一种基于空间相关性和B样条曲面拟合的地面气温质量控制算法

将B 样条曲面拟合算法引入到地面气温观测资料的质量控制当中,考虑到区域内各参考站与目标站观测值之间的空间相关性,提出了一种基于空间相关性和B 样条曲面拟合的地面气温观测资料质量控制算法( Spatial Correlation and B-spline SurfaceFitting,BSF)。选择2012—2014 年南平站、南京站、太原站、拉萨站、景洪站和长春站以及周围300 km 内参考站的02: 00、08: 00、14: 00、20: 00 定时气温作为观测资料,结合平均绝对误差( Mean Absolute Error,MAE)、均方根误差(Root Mean Square Error,RMSE)、一致性指标( Index of Agreement, IOA)和纳什系数( Nash-sutcliffe Model EfficiencyCoefficient,NSC)这4 种评价参数对目标站地面气温资料进行质量控制分析。将BSF 算法的质量控制效果分别与传统的反距离加权法( Inverse Distance Weighted,IDW)和空间回归检验法( Spatial Regression Test,SRT)进行对比,试验结果表明:在不同案例下,BSF 算法的质量控制效果均优于IDW 算法和SRT 算法,能更有效地标记出气温观测数据中的可疑值。

基于EEMD-CES的单站地面气温资料质量控制方法研究

为了去除或减少我国地面气温观测资料中含有的噪声成分,提高观测资料质量,提出了一种新的单站质量控制算法。该算法融合了集合经验模态分解法(Ensemble Empirical Mode Decomposition,EEMD)和三次指数平滑法(Cubic Exponential Smooth,CES)。利用EEMD方法将气温观测资料分解为一系列相对平稳的本征模分量,并基于能量密度和相关性准则从中分析筛选出目标分量,以完成资料重构;利用CES方法对重构资料建立单站质量控制模型,形成了一种基于EEMD-CES的地面观测资料质量控制算法。为检验该方法的可行性与适用性,选取2008年全国9个观测站地面逐时气温观测资料进行质量控制,并对比传统的单站质量控制法、经验模态分解法和三次指数平滑法的质量控制效果。试验结果表明,基于EEMD-CES的质量控制方法能有效地标记出数据的可疑值,相比传统方法,具有更高的检错率和更强的适应性。

基于粒子群改进的自适应核密度估计算法的江苏省地面气温分析

考虑到当前气温分析方法对于季度、月度及日夜时间尺度下的数据分析不够充分的问题,提出一种基于粒子群算法改进的自适应核密度估计算法(PA-KDE),利用1961—2008年江苏省12个站点的定时气温资料研究该方法在季度、月度及日夜时间尺度下的灵敏度。按区域与季节对试验进行分析的结果表明:PA-KDE算法在季度、月度、日夜时间尺度下具有更高的灵敏度;同时可以用来更全面地分析气温的时空变化特征以及不同影响因子的效果。可见在讨论气温时空变化以及影响特征时要关注更多时间尺度、区域、季节下的影响。

执行器退化的遥机器人系统量化反馈容错控制

针对遥机器人系统中存在执行器退化、控制输入量化,且编、解码端的量化灵敏度参数不匹配的问题,设计了遥机器人系统的鲁棒量化反馈容错控制系统.控制器结构的线性部分由线性矩阵不等式给出,旨在解决系统指标性能问题,非线性部分则用于处理量化参数不匹配问题.经稳定性理论证明,提出的鲁棒量化反馈容错控制方法能消除执行器退化及量化参数不匹配等的影响,并确保从机器人能渐近跟踪主机器人.最后,算例仿真验证了方法的有效性.