、降水等气象因子。各区域植被覆盖影响因素又具有差异性,其中,海拔和土地利用方式对上游地区植被覆盖的影响比中游和下游区域显著;中游高山峡谷地区以海拔以及海拔差异带来的气温、降水差异对植被覆盖影响重大;下游地区以人口、GDP等人为因素影响为主。研究结果对了解研究区生态环境状况及未来变化提供科学数据支持。

城市需水量预测方法比较

为了提高城市需水量预测的精度,基于北京市2000—2011年的实际用水量数据,对比分析了BP神经网络预测模型、灰色GM(1,1)模型、非线性趋势模型和灰色-神经-趋势组合预测模型及其基于马尔科夫修正的各单项模型需水量预测结果。结果表明:组合预测模型优于各单项模型,基于马尔科夫修正的各模型优于各未修正预测模型。基于马尔科夫修正的灰色-神经-趋势组合预测模型预测精度最高、效果最好。

最近50年长江流域极端降水特征的再分析

长江流域是中国重要的水能基地，水患灾害频繁，研究该流域的极端降水事件的分布及变化特征，对预测及应对旱涝灾害影响有重要意义。本文利用长江流域1961~2010年最近50年逐日降水量资料，分析了4个极端降水量指标和2个极端降水频率指标的时空变化及趋势变化特征，特别地利用Logistic回归模型，分析了2个极端降水频率指标的非线性趋势特征。结果表明：整个长江流域各种极端降水量指标的空间差异明显，大值区分布在长江流域上游四川盆地向青藏高原的过渡区和中下游地区，极端最大值分布在流域中几个典型的高山测站；最大1日降水量和超90％阈值降水总量随时间有显著的线性增大现象，但是区域平均年降水量和极端过程降水随时间没有明显的线性趋势；长江上游和中游一带极端频率指标中存在显著非线性增大趋势，四川盆地和下游地区极端频率的非线性趋势不明显。极端降水量大的区域，极端指标出现频率也很高，对年降水量贡献很大，是产生洪涝灾害的重要原因。

滑动轴承摩擦故障趋势预测的系统自记忆模型

针对滑动轴承时间序列非线性引起的接触摩擦故障趋势难预测的问题,提出一种基于系统自记忆预测模型的滑动轴承接触摩擦故障趋势预测方法。该方法首先根据信号激励源不同的特点,将采集信号分离为冲击声和随机声,然后采用函数拟合、求导和灰色理论分别反演出冲击声和随机声的系统微分方程,并运用双向差分求取不同微分方程对轴承接触摩擦故障信号系统动力核的影响系数。通过引入自记忆函数,将滑动轴承摩擦故障系统动力核反演成一个微分-差分方程,由此得到滑动轴承的自记忆预测模型。应用到静载荷和动载荷的滑动轴承接触摩擦故障实例中,验证了所提方法的有效性,为滑动轴承磨损退化趋势预测提供了一种新的途径。

泥水平衡盾构顶推力非线性动力学分析与应用研究

泥水平衡盾构开挖过程中常遇到盾构顶推力难以确定且波动复杂的问题。针对该问题,对盾构推进过程中所受阻力进行系统的分析,确定了阻力的组成部分和计算方法,改进了盾壳与周围土体间摩擦力的计算公式。分析泥水平衡盾构推进系统的组成和工作原理,基于盾构推力的静力学模型建立了单自由度动力学模型,根据能量守恒原理建立了系统的平衡微分方程,推导出盾构推力的非线性动力学公式。基于上述公式,分析了盾构推力的变化趋势和波动规律,确定了液压油缸的最佳行程距离。通过与武汉地铁8号线越江隧道长江穿越段盾构顶进推力的实测数据对比分析,验证了提出公式能够正确计算管片衬砌所受的动态顶推载荷,对衬砌结构内力分析具有重要意义。

基于RBF神经网络的电网脆弱性评估及其趋势估计

建立了分层网状拓扑结构下的电网脆弱性评价体系,针对该体系提出了基于径向基函数(Radial Basis Function,RBF)神经网络的电网脆弱性评估方法。将电网综合脆弱性分为状态脆弱性和结构脆弱性,并与相应的子指标构成脆弱性网状评价体系,同时以高斯(Gauss)函数作为RBF神经网络函数的核函数解决指标间的非线性问题。通过MATLAB中的RBF神经网络函数对IEEE14母线系统计算分析,验证了该方法的全面性与有效性。最后,针对节点多个测量周期的脆弱性测度建立自回归(Auto Regression,AR)模型,通过判定AR模型的差分方程稳定性,分析了节点脆弱性测度的发展趋势。

非线性趋势模型参数的外点最速下降算法

针对非线性趋势模型参数求解问题,该文提出一种全新通用算法:外点最速下降算法。该算法依据约束最优化方法理论,使用外点法和最速下降法,将参数求解问题转化为有约束非线性规划问题。以沉降预测为例,通过对3种典型非线性趋势模型的试算,说明使用该算法所得参数建立模型预测精度普遍较高;同时选用预测平均绝对误差作为衡量精度指标,在此算法下,能在事先计算出此数值,从而可大致估计预测精度;之后分情况给出获得精度较高参数的公式,并通过分析,进一步优化选点方法。

一种CORS站高程序列非线性趋势项分析方法

针对传统线性模型通过拟合连续运行参考站(CORS)高程时间序列趋势项,使CORS站运动趋势单一化导致无法体现测站各自运动特性的问题,该文提出一种基于CORS高程时间序列本身的非线性趋势项定量识别与估计方法。首先,用K均值聚类整体经验模态分解方法对CORS站高程时间序列进行分解;其次,基于排列熵理论进行非线性趋势项的定量识别与合成;最后,采用正弦函数模型、线性多项式模型、傅里叶模型对非线性趋势项进行建模拟合并讨论拟合精度。实验结果表明:基于排列熵的非线性趋势项定量识别方法避免了人为判别误差,准确地反映了序列自身的变化趋势;3种模型中,傅里叶模型拟合效果最佳。