简介：应用时间序列分析方法建立滑坡位移AIkIMA预报模型。采用差分平稳，自回归AR模型和移动平均MA模型对滑坡位移进行预测，得到了该滑坡监测点TP1的预报模型为AIkIMA（2,2，1），然后分析对比实测与预测位移一时间曲线之间的关系。计算结果能够较好地体现出滑坡在外界诱发因素作用下位移的发展变化趋势，说明所建滑坡位移预测预报模型效果较好，在滑坡位移预测中是有效可行的。

简介：利用时间序列分析软件CATS对研究地区的GPS观测资料进行噪声分析,使用了时间域上的最大似然估计法以及频谱域上的频谱分析法。结果表明,对于研究地区的GPS资料,白噪声＋闪烁噪声为较好的噪声模型,可提高该地区地壳变形速度估计的精度。

简介：以1977-2012年中国海赤潮的年发生频率及2001-2012年赤潮的月发生频率数据资料为基础,建立赤潮事件的年发生频率和月发生频率时间序列。赤潮的年发生频率与时间的分段回归拟合效果较好,月频率的季节性最大值在5月（约18.22）,随机波动的大小随时间序列逐步增加,波动峰值主要出现在5-7月。利用Holt指数平滑法和Holt-Winter指数平滑法分别对赤潮事件的年发生频率和月发生频率进行预测,结果表明2013-2020年赤潮的年发生频率呈年平均增加1次的缓慢趋势上升,2013-2016年5-7月份为赤潮高发期,峰值出现在5月,基本稳定在25次左右。

简介：文章将卡尔曼滤波理论应用于时间序列影像的背景估计,引入衰减记忆因子解决滤波的发散问题,最终实现了对背景信号的估计.

简介：本文利用兰州１９４４～１９９７年的月平均降水资料，建立了线性平稳序列的降水预测模型，该模型使用了功谱密度函数中的最大熵法（或叫全极模型），并将特征多项式模大于１的根反射到单位圆内，再返回修正后的线性预测的系数。并对１９８６～１９９７年１１年的月降水做了预测试验，试验结果表明，该模型具有一定的预报能力，其中取１５阶预报效果较好。此方法在短期气候预测业务中，可作为台站月、季、年降水预测走向客观化、定量化方法的一种初步尝试

简介：1初霜日序列中存在着的统计特征近几年有些气象要素变化无常,往往很容易地超过极值.无霜期显著延长,初霜日序列变得没有规律可循,这些都与气候异常有关.以往制作初霜日预报,无非是用周期叠加外延法去做,但近几年初霜日序列的周期性越来越不明显,无法通过统计检验,预测结果的可靠性差,有时预报误差在半个月以上.

简介：介绍并比较了两种有监督的机器学习方法：BP神经网络和决策树。用两种方法分别论证了如何利用测井信息非线性地表示孔隙度。与传统的线性回归方法相比,机器学习效果更好,准确性更高。BP神经网络和决策树的应用效果表明,机器学习可以有效预测孔隙度,也可以应用于储层孔隙度预测中。相比之下,神经网络具有更高的准确性和更广阔的前景。

简介：联合模型是能够应用于地下水水位预测的一种时间序列分析法，它由趋势函数、周期函数和自相关函数组成。本文结合北京市地下水监测资料进行了趋势性、周期性和自相关性分析，详细讨论了联合模型在地下水水位预测中的应用。

简介：利用华北地震区的地震资料（1000～1977），对地震时间序列进行了周期图分析和极大熵谱分析，提取了隐含在随机噪声中的隐含周期。结果表明，这两种方法所得结果很接近，地震应变能√Ei；释放的隐含周期利用周期图分析提取的主要周期是30年、245年和305年，极大熵谱分析方法提取的主要周期是30年、240年和300年。这三个主要周期存在“倍30”的关系，240年和300年周期是30年周期的整数倍。30年周期反映了各活跃幕中的幕式活动规律，300年周期同各活跃期高潮时段之间的时间差的平均值相符，华北自1000年以来的四个活跃期高潮时段之间的时间差平均值是300年。

简介：对广西近百年平均气温及降水量变化进行了多时间尺度的层次结构研究,并与Nino3区的海温距平进行奇异交叉谱分析。结果表明：平均气温有较强上升趋势并伴有明显的准两年周期振荡;降水则呈下降趋势,主要周期为32a左右及准两年振荡。1884至1910年代初,广西处于干冷期;1910年代初至1930年前后,处于湿冷期;1930年前后至1950年代后期,处于湿暖期;1950年代后期至1990年代前期,处于干暖期。ENSO事件3-7a的周期对广西平均气温及降水影响显著,赤道太平洋海温变化对广西气温的影响主要表现在年代际变化上,对降水的影响主要体现在年际变化上。

简介：在研究各类地震序列震级一频度客观分布的基础上，我们对45个地震序列的特征震级M0的普遍特征及差别作了进一步研究。结果，为地震预报探讨了一种可能的方法一用特怔震级M0≥2．0（或平均震级M≥2．1）作为地震预报的一个前兆性指标。同时还发现，当序列中主要事件超过7级以后，M0和M均限定在很小的震级域内变化。

简介：以三江平原为研究区,利用多时相的中分辨率成像光谱仪（ModerateResolutionImagingSpectroradiometer,MODIS）影像数据,采用一种基于归一化植被指数（NormalizedDifferenceVegetationIndex,NDVI）时间序列的监督分类方法获取了研究区湿地植被的分布数据.监督分类以NDVI时间序列的波形所反映出的植被物候特征作为分类器,将离散的傅立叶变换应用于NDVI时间序列以减少高频噪声对分类的影响,并运用傅立叶变换后波形幅度和相位的相似性来确定像素的归属类别.根据研究区植被的物候特征的差异,区分出7种地表（沼泽、沼泽化草甸、滩地、水田、旱地、灌木和林地）的植被类型,得到三江平原2005年湿地植被的分布数据.该方法的总体分类精度达到79.67%,Kappa系数为0.7525.研究表明,基于MODIS多时相NDVI数据,采用基于傅立叶组分的相似度分类方法可以客观、经济、快速的提取湿地植被分布数据.

简介：摘要：机器学习已经在计算机视觉、自然语言处理等领域取得了成功的应用，在生物、材料、生命科学领域的探究也颇多。鉴于此，本文从国内、国外视角系统介绍机器学习方法在环境工程领域的研究状况及应用前景。

简介：摘要：本文探讨了机器学习技术在公路材料测试和评估中的应用，旨在通过数据驱动的方法来提高测试的精度和效率。研究通过收集大量的试验数据，使用机器学习算法来识别材料性能的关键影响因素，从而优化测试流程和评估标准。通过案例分析，文章展示了机器学习在预测材料行为和寿命预测中的潜力和挑战。

简介：摘要：在耕地资源紧缺的现状下，提升技术效率是农业增产的主要路径。文章从农业技术效率概念的发展、研究方法、测算估计及影响因素等三个方面对已有研究成果进行了总结、分析和述评，重点述评了农业技术效率影响因素研究，最后对未来研究方向进行了展望。

简介：摘要：盾构机是轨道交通施工的主要机械设备，其工作性能质量对地铁隧道施工效率有重要影响。土层是地铁开挖施工中经常遇到的复杂土层，其中盾构刀盘强度复杂多变，容易导致盾构刀盘磨损和变形，甚至导致刀盘死亡，这本文分析了盾构配置机刀板在土层施工中的缺陷及可能原因，具体提出了刀板结构优化，为提高盾构结构施工效率提供信息。

简介：摘要：本文针对水利工程质量检测过程中所存在的风险问题，提出了以机器学习为基础的风险识别与预警研究。文章通过对水利工程建设历史数据的收集，利用机器学习算法对各种潜在风险因素进行分析与识别，从而建立了一套有效的风险预警体系。该研究不仅可以提高水利工程质量检测的效率和准确性，还能够有效预防各种可能影响工程质量的风险因素，为水利工程建设的可持续发展提供了重要支持。

简介：摘要：随着物联网技术的迅猛发展，预测性维修成为了许多行业的热门话题。在工业领域中，设备的故障可能导致生产中断和额外的维修成本。因此，准确地预测设备可能发生故障的能力变得至关重要。而机器学习作为一种强大的数据分析工具，正逐渐成为预测性维修的主要支持技术。本文将探讨机器学习在预测性维修数据集中的应用，并深入研究其在提高设备效率和降低维修成本方面的潜力。

简介：摘要：本论文研究了基于机器学习的地铁智能化票务管理与分析系统。随着城市人口的增加和地铁乘客的不断增加，传统的票务管理面临着诸多挑战。本研究提出了一种综合了机器学习技术的智能化系统，以优化票务销售、检票和分析过程。通过大规模数据收集和分析，系统能够实时监测乘客流量、票务需求和票价制度，从而实现票务定价的精确性和效率。此外，系统还能够预测高峰时段和特殊事件下的票务需求，以提前调整运营计划和资源分配。研究结果表明，基于机器学习的地铁票务管理系统能够提高地铁运营的效率和服务质量，为城市交通管理提供有力支持。

简介：利用上海天文台的SHORDE1软件对约3年左右(MJD49001.1-MJD50109.6)的全球SLR资料进行了归算,并将所得的极移序列和相应历元的国际地球自转服务中心(IERS)给出的极移序列作了比较,分析结果表明:上海天文台基于SLR资料的极移序列与IERS极移序列之间存在一定程度的系统偏差。该系统差具有明显的周期特性,周期约为427天,振幅为1mas左右。