基于大数据分析的气象观测数据质量控制算法研究

目前,常用的气象数据质量控制算法均是依据统计学原理对数据的变化趋势进行分析,针对其算力无法对大数据进行处理以及实现质量控制的问题。文中将BP神经网络模型与粒子滤波算法结合,有效增强了神经网络的综合计算性能,将该算法应用于海量气象数据处理,可以显著减少外在因素对数据精确度的影响。实验结果表明,所提模型的预测数据误差平均值和异常数据监测误差平均值在对比算法中最小,证明该模型可以准确地监测气象数据,同时能够对异常气象数据进行修补拟合,进而实现对气象数据的质量控制。

面向气象观测设备的移动边缘计算卸载算法

针对自动气象观测设备计算任务数据量大、存在时延等问题,文中开展了面向自动气象观测设备的移动边缘计算卸载算法的研究。首先,采用内点法对单服务器设备集群的时间延迟优化模型和能量消耗优化模型进行数据建模;其次,利用Lyapunov优化算法改善系统内的数据积压现象,并进行多服务器设备集群计算卸载算法的研究,从而实现时间延迟与能量消耗两个目标的联合优化;同时,使用Q学习算法完成了未有网络先验知识以及能量状态情况下最优卸载策略的求解。经过实验测试结果表明,文中所提方案将时间延迟与能量消耗均分别降低了23.2%和3.5%。