祁连山地震带地震短期综合预报方案研究

在多年地震预报研究和实践工作的基础上,系统研究了祁连山地震带地震活动短期阶段具有共性特征的地震活动增强、群体前兆异常演化、重点前兆和重点地震活动现象等,总结、提炼出了区域短期综合预报方案。

华北地区强震前兆空间动态场中短期综合预报研究

通过 8 0多种测震学指标的筛选和多种稳定性试验 ,探索以一种新的指标筛选法——“对比筛选法”选取地震学单参数 ,在此基础上提取地震学综合预报指标 P值。由此 ,发展了一种新的测震学的定量综合预报方法 SQIP。同时研究了非测震学前兆综合指标 PP值的确定和应用效果检验及其空间扫描的动态显示 ,尝试了震兆指标和前兆指标联合应用于地震预报的研究。以动态的思维逻辑不断追踪地震活动的异常行为 ,判定地震在中短期的危险地点。应用数学物理方法将各种前兆观测量转换为统一的无量纲地震信息量。在华北地区时空扫描实例的检验中其预报效能 R为 0 .66。

基于遗传算法地震短期综合预报分类系统在天山地震带的应用

应用"基于遗传算法的地震预报分类系统"建立天山地震带8个区的地震短期综合预报模型。在前人研究基础上对此分类系统的应用方法做了以下改进:以半年或一年样本窗内的地震活动资料预报未来3个月最大地震;采用阈值划分异常,区分高值和低值异常两类参数,再用异常持续时间进行地震环境信息编码;在研究区内,根据一年和半年样本窗和震级错半级的分档形式,形成4种地震环境信息编码方式。计算机自动运行此系统程序,寻找各自的预报模型。对预留样本的检验按震级区间进行规则对应率、虚报率和地震对应率、漏报率的效能评价,结果表明南天山各区检验情况好于北天山;对北天山预测出5级以上、南天山6级以上地震以及能给出有效重叠震级区间的模型加权后认为南天山中西段、柯坪块体区检验情况较好。结果还表明半年样本窗检验效能普遍高于一年窗,对较低震级的检验情况一般要好于较高震级。

基于遗传算法地震短期综合预报分类系统在祁连山及海原地震带的应用

应用“基于遗传算法的地震预报分类系统”,建立祁连山及海原地震带3个区的以预报未来3个月最大地震为目标的地震短期综合预报模型。结果表明,能预测出5级以上地震,给出的有效重叠震级区间的模型在祁连西段、祁连中东段检验情况较好,而在海原断裂带应用检验较差。另外对较低震级的检验情况一般要好于较高震级。对2003年10月25日甘肃民乐、山丹间6.1、5.8级地震进行了实际的应用检验。

地震短期综合预报的一种思路

地震预报是世界性难题,目前仍然是经验性预报阶段.由于单学科方法的预报效能不高,因此一般寄希望于综合预报,目前已有的综合预报思路往往都是采用多个方法的概率增益,但总体效果不是很好.本文提出了一种新的短期综合预报思路,其主要步骤是：首先寻找发震信度高的短临预测方法,该方法预测震级和地点的误差都可以比较大.

基于遗传算法的地震短期综合预报分类系统研究

简要介绍了基于遗传算法的分类器和在此基础上建立的地震预报分类体系的基本原理.设计出基于遗传算法的地震短期综合预报分类系统的研究思路和方法,即以异常持续时间为编码依据,以遗传算法为优选预报规则的工具,以预报3个月地震为目标,综合测震和前兆多手段进行地震预测.对北天山西段进行多参数初步试算后表明该方法具有很高的学习正确率和较高检验和预测能力.

凯里地区大到暴雨的天气特征指标及短期综合预报模式

采用天气学及动力学方法,利用凯里地区2004~2008年历史天气资料、要素指标及省、州数值预报产品,对凯里地区大到暴雨天气从环流背景、中小尺度天气系统、动力机制以及地形特征等方面进行了对比分析,找出凯里地区大到暴雨天气过程变化特征及预测指标。结果表明,高空槽、中低层切变是凯里地区产生大暴雨的基本形式之一,大到暴雨是几种尺度系统相互作用的情况下发生的,低空急流、中低层切变、地面冷锋是造成大到暴雨的主要影响系统;中低层充足的水汽输送和辐合,为大到暴雨发生提供了充足的水汽;大到暴雨前期,要考虑地形地貌条件、气候特征,分析凯里地区前一日要素指标的变化情况,找出能量的高度不稳定区域,对大到暴雨落区有很好的指示作用。利用凯里地区的气候特征及凯里地区大到暴雨短期的综合预报模式来预报天气,具有较强的预报能力,也具有很强的地区性,其他地方不能简单套用,但可以根据介绍的方法,建立适合当地的预报方法。

哈萨克斯坦地震短期综合预报系统的地震生物监测(外文)

? статье представле ны материалы исследований необычного пов едения животных перед сильными землетряс ениями(M>5.5) в казахстане.Для реш ения этой задачи созданы система сейсмобиологического мониторинга,програм мы для анализа данных и шкалы оценки пов е дения животных.Представлены пространстве нно-временные закономерности формировани я биопредвестников перед сильными землет рясениями-Байсорунским(M=6.3),Текел ийским (M=5.8),Зайсанским (M=7.0).Исследованы изменения электрических пара метров биологически активных точек(БАТ) к ожи кроликов при воздействии метеогеофи з ических факторов.Между активной проводим остью кожи и температурой воздуха получе на силЬная прямая корреляционная связь.Д ля выделения сейсмически обусловленного необычного поведения животных по данным сейсмобиомониторинга исследовано влияние космофизических и метерологических факт оров на активность животных.Получено,что корреляционная связь между активностью з мей,мешкожаберных сомов,кроликов и значе нием полного вектора геомагнитного поля слабая,для дикобразов-средняя и для голу бей-сильная.Вариации естественного потен циала Земли в районе наблюдений,осложнен ные присутствием антропогенных помех,не оказывают существенного влияния на повед ение животных.Представлены вариации акти вности Змей и рыб,очищенные от"помехообр азующих"метеофакторов.

基于EEMD和机器学习的烧结矿FeO成分长短期综合预报

炼铁讲“七分原料,三分操作”,烧结矿是高炉炼铁的主要原料,FeO成分是影响烧结矿还原性、强度和粒度的重要指标,也是影响高炉铁水产量和燃料比的重要因素。因此,及时精确地掌握烧结矿FeO含量对于指导高炉炼铁的顺利生产具有显著作用。针对烧结矿FeO成分检测结果延时、精度差的问题,提出并建立一种集合经验模式分解EEMD和机器学习的FeO成分长短期综合预报模型。针对烧结数据进行探索性分析,挖掘了烧结数据存在的特性,有根据地采用箱线图和滑动窗口处理数据,保证了数据价值,为建模夯实了数据基础。综合模型包含2个模块。长期预报模型应用EEMD分解波动型FeO成分数据,降低输入数据的复杂性,以双向长短期记忆神经网络Bi-LSTM进行3 h内FeO成分的提前预报;短期预报模块融合EEMD、特征选择和提取方法构造衍生特征,增强模型对于输入和目标数据的学习能力,以极限树ET对下1 h的FeO成分进行预报。在未知烧结数据测试集的验证下发现,EEMD辅助机器学习建模能够大幅提升FeO成分预报精度和稳定性,EEMD-Bi-LSTM和EEMD-ET模型的平均绝对百分比误差M_(APE)为1%左右、均方误差M_(SE)为0.027左右,误差接近零值。预测区间命中率最高能达到94%以上,FeO成分预测趋势与真实情况一致。此结果有助于现场实现FeO成分趋势和数值的精准提前把控。