期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
长江流域陆地水储量异常的卫星重力监测与干旱指数对比分析 被引量:2
1
作者 赵雅娴 张子占 +1 位作者 郑硕 闫昊明 《大地测量与地球动力学》 CSCD 北大核心 2023年第2期121-127,共7页
利用GRACE/GRACE-FO数据对长江流域2003~2021年期间发生的干旱事件进行定量分析,以探究卫星重力监测区域性干旱的可行性。采用3个机构发布的5种GRACE/GRACE-FO数据产品(CSR_SH、JPL_SH、GFZ_SH、CSR_M、JPL_M)反演长江流域陆地水储量异... 利用GRACE/GRACE-FO数据对长江流域2003~2021年期间发生的干旱事件进行定量分析,以探究卫星重力监测区域性干旱的可行性。采用3个机构发布的5种GRACE/GRACE-FO数据产品(CSR_SH、JPL_SH、GFZ_SH、CSR_M、JPL_M)反演长江流域陆地水储量异常(TWSA),计算陆地水储量亏损(WSD)和水储量亏损指数(WSDI),结合气象干旱数据(SPI、SPEI、scPDSI)对5种数据产品的结果进行比较,并对2003~2021年长江流域干旱事件进行分析。结果表明,不同机构发布的GRACE/GRACE-FO数据产品对长江流域干旱事件严重等级的划分具有一定差异;WSDI与6个月时间尺度的SPEI相关性最高,相关系数为0.66,与scPDSI相关系数最低为0.54,降水是影响长江流域陆地水储量变化的重要因素;长江流域最严重的干旱事件发生在2019年夏秋季,干旱强度为2.31,持续10个月,水储量累计亏损达到415 Gt,此次干旱事件的WSDI空间分布图显示2019-09干旱最为严重,出现极端干旱区域。WSDI可反映长江流域干旱分布的时空变化,可在监测全球和大尺度区域干旱方面发挥重要作用。 展开更多
关键词 GRACE/GRACE-FO重力卫星 陆地水储量异常 水储量亏损指数 干旱事件
下载PDF
中国股票市场亏损股价格波动的统计分析
2
作者 柳松 《韶关学院学报》 2004年第1期43-46,共4页
亏损股的价格波动是金融理论界和实务界的关注热点之一。将协整模型与ARCH模型和GARCH模型相结合,可探知亏损股板块的价格波动特征;进而采用脉冲响应函数和方差分解法可得知亏损指数波动和市场指数波动的相互冲击效应和相互影响程度。
关键词 中国 股票市场 亏损 亏损指数 价格波动 协整模型 ARCH模型 脉冲响应函数 方差分解法
下载PDF
利用GRACE时变重力场数据监测长江流域干旱 被引量:9
3
作者 王杰龙 陈义 《大地测量与地球动力学》 CSCD 北大核心 2021年第2期196-200,共5页
利用2003-01~2014-12 CSR和JPL的RL06 Mascon解、RL06球谐系数(SH)解及level-3等6种GRACE时变重力场模型数据和GPM数据产品,分别计算长江流域的水储量和降雨变化,并利用广义三角帽方法分析GRACE数据的不确定性,同时计算水储量亏损指数(W... 利用2003-01~2014-12 CSR和JPL的RL06 Mascon解、RL06球谐系数(SH)解及level-3等6种GRACE时变重力场模型数据和GPM数据产品,分别计算长江流域的水储量和降雨变化,并利用广义三角帽方法分析GRACE数据的不确定性,同时计算水储量亏损指数(WSDI),以监测和分析长江流域干旱的时空特征,并与改进的帕默尔指数(scPDSI)进行对比。结果表明:目前在反演水储量变化方面,Mascon方法的不确定性小于球谐系数法,JPL_M、CSR_M、CSR_L3、JPL_L3、CSR_SH和JPL_SH的具体不确定性分别为3.51 mm、3.78 mm、5.45 mm、9.87 mm、9.12 mm及10.71 mm;降雨是影响长江流域水储量变化的重要因素,两者的相关系数达0.67,同时两者都具有明显的季节性变化;水储量亏损指数探测到2003-01~2014-12长江流域共历经6次干旱事件,最长时间的干旱始于2003-02,持续24个月;最严重的干旱发生于2006年春季和2011年夏季,强度分别为2.15和1.97;平均水储量亏损指数的空间分布表明,2006-07~2007-06几乎整个长江流域都处于干旱状态,而2011-03~11干旱主要集中于长江流域下游、中游和上游东南地区。 展开更多
关键词 GRACE 干旱评估 水储量亏损指数 陆地水储量变化 改进帕默尔指数
下载PDF
两类新推进排序算法 被引量:3
4
作者 高炜 梁立 《计算机工程与科学》 CSCD 北大核心 2011年第7期163-166,共4页
排序学习算法的目标是得到最优排序函数,它给每个实例一个得分,并根据得分排定各实例的先后次序。在推进排序算法的框架下,允许学习存在一定程度的误差。设定正数ε作为允许误差的范围,用对称ε-insensitive指数亏损函数和对称ε-insens... 排序学习算法的目标是得到最优排序函数,它给每个实例一个得分,并根据得分排定各实例的先后次序。在推进排序算法的框架下,允许学习存在一定程度的误差。设定正数ε作为允许误差的范围,用对称ε-insensitive指数亏损函数和对称ε-insensitive对数亏损函数替换原来的指数亏损函数,得到新算法。实验表明新算法是有效的。 展开更多
关键词 排序 二部排序 推进排序 对称ε-insensitive指数亏损函数 对称ε-insensitive对数亏损函数
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部