地质灾害气象预报预警方法探讨——以四川省地质灾害气象预报预警为例

通过研究确定区域地质灾害发生的地形地貌、地层岩性、地质构造等地质环境背景条件,寻找地质灾害发生与气象因素的耦合关系,建立汛期地质灾害气象预报预警模型,结合强降雨天气的预报,对地质环境背景条件与气象因素的叠加评价,对地质灾害的易发程度及分布范围进行预报预警。以四川省地质灾害气象预报预警工作为例,初步建立了地质灾害气象预报预警模型和信息的评价、会商、签发、发布、接收、处理及反馈程序。2003年汛期应用证明,区域性地质灾害的预报预警水平明显提高。

双重误差检验的寒潮释用预报方法初步研究

对欧洲数值中心 850百帕格点温度预报值做信度检验的基础上 ,提出了一种未来 72小时内最大变温及最低日平均气温的释用预报方法。将预报的变温和最低日平均气温作线性集成后 ,反演为预报日的日平均气温预报值 ,并与实测日平均气温比较 ,做出预报结论的可靠性推断。由此构成了对数值产品双重误差检验的寒潮释用预报准则。经一年多业务应用 ,取得了令人满意的效果。

地质灾害预报预警方法探讨——以岫岩县气象预报预警为例

岫岩县存在着以崩塌、滑坡、泥石流为主的多种地质灾害。文章野外地质灾害调查和收集的各种资料,建立Acess数据库,并运用MAPGIS软件平台投影转换、空间分析等功能,对岫岩县地质灾害易发程度进行分区。结合地质灾害发生与气象因素的相互关系,提出了各易发区的群发性地质灾害临界降雨量,初步建立了地质灾害气象预报预警和信息的发布程序。

最小耗能原理与地震预测问题

本文认为最小耗能原理是一个与地震现象密切相关的自然界的普适性原理。在简要介绍该原理的基础上,对所谓"地震带"、"板内地震"、"特征地震"、"地震空区"等有关问题作了探讨,提出并详细地介绍了一条根据最小耗能原理建立地震预测、预报准则的技术路线;最后对地震的预测、预报是否可能实现等问题进行了讨论。

多标记学习的嵌入式特征选择

维数约减是数据挖掘领域的关键技术.传统的降维方法主要解决单标记学习问题.由于多标记学习问题的复杂性,多标记降维方法很少.直接应用未监督的降维方法到多标记学习中,忽略了类标信息.而通过分解多标记问题为单标记问题,应用现有的有监督降维方法到多标记学习中,忽略了类标间的关系.现有的多标记有监督的降维方法是基于依赖最大化的维数约简(multi-label dimensionalityreduction via depen dence maximization,MDDM),它是一种特征抽取的方法.目前还没有多标记的特征选择方法.因为在多标记学习中如何评估特征,是一个很有挑战性的问题.本文提出一个嵌入式的特征选择方法MEFS(multi-label embedded feature selection),其中采用预报风险准则作为特征的评价准则.在公开评测的yahoo网页分类数据集上进行了两个实验:(1)分析多标记学习的性能指标对特征评估的影响;(2)比较MEFS与MDDM,PCA(主成份分析),LPP(局部保留投影)的降维效果,实验显示MEFS的性能优于新近提出的MDDM等一些流行的多标记降维方法.

智能健康住宅监护数据的分析方法

智能健康住宅为缓解人口老龄化的压力和优化医疗资源配置提供了重要手段,其特点是在家庭环境下提供各项生命体征参数监测,并对监护数据自动分析处理.文中提出了以时序建模为基础的智能健康住宅监护数据分析方法.此方法由3个部分构成,包括模型辨识、模型更新以及基于模型的预报区间确定.模型阶数基于最终预报准则确定,使得模型能更好地符合观测数据.基于自适应滤波器算法的模型参数在线更新,能确保模型更好地描述监护数据的动态特性.根据建模结果,作前向30步预报,可确定预报区间.据此,可实现对监护数据中的平稳值、异常值以及状态变化3种特征模式的识别.通过应用PhysioNet中的3组数据集进行实验研究,发现文中方法的预报结果准确,能实现对智能健康住宅中连续监测数据的在线分析.