逐步相似过滤法在青海省4～10天降水预报中的应用

依据逐步相似过滤法和最小相似离度原理,利用T213数值预报产品、NCEP逐日再分析资料和1957-2005年青海省42个地面站降水资料,建立不同的相似预报过滤方案,制作青海省未来4～10天的降水预报.经过降水预报准确率检验,确定"最优"逐步相似过滤方案.最优方案降水预报水平与青海省2008年降水业务预报水平对比表明:所建立的"最优"逐步相似过滤方案对青海省未来4～10天的降水预报具有更高的可信度,在日常预报中具有较高参考价值.     

基于集成学习XGBoost模型的降水客观预报方法

为进一步提升降水预报的准确率,该文提出一种基于集成学习XGBoost模型的降水客观预报方法。该方法选取ECMWF高分辨率数值预报模式资料、福建省内国家级自动站降水的实况数据,通过决策专家系统选取有效预报因子,使用集成学习XGBoost模型进行训练,从而对福建省内的降水进行客观预报。结果表明,该方法能够将数值模式和机器学习进行有效结合,提升降水预报的准确率,并在实际业务应用中取得了良好效果。     

一种新的基于伪最近邻算法的降水预报方法

分析北京地区日降雨量资料,相较于其他降雨事件,大雨或暴雨事件发生的次数较少,因此该地区的降水量预报属于样本不均衡问题。在样本不平衡的情况下,K最近邻(PNN)算法的分类误差率将会大大提高,这也就使传统的基于K最近邻算法的降水量预报方法的应用受到了限制。针对北京地区降水量预报这一样本不均衡问题,应用伪最近邻算法构建了北京市的降水量预报模型。该方法利用北京地区日降雨量资料和美国国家环境预报中心全球格点资料,将降雨量作为类,将美国国家环境预报中心全球格点资料的各种因子场作为天气样本特征,通过决策规则实现最优分类。利用提出的降水预报模型对北京地区2010年6~8月进行了24 h降水预报,实验结果表明,提出的预报方法对于降水等级预报的预报准确率以及晴雨预报的TS评分、正样本概括率和漏报率均优于传统的K最近邻预报方法,该方法具有较好的预报效果。     

基于概率神经网络的机组状态多步预报方法

为了解决由单步预报递推运算获得的多步预报存在的预报误差的迭代累积问题,提出了相空间动力学轨道的相似多步预报概念,利用概率神经网络合理分配相似算子,构造了多步预报的概率神经网络结构．然后,以模拟振动数据比较了单步预报神经网络、多步预报神经网络和多步预报概率神经网络的预报能力,并预报了燕山石化大机组停车概率的变化趋势,实践表明该方法具有良好的多步预报能力．     

径流中长期预报模糊优选神经网络模型应用研究

预报因子选择与模型训练精度确定,是模糊优选神经网络模型应用于径流中长期预报时有待研究解决的两个重要问题.应用预报因子集与预报量间的复合非线性相关分析方法选择预报因子(集),克服了通常单因子线性相关分析选择预报因子的不适用性;通过定义综合效应系数来综合评价模糊优选神经网络模型的拟合能力与外推预报能力,为研究模型的拟合精度高而外推预测精度低的问题提供了一种解决方法.     

基于缩比模型的水下滑翔机运动相似性研究

利用水下滑翔机缩比模型预报原型运动特征及滑翔经济性的前提是两者运动相似．以天津大学自主研制的PetrelⅡ水下滑翔机作为研究对象,从相似理论出发,基于动力学方程及纳维-斯托克斯(N-S)方程,推导了水下滑翔机原型与模型在运动相似时应当满足相似准则以及相似转换关系．采用计算流体动力学方法计算了不同缩比情况下水下滑翔机的升力系数及阻力系数,得到了尺度相似比与升力系数、阻力系数的关系．分析表明,在稳定滑翔状态下,水下滑翔机缩比模型与原型运动相似需要满足弗劳德准则;在该准则下,在一定的缩尺比范围内,升力系数与阻力系数的尺度效应并不明显,以尺度相似比为0.5设计缩比模型最为合适．通过水池试验获得了缩比模型在一定俯仰角下的速度、升阻比等运动参数,试验结果表明：缩比模型与原型间存在运动相似性;缩比模型在水池试验中得到的横向速度、垂向速度和升阻比与水下滑翔机原型海试结果吻合较好,相对误差满足工程误差要求．论文提出的利用水下滑翔机缩比模型对原型运动参数和滑翔经济性进行预报切实可行,可为大型水下滑翔机的设计提供实验室验证平台,对于缩短研发周期具有重要意义．     

定量降水短期预报在三峡地区的应用

1 前言短期降水预报的困难不仅在于影响产生降水的因素众多,而且还在于如何快速有效地从众多的气象信息中综合提取对预报降水有用的信息,尤其是定量降水预报更为困难.目前,各地的气象预报在经历了单纯的天气图法、统计法、数值预报法等方法后,逐步采用了综合性的预报方案.在综合各种方法的优劣后,认为如下的动力统计方案考虑问题较为全面合理.它首先从研究区上空的动力、热力因子的分布着手,分析它们与降水的定性关系,进一步了解形成降水的主要影响因素,并从中选出关系最好的物理因子作为预报因子.然后,通过判别分析得出降水的类别.最后通过回归分析得出降水量的大小.     

一种新的气象预报建模方法研究

文章在确定神经网络降水预报模型的网络结构和连接权研究中，利用遗传算法克服神经网络极易陷入局部解的问题，建立遗传——神经网络降水预报模型，并结合广西的月平均降水量进行实例分析，结果表明该方法预报有一定普遍适应性。     

人为热对城市冬季降水的影响

城市人为热在冬季的气候效应比夏季更为显著，该文通过气象研究与预报(WRF)模型内置人为热揭示了人为热对城市冬季水热环境的影响机制，进一步利用大尺度城市能(LUCY)模型计算得到了北京地区高时空分辨率的人为热数据，将其耦合到WRF模型中，研究了北京地区人为热对降雪的影响，并与已有关于人为热对夏季降雨影响的研究结论进行对比分析，指出了人为热对夏季及冬季降水影响的不同之处。结果表明，人为热增加对冬季气温的影响幅度无明显阈值，但在空间的影响高度上存在阈值。人为热对夏季和冬季降水的影响机制不同，对夏季降水的影响范围和量级较大，影响机制较为复杂，而对冬季降水的影响主要集中在城市内部，主要影响降水相态。     

基于综合相似度迁移的协同过滤算法

数据稀疏性问题是传统协同过滤算法的主要瓶颈之一.迁移学习通常是利用目标领域与辅助领域的潜在关系,对辅助领域进行知识迁移,以此来提高目标领域的推荐质量.现有的基于相似度迁移模型,普遍只利用了用户评分信息,并且在评分相似度计算上忽略了用户评分标准个性差异.针对这些问题,提出了一种综合相似度迁移模型,在相似度计算上,即利用了用户评分信息同时也利用了用户属性信息,并且考虑了用户间对满意度的打分标准的差异性,采用了用户评分分布一致性来衡量用户评分相似度的方法,提高了相似度计算的准确性,从而提高了数据迁移的质量.实验结果表明,该模型较其他算法能比较有效地缓解数据稀疏性问题.     

基于平流层环流变化的夏季长江下游强降水频数气候预测模型

采用相关分析方法,研究了6~8月长江下游强降水频数与前期冬季12~2月全球50 hPa纬向风的关系;并研制了基于KLM滤波的夏季长江下游强降水频数气候预测模型。结果表明,存在3个显著的相关区:北极附近,北太平洋中纬度和南半球高纬度地区。用这些前期12~2月全球平流层关键区的纬向风建立KLM预测模型进行预测试验,发现它对近10年6~8月长江下游地区强降水频数的变化具有较好的预测能力,明显优于多变量的线性回归预测;其中与北极附近和南半球高纬度地区平流层纬向风相关稳定,而与北太平洋中纬度纬向风的相关存在一定程度的不稳定。基于平流层环流变化的夏季长江下游强降水频数KLM模型可以为短期气候预测业务预报提供重要参考。     

西安市1971—2011年浅层地温与气温、降水的季节关系特征分析

选用西安1971—2011年的逐月气温、降水、浅层地温观测资料,研究各要素季节变化趋势以及要素间的相关性,并建立关系模型.得出结论:①近40年西安春季和冬季平均气温升温明显,夏季平均降水量增加率最大;四季各浅层平均地温除夏季呈降温趋势外,其余三季均呈升温趋势,春季升温最快.②近40年西安气温与各浅层平均地温呈明显的正相关;春季、夏季浅层地温与降水呈明显负相关,冬季浅层地温与降水相关性不大.③建立四季地温与气温、降水的季节关系模型,并通过验证,得出冬季浅层地温与同期气温的拟合关系最好.     

江淮流域梅雨期雨量的变化特征及其与太平洋海温的相关关系及年代际差异

运用相关分析和滑动相关方法,分析了江淮流域5个代表站1903-2000年梅雨期雨量的变化特征及其与太平洋海温的相关关系及年代际差异.结果表明,江淮地区梅雨期雨量在近百年来存在明显的年际和年代际变化特征.通过分析梅雨期雨量与太平洋海温的年代际相关特征发现,江淮流域梅雨期雨量与前期及同期太平洋海温关系密切,前一年冬季及梅雨期东北太平洋海温与江淮流域梅雨期雨量负相关,在热带东太平洋的Nino1 2区两者正相关显著,同年春季西太平洋部分海域海温与江淮流域梅雨期雨量正相关.从年际相关分析发现,前一年冬季太平洋海温与梅雨期雨量正相关,同年春季以及梅雨期两者相关不明显.通过分析年代际差异发现,江淮流域梅雨期雨量与前期及同期热带太平洋关键区海温的21a滑动相关存在显著的年代际差异,这种差异与海温的21a滑动平均的年代际冷暖背景关系密切,热带太平洋海温关键区前一年冬季冷海温背景下,梅雨期雨量同海温正相关显著,同年春季暖海温背景下,两者之间负相关显著,而江淮流域梅雨期雨量同中国近海海温之间(从冬季到梅雨期)维持显著的正相关,与该区海温冷暖背景的关系则并不明显.     

气候变化对河北省冬小麦产量的影响——以栾城县为例

基于中国科学院栾城农业生态系统实验站,利用回归分析、T检验、Pearson相关分析和5年直线滑动平均法对河北省栾城县1980—2012年气温和降水的变化特征及其对冬小麦气候产量的影响进行了分析.结果表明:(1)通过对前一年10月—1月和3—5月的冬、春这两个时间段气温和降水的多年变化趋势进行分析发现栾城县冬春气温33年来有明显升高趋势,冬季气温平均每10年升高0.45℃,春季气温平均每10年升高0.75℃,而降水的变化不明显.(2)冬小麦的气候产量与冬、春的气温变化显著相关与降水量的变化相关性不大.(3)当冬季和春季均温都低时,气候产量也会随之较低,即不利于冬小麦生长;当冬季均温在1℃~2.5℃之间并且春季均温较高时,气候产量相对较高,即有利于冬小麦生长;当冬季均温在1℃~2℃之间且春季均温在13.85℃~14.85℃之间时则对冬小麦的生长更为有利.     

虚拟项目教学法在模拟电子技术教学中的应用

虚拟项目教学法是基于计算机模拟仿真技术的一种教学活动。将虚拟项目教学法应用到模拟电子技术的教学中,通过项目任务的设计、项目准备、仿真实施及总体评价展开教学。该方法不仅可以达到传统项目教学法的教学目标,而且可以扩大学生的参与面,降低教学成本。实践表明,该方法适合于应用型人才培养目标下的模拟电子技术教学。     

基于小波包分析与RBF神经网络的模拟电路故障诊断

针对常用的BP神经网络须已知结构,且学习算法训练速度慢的缺点,提出一种基于小波包分析与径向基神经网络(RBFNN)的模拟电路故障诊断方法。该方法首先利用小波包分解,归一化作为预处理提取模拟电路的故障特征向量,再将故障特征向量输入到RBF神经网络进行故障诊断。仿真结果表明本方法能够对模拟电路的故障进行有效诊断和定位。     

小波消噪的灰色拓扑法预测降雨量

为了进一步提高降雨量预测精度,在基于小波消噪的基础上应用灰色拓扑对降雨量进行预测,用丹东地区1951年-2007年的降雨量作为历史数据,建立降雨量预测模型.结果表明,新模犁算法简单,精度较高,比传统的拓扑预测模犁效果更好.应用该方法有效的提高了降雨量的预测精度,为降雨量预测提供了一种行之有效的方法,对防灾减灾具有重要的现实意义.     

PCA-BP模型下皖北城市群PM2.5浓度分析

为探究皖北城市群大气污染物在不同地域、不同时间下的分布规律以及影响空气中PM2.5浓度的相关变量,结合2018-2021年安徽省生态环境厅统计数据及相关地域资料,采用主成分分析(PCA)法按时间段长短及季节性变化分别选取月度数据与年度数据对空气质量的影响因子做相关性分析,对比分析不同季节下空气污染物PM2.5、PM10的浓度及其它空气污染物的变化,构建基于PCA算法的反向传播神经网络 (BP),建立PCA-BP模型并采用交叉-验证法提高模型精度,对大气中的污染物PM2.5浓度做短期预测。实验结果表明:PM2.5浓度的主要影响因子为PM10、CO、NO2、SO2;皖北地区PM2.5含量整体在冬季偏高;预测模型的精度在夏季与秋季较高,冬季较低,四季的预测精度R2分别达到0.924、0.958、0.935、0.794。     

地下水流量预测的线性神经网络法

地下系统是一个复杂的随机系统。根据降水量与地下水流量之间的相关关系，建立线性神经网络模型，并且将其用于地下水流量的动态预测。     

模拟电路故障诊断中故障重分类方法的研究

分析了模拟电路故障诊断中故障类重叠.针对在该情况下神经网络训练困难与故障诊断正确率低的问题,提出了一种适于模拟电路的、基于神经网络故障诊断的故障重分类方法,给出了该方法的数学模型.通过诊断示例表明,该方法在故障类存在重叠时,降低了神经网络的训练难度,故障诊断的正确率达到99%以上.