基于RBF算法的探空湿度太阳辐射误差预测

针对传统BP神经网络算法预测的探空湿度太阳辐射温度误差偏大的问题,基于南京大桥的GTS1-2湿度传感器及其防雨帽模型,采用计算流体动力学(CFD)软件,通过PRO/E建模、ICEM划分网格及FLUENT仿真,以高空实际探测中典型气压、太阳高度角和太阳辐射量为变量仿真出2530组温度误差的数据样本。数据样本通过BP,PSO-BP,GA-BP,RBF神经网络算法进行优化对比,最终采用RBF神经网络算法构建预测模型,可预测出不同环境下探空的湿度太阳辐射温度误差,且预测出的温度误差最小。

基于PSO-BP神经网络的探空湿度太阳辐射误差修正

采用计算流体动力学(CFD)软件仿真太阳辐射偏干误差可获得无线探空仪的湿度修正因子,提高了湿度廓线的精度,有助于提升天气预报、气候预测及气象灾害预报预警能力。但湿度修正因子存在明显的时空分布特性,采用CFD方法对每条湿度廓线进行修正计算量庞大。针对这一问题,以CFD软件仿真出典型气压、太阳辐射量和太阳高度角下的温度误差作为数据样本,通过粒子群优化(PSO)的BP神经网络构建预测模型,对探空湿度太阳辐射温度误差进行预测,并利用饱和水汽压逼近公式推算湿度测量的修正因子。研究结果表明,以南京探空站某一天的探空数据作为测试对象,CFD计算和PSO-BP预测的湿度测量太阳辐射误差吻合度较好,说明PSO-BP神经网络预测方法能够对湿度廓线的太阳辐射偏干误差进行有效修正,而且可显著提高修正效率。

基于流体动力学的探空仪GTS1湿度测量误差修正研究

准确的湿度垂直廓线对短期数值天气预报和中长期气候研究分析均具有重要参考价值,但太阳辐射与高空云雨等因素导致探空湿度测量精度较低.针对探空仪GTS1白天进行湿度测量时存在明显偏干误差的现象,本文建立了GTS1湿度测量结构模型,采用计算流体动力学方法重点研究了太阳辐射对GTS1湿度测量的影响,同时探讨了其防雨/防辐射罩的防雨效果.结合改进的太阳辐射计算模型,利用Fluent模拟分析了防雨/防辐射罩云雨滴轨迹和内部温度场分布,数值仿真结果表明:在垂直气流下防雨/防辐射罩基本保护湿度传感器免受高空云雨的影响,对太阳辐射也起到一定防护作用.但太阳辐射对GTS1湿度测量的偏干影响仍较显著,海拔30km左右相对误差甚至高达70%.通过与RS92及GTS1探空湿度测量中的太阳辐射偏干误差相对比,发现基于流体动力学数值计算的湿度相对误差随海拔高度的变化趋势与之基本吻合.本文也给出了理论计算与实验测量存在一定差异的原因,进而以南京探空站2014年不同季节的温度、气压、气球的上升速度等探空数据为计算参数,获取了太阳辐射误差与海拔及环境温度的关系,并对四组探空湿度廓线进行太阳辐射误差修正,提升了GTS1探空仪高空湿度测量的精度.本文研究结果为探空湿度测量太阳辐射偏干误差的有效修正提供了一定的参考.

日尺度下的干旱区成龄枣树耗水量敏感因素建模分析

以新疆阿克苏地区成龄枣树为研究对象，以日均气温（x1）、日均相对湿度（x2）、日均风速（x3）、日太阳辐射总量（x4）、日均大气压（x5）、0～100 cm土壤日均含水率（x6）及0～20 cm土壤日均温度（x7）为模型影响因子，采用偏最小二乘回归法建立了枣树耗水量预测模型，在此基础上运用缺省因子法分析了枣树耗水量对各因子的敏感性，并采用灰色关联分析法加以验证。结果表明：偏最小二乘回归模型（PLSR ）具有较高的模拟精度（相关系数 r＝0．9789），不仅能够定量预测枣树耗水量（平均相对误差为6．40％），而且能够从机理上解释各因素对耗水量的影响；枣树耗水量对太阳辐射能量、土壤含水率和温度这3因素最为敏感（敏感性指数分别为3．24、2．18和2．09）；基于缺省因子法的枣树耗水敏感因素排序（x4＞ x1＞ x6＞ x3＞ x7＞ x2＞ x5）与灰色关联分析计算结果（x4＞ x1＞ x6＞x3＞ x7＞ x5＞ x2）基本一致，尤其在主要影响因素的判别上是完全一致的。