基于傅里叶级数的中国沿海地区T_m模型精化研究

本文采用中国沿海地区13个探空站2010~2014年实测地表温度Ts与平均温度Tm数据,利用傅里叶级数分析法精化中国沿海地区Tm模型,并将2015年探空站实测Tm数据与精化模型进行对比检验。结果表明,精化模型在Tm探测方面具有更高的计算精度,其计算大气可降水量的误差概率分布趋近于正态分布,具有较强的稳定性。

基于ARIMA误差修正预测的Klobuchar模型精化

为了提高目前传统Klobuchar模型电离层延迟改正精度仅有50%~60%的修正率的现状,提出一种基于ARIMA误差修正预测的精化方法。采用IGS中心提供的电离层观测数据,利用双频改正模型解算的电离层VTEC值作为参考值,使用ARIMA模型对每个历元前8天Klobuchar模型和参考值之间的偏差值进行2天的短期预测,对Klobuchar模型加以偏差预测改正数进行改进。采用算例将参考值检验改进的A-Klobuchar模型的预报精度与Klobuchar模型的预报精度进行对比,结果表明:改进后的A-Klobuchar模型的精度明显高于Klobuchar模型,其总体预报精度达到了77.17%,能更显著地反映出电离层的周日变化特性。

一种基于随机森林的区域T_(m)模型预测方法

受季风气候等影响,传统T_(m)模型在中国沿海地区的精度难以满足导航定位等领域的发展需求,亟须建立一种高精度的区域性T_(m)模型。通过利用随机森林(Random Forest,RF)的方法,对基于该地区探空数据所构建的非线性T_(m)模型(F-T_(m))进一步精化,选取4个特征值(气压P、地表温度T_(s)、水汽压e_(s)、比湿s)作为输入因子,对F-T_(m)模型的偏差进行预测改正,构建了RFF-T_(m)模型。通过时空特性分析表明,该模型在沿海地区具有较好的适用性。