基于相对强度算法和参数遍历试验的地震预测回溯性检验——以中国川滇地区为例

探索地震活动的时空分布对于地震风险评估,尤其是对于中国川滇地区这样的地震频发区和强震危险区而言具有重要意义。相对强度算法(RI)基于统计学理论,使用过去的地震强度评估预测同一地点的未来地震强度。其原理简单,已多次在国内外强震预测的实践应用中取得了良好的效果。目前,经过多年的发展完善,该方法的预测性能愈加突出。为了辅助川滇地区的地震活动性预测工作,文中使用相对强度算法(RI)和参数遍历试验(PTT)进行了全面的参数分析,深入研究了RI算法在中国川滇地区的适用性,结果表明:由于参数选择合理(包括网格大小、异常学习时间窗长度、预测时间窗起始时间和预测时间窗长度),RI和PTT的组合研究表现出了明显优于随机猜测的预测效果,揭示了川滇地震危险区地震预测的有效参数区间。相对强度算法能够对川滇地区的地震活动进行预测,文中成果丰富了地震危险区地震趋势预测的参考依据。

基于遍历参数的主权信用风险评级方法

影响主权信用风险的因素众多,我们在对国内外相关文献和评级实践进行系统研究与梳理的基础上,发现无论是学术研究还是评级实践,在确定各个风险要素重要性时大多采用专家主观评估的方法。本文针对传统专家打分法在准确性与客观性方面存在的不确定性问题,建立了基于遍历参数的主权信用评级方法,该方法既有效综合了不同专家意见,也统筹了主权信用风险的特殊性与评级要求一致性的矛盾,使最终风险评估结果更具客观性。

结合机器学习的大气压介质阻挡放电数值模拟研究

大气压介质阻挡放电是应用中常用的放电形式,通常使用等离子体流体模型进行理论描述.本文针对大气压均匀介质阻挡放电每半个电压周期出现一次或多次电流脉冲的特性,基于机器学习方法构造一个全连接多层神经网络,采用误差反向传播算法,并设计了一个通用的隐藏层结构,将计算数据或实验数据作为训练集,借助于人工神经网络程序研究大气压介质阻挡放电的电流密度、电子密度、离子密度和电场强度等宏观与微观放电特性.通过分析计算结果可知,在给定合适训练集的条件下,构造的机器学习程序与流体模型能以近乎相同的计算精度(误差小于2%)来描述大气压介质阻挡放电等离子体性质,同时计算效率远高于求解流体模型,并能极大地拓展放电参数的遍历范围.本文的算例表明,将机器学习程序与现有的流体模型或动理学模型结合起来,将极大地提高大气压放电等离子体的模拟效率与效果,深化对放电等离子体的认识.