淮河流域洪水的分形特征及可预报时间研究

用淮河流域代表性测站蚌埠站的多年逐日流量资料建立了洪水时间序列,在计算洪水序列的分维,定量证明洪水系统分形性和混沌性的基础上,对该序列作R/S分析,计算了序列的Hurst指数及其随时间的变化.分析表明:淮河流域洪水序列是分式布朗运动,具有明显的Hurst效应,H值的时间变化反映了洪水系统的演化特征.通过计算反映洪水相空间特征的参数Lyapunov指数和Kolmogorov熵,分析了洪水变化的可预报时间.淮河流域洪水具有短期可预报性,其可预报时间尺度为4～7年,平均可预报时间为5年.

淮河流域洪涝变化可预报时间研究

在先前研究的淮河流域洪涝变化基本特征、混饨特征、耗散性等基础上，采用Ｋｏｌｍｏｇｏｒｏｖ熵和Ｌｙａｐｕｎｏｖ指数谱分析了淮河流域洪涝变化的可预报时间。研究表明，淮河流域洪涝变化长期不可预报，短期是可以预报的，其可预报时间为４～６年，以４年为较合适。

混沌时间序列可预报时间长度分析

以经典混沌序列———Henon映射序列为例,对不同长度、不同噪声水平的序列进行了预报试验.结果表明:(a)纯净序列,序列越长,预报精度越高,同时预报精度衰减速度随之减慢,并且,当序列足够长时,即使较长预报步长的多步预报,仍可取得相当高的预报精度;(b)含噪声序列,其预报精度随步长的增加迅速地呈指数衰减,并且,序列长度基本上不会对预报时间长度产生影响,但噪声水平对可预报时间长度有一定影响,噪声水平越高,可预报时间长度越短.因此,不明确可预报的标准、不考虑序列长度、噪声水平等因素的影响而简单地以最大Lyapunov指数的倒数定义最大可预报时间长度,是不可取的.同样,根据最大Lyapunov指数推断水文过程的可预报时间长度也是不合适的.

从一维气候时间序列直接提取K熵及其可预报时间的估计

对广州１９０８～１９８０年的月平均气温资料，在延拓的ｎ维相空间中直接提取Ｋ熵，得到该序列的Ｋ熵值为０．１８１９，由此得到，月平均气温的平均可预报时间Ｔ＝１／Ｋ，约为６个月。

一维水文要素时间序列及可预报时间尺度研究

用浑沌理论分析了一维水文要素时间序列的模式特征和中长期预报的可行性 ,并给出了水文要素可预报时间尺度的衡量指标。经过水文系统的实例研究表明 :水文系统具有混沌性 。

滑坡灾害可预报时间尺度问题探讨

本文从非线性系统的吸引子概念出发，根据相空间轨道上初始时刻相邻的点随时间的演化来估计吸引子的维数和可预报时间尺度。实例分析表明，滑坡孕育过程存在着已知变量数目范围的确定性规律，是可以预报的，但可预报时间范围有限。据此，对长期、中期及临滑预报的可行性作了分析。

黄河主要断面泥沙时序可预报时间及趋势分析

选取黄河头道拐、潼关、花园口和利津断面1952—2000年的泥沙含量为时序，分别计算了泥沙时序的K2熵和Hurst指数。结果表明，各断面的款熵变化在0．13～0．38之间，说明黄河流域各级系统均具有混沌特征，并且从上游到下游混沌特性逐渐增强。随着混沌特性的增强其平均可预报时间下降，头道拐断面的可预报时间8a，其余断面为3a。各断面Hurst指数均大于0．68，在可预报时间内泥沙时序具有持续性下降趋势，并用2001—2004年实际数据进行了验证。

Lyapunov指数和可预报时间尺度及其应用

介绍了混沌系统中的Lyapunov指数概念 ,给出了Lyapunov指数的计算过程 ,且计算了我国各地月平均气温Lyapunov指数和最大可预报时间尺度 ,指出Lyapunov指数的量极为 10 -2 ,它们的分布具有明显的地域特性 ,并与气温的变率标准差进行比较分析 。

预报时间要灵活一点

柯受良驾车飞越黄河壶口瀑布,是世人皆知的重大新闻,人们按照中央电视台提供的预报时间,打开了电视机,收看现场直播。但因为直播时间过长,一些人对锣鼓等表演并不在意,最关心的是飞越那一瞬。

基于SBAS-InSAR技术的大型滑坡时序微小形变分析及其灾变时间预报

发育于高山峡谷区的大型滑坡往往具有隐蔽性强、突发性高和危害性大的特点,基于传统监测方法的时序形变数据通常非常匮乏,从而给此类滑坡的早期识别和灾变时间预报带来了极大困难。鉴于此,以西藏自治区江达县波罗乡白格滑坡为例,基于23幅C波段Sentinel-1A升轨雷达影像,利用短基线雷达干涉测量技术(SBAS-InSAR)获取了2017年3月18日至2018年10月3日的垂直方向地表时序形变数据,分析了该滑坡的年平均形变速率、累积形变演化以及典型观测点的累积位移变化,然后利用速度倒数模型对其灾变时间进行了预报。结果表明:白格滑坡灾变前具有明显的形变分区,即强烈变形区、次强烈形变区、一般形变区和基本稳定区,其中强烈形变区的垂直方向年平均形变速率为-39~-67 mm/a;白格滑坡的形变模式概括为后缘滑移牵引—前缘阻滑段渐进滑移—中后部整体变形,与此对应形成了牵引区、阻滑区和主滑区,且阻滑区的形变对降雨较敏感;速度倒数模型预报白格滑坡灾变时间滞后于实际灾变时间8 d,预报效果良好。研究结果表明SBAS-InSAR技术在类似大型滑坡灾变前的形变演化特征分析及灾变时间预报中具有广阔的应用前景。

基于混合高斯隐马尔科夫模型的滑坡发生时间预报

滑坡发生时间预报在防灾减灾工作中非常重要,准确的预报能够有效预防灾害发生可能造成的灾难性结果。为解决当前滑坡预报中仅仅实现对滑坡位移等相关参数的预测和估计,而未最终计算出滑坡发生时间的问题,提出采用混合高斯隐马尔科夫模型(MOG‐HMM)建立滑坡发生时间预报模型,即对滑坡灾害演化过程全周期数据利用混合高斯算法计算出宏观信息预报判据,与隐马尔科夫模型中的状态相匹配,建立滑坡演化状态模型,该模型能够反映全周期数据的多个状态,当需要对实时采集的位移数据进行时间预报时,首先利用解码算法对当前数据解码,即计算出其属于滑坡的哪个状态,然后利用Dijkstra最优路径规划算法,计算出从当前状态到达滑坡发生状态的时间,实现滑坡发生时间预报。通过对新滩滑坡和卧龙寺滑坡灾害全周期数据进行仿真验证,结果表明,本文方法能够比较准确地计算出滑坡发生的时间,同时利用评价指标对预报的结果进行测试,符合预报指标精度要求。

基于卫星双向时间频率传递进行钟差预报的方法研究

用多项式拟合、谱分析、改进的AR模型三种方法对由卫星双向时间频率传递得出的钟差时间序列进行了拟合和预报分析。为了抵制钟差时间序列中异常值的影响,引入了“抗差等价权”,利用卫星双向时间频率传递得到的1 d的钟差,按不同采样率、不同时间跨度进行计算分析。结果表明,抗差估计的预报精度明显高于最小二乘估计;平滑值的预报精度高于采样值;由于钟差时间序列中有明显的周期变化,多项式进行钟差预报的精度不可靠;用谱分析进行钟差预报的精度不高,但可以发现钟差时间序列中的主要周期变化;改进的AR模型预报精度最高,预报6 h钟差的RMS在1 ns左右。

蠕变－样条联合模型及其在滑坡时间预报中的应用

根据滑坡演化的一般规律并考虑到外动力因素对斜坡变形破坏的影响，提出了一种蠕变与样条的联合模型。通过新滩滑坡和链子崖危岩体的实例分析，采用蠕变－样条联合模型进行滑坡位移数据分析和临滑时间预报。初步研究表明。

滑坡时间预报的非平稳时间序列方法研究

本文基于边坡变形破坏的特点，对位移观测数据进行统计分析，利用非平稳时间序列理论就位移观测值建立模型进而作出预报。通过实例验证，该理论方法在边坡变形破坏时间预报中是有效可行的。

利用切比雪夫多项式模型进行时间预报的研究

讨论两种原子钟时间预报模型:普通多项式模型和切比雪夫多项式模型。利用IGS提供的精密钟差数据,分别对3种不同时期发射的GPS卫星的卫星钟预报1天的卫星钟差,并对其钟差预报效果进行分析和比较,结果表明,利用切比雪夫多项式模型进行时间预报,其与普通多项式模型的预报效果相差很小,因此可以用切比雪夫多项式模型来替代普通多项式模型进行卫星钟差的预报。

滑坡时间预报的费尔哈斯反函数模型法

费尔哈斯模型是德国生物学家费尔哈斯（Ｖｅｒｈｕｌｓｔ）１８３７年提出的一种生物增长模型。本文利用这一模型的反函数来拟合和描述边坡变形特征，建立了滑坡时间的预报判据和预报模型。最后，应用具体实例，在边坡变形破坏机制分析的基础上，对预报模型进行了检验和验证。结果表明，费尔哈斯反函数模型在短临预报中具有较高精度。

神经网络在工程时间序列预报问题研究中的应用

对岩土工程中时间序列预报问题进行了研究。灰色建模机理研究表明，灰色建模存在若干问题，因此，在处理岩土工程中时间序列预报问题时，要慎用灰色系统建模。探讨了岩土工程时间序列与神经网络间的联系，论证了神经网络的函数逼近能力，建立了基于神经网络的岩土工程时间序列预报模型。研究实例表明，该模型的预报精度高，为解决岩土工程中时间序列预报问题提供了一条崭新途径。

基于负载的任务运行时间预报模型

由于计算资源具有广域分布、异构、动态等特点,使得计算网格环境下资源管理和调度成为一个非常复杂且具有挑战性的问题。分布式系统的性能度量、分析及预报已变得日益重要,而精确预报任务的运行时间,对达到应用性能是至关重要的。该文描述了一个基于负载的任务运行时间预报系统模型,它是任务调度及资源分配算法的中心。

半渗透隔板底水油藏油井见水时间预报公式

为了更好地开发底水油藏 ,对底水油藏油井的见水时间预报问题进行了研究 ,为了简化数学分析 ,在推导过程中假设 :①稳定流动 ;②忽略毛管力 ,油、水间有明显的界面 ;③油、水的密度和粘度为常数。在此基础上给出了存在半渗透隔板的底水油藏油井见水时间预报公式 ,该公式把存在半渗透隔板和无隔板 2种情形的底水油藏油井见水时间预报问题统一了起来 。