基于CEEMD的电离层TEC组合预报模型

针对单一电离层总电子含量(TEC)预报模型存在的缺陷,如受外界因素干扰较大、预报精度随预报时间的增加明显降低等,本文提出一种基于补充集合经验模态分解(CEEMD)电离层TEC组合预报模型。该模型实现电离层TEC预报的关键途径为:首先,利用CEEMD对TEC原始序列进行自适应分解,得到具有不同频率的分量并依据分量复杂度分析结果进行重构;其次,使用广义回归神经网络(GRNN)模型对高频分量进行建模与预报,使用Holt-Winters模型对低频分量进行建模与预报;最后,重构高频分量预报结果与低频分量预报结果得到电离层TEC预报值。根据太阳活动选取两段不同年积日、不同纬度电离层TEC序列进行实验,结果表明本文提出组合预报模型较单一的Holt-Winters模型、GRNN模型预报精度更高,在太阳活动平静期预报结果的平均相对精度为92.83%,在太阳活动剧烈期预报结果的平均相对精度为84.35%,对于长时间TEC预报也具有较好的效果,稳定性高。

无人机高分辨率影像在长江支流排污口解译中的应用

过去入河排污口主要靠人工地毯式排查,为解决人工排查强度大、效率低的问题,本文使用基于高分辨率影像的无人机遥感技术,在内业阶段先初步解译疑似排污口,再结合人工现场排查。经安徽省长江一二级支流排污口排查项目检验,解译排查成功率在80%以上,工作效率与纯人工排查相比,周期可缩短2/3。说明此方法能满足精确识别排污口的要求,可使排查效率提升,使排查工作变得有针对性,从而提高巡查效率。本文根据长江支流排污口项目对目前排污口解译的要点进行了总结,为河流的排污口解译、排查提供了参考。