遗传算法与神经网络相结合的热带气旋强度预报方法试验

以1960-2001年共41a的7月和8月西行进入南海海域的热带气旋样本为基础，采用遗传算法与神经网络相结合的方法，进行了热带气旋强度预报模型的预报建模研究．并根据相同的热带气旋个例，将这种遗传一神经网络热带气旋强度预报模型与气候持续法热带气旋强度预报方法进行对比分析，试验预报结果表明，遗传一神经网络方法具有更好的预报能力．

红外云顶亮温在西北太平洋热带气旋强度预报中的应用

应用GMS-5气象卫星红外云顶亮温(TBB)资料,分析西北太平洋的热带气旋(TC)TBB、TBB的对称和非对称分量与滞后0—48h TC强度的相关关系。发现,TC眼墙附近东南侧的TBB、距TC中心半径0.8°—1.7°范围内TBB对称分量和1—10波振幅之和与0—48h的TC强度有很好的负相关关系,与滞后24h的TC强度相关极值分别达到-0.52,-0.59和-0.625。考虑气候持续因子、天气因子及TBB因子,针对1996—2002年西北太平洋远海区域(0°—50°N,120°—155°E)热带风暴(TS)等级以上样本,建立12,24h和48h强度预报方程并进行独立样本检验。结果表明,1.0°—1.5°环域平均的TBB对12h强度预报的方差贡献位居第4,TC东南侧TBB的平均值和1.1°—1.5°范围TBB极大与极小值之差对24h强度预报的方差贡献分列第3和第5位。考虑TBB因子的回归方程对TS和强热带风暴(STS)的强度预报能力有较大提高,对12h内强度减弱15m/s以上TC的12h预报、强度稳定TC的24h预报和强度48h增强10m/s以上TC的48h预报均有所改善。

利用神经网络方法建立热带气旋强度预报模型

以神经网络方法为基础,建立西北太平洋热带气旋强度预测模型,模型首先进行历史相似热带气旋选择。从选择的样本出发,计算得到一组气候持续因子、天气学经验因子和动力学因子,对这些因子采用逐步回归方法进行筛选,将筛选得到的因子同对应时效的热带气旋强度输入神经网络训练模块,从而得到优化的预测模型。从2004—2005年西北太平洋26个热带气旋过程对12,24,36,48,72 h等不同预报时效分别进行的634,582,530,478,426次预测试验结果的统计来看,相对于线性回归模型预测水平,该模型显著降低了各时段的预测误差。从几个热带气旋个例的预测结果来看,该模型对超强台风,以及具有强度迅速加强、再次加强等特征的热带气旋过程均有很好的描述能力。

Wilcoxon秩和检验在热带气旋强度预报方法评定中的应用

介绍了一种非参数检验—Wilcoxon秩和检验,并将其应用于热带气旋(tropical cyclone,TC)强度预报方法评定。由于在TC强度预报评定中,预报误差的分布是非正态分布,因此无法使用常用的参数检验,必须用非参数检验。结果表明,将Wilcoxon秩和检验应用于TC强度预报方法的评定,有利于更加深入理解TC强度预报方法,提高预报准确性。

基于遗传算法-支持向量机模型在热带气旋强度预报中的应用

利用遗传算法对支持向量机(SVM)模型参数进行寻优,找到最优参数组合后代入SVM模型中,得到基于遗传算法的支持向量机模型(GA-SVM),利用此模型对热带气旋强度进行预报实验。该模型对热带气旋强度12 h、24 h和48 h的预报平均绝对误差分别为3.01 m/s、4.46 m/s和6.57 m/s;比最小二乘回归法的预报精度分别提高了12%、11%、14%。

基于微粒优化支持向量机的爆破振动强度预报及应用研究

微粒优化支持向量机对爆破振动强度的预报能力优于经验公式法。比较高程差、水平距离、段药量、总药量、台阶高度、孔排距、抛掷方向和底盘抵抗线等8个输入参量不同组合的预报结果发现:前三个参量的组合预报效果最佳,预报相对误差仅为3.21%。

汽车大梁钢终轧强度预报及炉前成分快速调整

利用合金相及相界面的电子结构参数 ,结合热加工工艺 ,从理论上给出了汽车大梁钢终轧的强度计算公式 .利用由计算得到的化学成分 终轧晶粒尺寸 强度的关系 ,可在生产前预先确定满足技术要求的最佳终轧晶粒尺寸和最佳的化学成分范围 .生产中可根据炉前分析结果 ,用计算机快速计算出终轧强度值并根据需要快速调整炉前成分直至符合技术要求为止 .这种预报适合所有的非调质钢 .

三向碳碳材料在小偏轴角拉伸下的切口强度预报

在小偏轴角拉伸下,带切口的三向碳碳材料平面试件首先沿切口平面作自相似扩展。扩展到断裂的纤维束数与宽度方向的纤维束总数之比达到某一数值时,试件沿纤维束(或在另一些单层中垂直纤维束)方向剪断。断裂是灾难性的,所以这种切口强度预报与简单拉伸时的切口强度预报是相当的;区别仅在于在小偏轴角拉伸时,纤维束除受拉伸应力外,还作用有不可忽视的剪应力。本文对纤维束作了拉剪联合作用的强度测量,以得到其强度的概率分布的参数。据此预报了三向碳碳材料在小偏轴角拉伸时的切口强度,以及整个试件剪断时的断裂的纤维束数与纤维束总数之比值,理论预报与实验结果吻合良好。

粒子群算法与支持向量机相结合的热带气旋强度预报试验

支持向量机(SVM)的惩罚参数及核参数的选择直接影响到模型效果,通过粒子群算法(PSO)解决支持向量机的参数选择问题,实现了参数选择的自动化。将该方法应用于热带气旋强度预报,利用气候持续性因子,挑选了1990年的100个左右样本进行预报检验,预报时效为12 h、24 h、36 h、48 h的强度平均绝对误差分别为3.00、4.35、4.93和6.68 m/s。另外,还与国外预报结果及采用最小二乘回归法的预报结果进行了效果的比较,SVM方法显示了更好的预报能力。

细编穿刺C/C复合材料强度预报方法

文中根据细编穿刺C/C复合材料的编织特点,建立了相应的几何单胞,通过有限元方法,对其施加周期性边界条件,分别利用纤维束的Hashin和Hoffman强度准则结合基体最大应力破坏准则计算出材料在不同方向的拉伸强度,并与相关文献实验结果进行了对比,分析了材料的渐近损伤过程。

基于改进板块元法的潜艇目标强度预报仿真

针对板块元法计算潜艇目标强度时积分分母可能为零,从而导致计算结果不稳定的问题,文中将Gordon积分算法用于潜艇目标强度的预报仿真,并针对复杂目标简化面元遮挡判断流程,首先对刚性球体进行建模计算,其次对Benchmark潜艇进行3D建模,运用改进板块元法对潜艇目标强度进行预报。仿真结果表明,改进模型的计算结果更加稳定,能够较好反映潜艇目标强度的特征。

南海热带气旋强度预报的线性模型与非线性模型研究

以1980--2012年共33a的6—10月在南海生成或西行进入南海海域的热带气旋样本为基础，采用线性回归方法和非线性人工神经网络方法，分别进行12～72h各个预报时效的南海热带气旋强度预报模型建模研究。根据相同的热带气旋个例和预报因子，将逐步回归预报模型、BP神经网络预报模型和遗传．神经网络预报模型进行比较。试验预报结果表明，非线性的神经网络预报模型比线性的回归模型有更好的预报能力；而同为非线性模型，遗传一神经网络模型比BP神经网络预报模型预报能力更强。

用数值预报释用方法做近海及登陆热带气旋强度预报

这是一个对GFS数值预报产品进行解释应用的方法。将支持向量机(SVM)同归方法应用于近海和登陆热带气旋(TC)的强度预报。从其本身强度,影响范围内气象因子情况,地形因子等三个方面,设计相关因子,建立预报模式,用来预报12、24、36、48、60和72 h的TC强度。总体上模式强度预报结果与中央气象台的预报结果相近,优于气候持续法的预报;趋势预报优势明显,可高出7～12个百分点。表明可以成为台风强度预报的另一个工具,投入业务应用。

热带气旋路径强度预报──SAPC法

ＳＡＰＣ──逐段相似气候持续性热带气旋路径、强度预报方法，既考虑了热带气旋的气候持续性规律，又考虑了与现时热带气旋状态特别相似的历史热带气旋路径、强度变化规律，用不同的相似条件和权重，把气候路径、相似路径和持续性路径作了有机的统一．该方法克服了预报路径的大曲率变化，考虑了随时间、地点变化的热带气旋的气侯规律，根据热带气旋的现时状态，即可随时制作路径、强度预报．历史资料检验和实际应用表明该方法有实用价值．

三种冻土长期强度预报方程的适用性研究

为研究不同冻土长期强度预报方程针对不同土性的适用性,以饱和冻结砂土、粉土、黏土为研究对象,采用球形模板压入仪对其长期强度进行测试,选用常用的3种冻土长期强度预报方程对3种土的长期强度进行预报.通过对比试验实测值和预测值,研究3种长期强度预报方程在不同土性中的适用性.结果表明:维亚洛夫长期强度预报方程可以较为准确地预测粉土、黏土的长期强度值;对于砂土,3种长期强度预报方程预测值都有一定的偏差,建议取3种预报方程的加权平均值作为其预测值.

基于概率的油船破损和剩余强度预报

油船搁浅或碰撞时,由于破损程度及位置是偶然的,所以利用概率的方法进行强度评估更加客观。因此,基于协调共同规范,对某型油船破损强度进行了分析及预报,结果表明,非线性有限元结果与该型预报公式计算结果相差很小,本文预报方法快速准确。

预报风强度对火箭最大气动载荷精度影响及建模分析

针对不同预报风强度的精度以及其对应的最大气动载荷预报值精度的研究文献极少。以某地区实况风为基准,分别对不同预报风强度的精度以及其对应的最大气动载荷预报值精度特征进行了分析,并利用多元线性回归方法建立了订正模型,结果表明在预报日数第1~11天,预报风强度越大,预报风精度及其对应的最大气动载荷预报值精度越高;利用多元线性回归方法可提高最大气动载荷预报值精度,且预报风强度越小,最大气动载荷预报精度提高越明显。这些发现在火箭发射前的飞行保障及安全决策方面具有参考价值。

基于偏最小二乘回归理论的西北太平洋热带气旋强度统计预报方法

热带气旋(TC)的强度预报是TC研究中的前沿性问题和实际业务中的难点。当前具有参考价值的预报方法主要是统计类或模式释用类方法,例如气候持续性(CLIPER)模型等。CLIPER模型的核心技术为多元线性回归,这种回归算法在预报因子之间存在多重相关性时会丧失建模的稳健性,进而影响CLIPER模型的预报精度。为了提高CLIPER模型的适用性并且改进预报结果,将第2代统计回归理论——偏最小二乘回归技术引入CLIPER模型中,取代原有的多元线性回归技术,提出了PLS-CLIPER模型。比较两种模型2004—2007年的平行预报试验结果,发现PLS-CLIPER模型的TC强度预报趋势一致率和平均绝对误差在72h以内均优于CLIPER模型,特别是对48h以内的TC强度预报有较显著的改进(例如12h的强度预报趋势一致率提高了近10%;平均绝对误差减小了近2m/s)。PLS-CLIPER模型的预报比CLIPER模型稳定,前者的误差基本不受TC的强度及其变化、TC中心所在经纬度位置和移动速率的影响。此外,PLS-CLIPER模型还显著改进了起报时刻强度在50m/s以下的TC、处于增强和维持阶段的TC、近海和西/西北行TC的强度预报准确性。结果表明,在CLIPER模型中选用相同物理量作为预报因子的前提下,更加先进合理的统计回归技术可以显著改进预报结果,这为以后在动力-统计相结合的统计释用框架下进一步改进TC强度的预报提供了理论和算法基础。

基于集合Kalman滤波数据同化与偏差修正的热带气旋强度集合预报研究

采用基于集合Kalman滤波数据同化和偏差修正方法的集合预报技术来研究热带气旋的强度预报问题。集合预报系统考虑初值误差和模式误差,利用MM5中尺度模式,采用Anthes-kuo、Grell和Betts-Miller等积云参数化方案和High-resolutionBlackadar、Burk-Thompson、MRF等边界层过程的9组不同的组合,分别进行45、60和75 min的短时预报。对9个预报结果采用"镜像法",得到18个集合成员。将蓝金涡旋作为同化的观测场,18个集合成员作为集合Kalman滤波的初始背景集合,采用ENSRF算法和逐点局地分析算法进行同化。同化后的结果作为集合预报的初值,预报过程对模式参数采用前述9种组合,进行72小时预报。通过求取偏差系数对预报结果进行修正,减小模式系统误差。选2003—2004年16个台风过程作为预报个例,讨论偏差修正前后对预报结果的影响。实验结果表明,基于集合Kalman滤波数据同化的热带气旋集合预报相对于非同化的集合预报对路径预报的改进效果优于强度预报。平均而言通过偏差修正,强度集合预报的潜力得到挖掘,绝对误差明显减小,通过偏差修正减小了强度集合预报均值的误差,进而使得预报概率密度函数均值向理论值靠近,从而提高了概率预报的精度和合理性,因此基于集合预报的偏差修正分析方法,是改善热带气旋强度预报水平的有效途径。

主分量分析在热带气旋强度客观预报中的试用

为了解主分量因子分析在热带气旋强度客观预报中的应用效能,在NCEP再分析资料、T106L19模式产品和热带气旋历史观测资料基础上,采用主分量因子分析技术,结合多元线性回归和BP型人工神经网络,开展了西北太平洋热带气旋的强度客观预报技术研究试验。试验包含完全预报法原理下的预报因子有无主分量分析、线性与非线性预报方法建模等方面的比较。结果表明,预报因子的主分量分析通过降低线性回归和BP人工神经网络模型的维数,提高因子间独立性,可减小模型强度预报平均绝对误差,提高模型实际预报能力。