期刊文献+
共找到19篇文章
< 1 >
每页显示 20 50 100
实际预报可预报性的时空依赖性分析 被引量:20
1
作者 李志锦 纪立人 《大气科学》 CSCD 北大核心 1996年第3期290-297,共8页
本文利用国家气象中心1990年1月1日至1992年2月29日的1~5d、500hPa高度场业务预报结果研究了不同球谐函数谱分量和经验正交函数(EOF)谱分量的可预报性。对球谐函数谱分量的研究表明可预报性并不是随着空间... 本文利用国家气象中心1990年1月1日至1992年2月29日的1~5d、500hPa高度场业务预报结果研究了不同球谐函数谱分量和经验正交函数(EOF)谱分量的可预报性。对球谐函数谱分量的研究表明可预报性并不是随着空间尺度的增加呈现单调的递减关系,主要表现为在总波数n等于5附近具有最大可预报性。可预报性主要依赖于总波数n,经卷大圆上的波数和纬向圆周上的波数对可预报性具有完全相同的重要意义。对EOF谱分量的分析表明,随着EOF指数(即序号数)的增大,可预报性依次减小。从EOF和球谐函数的关系发现前几个EOF分量正是对应着最可预报的球谐函数分量。进一步分析表明,最可预报的分量对应大气运动的慢变流型。这些结果对如何使用数值预报产品以及如何进行延伸预报具有重要意义。 展开更多
关键词 实际预报 可预报性 天气预报 时空依赖性
下载PDF
基于时空依赖性和注意力机制的交通速度预测 被引量:1
2
作者 陈钰 张安勤 许春晖 《计算机系统应用》 2021年第1期200-206,共7页
交通流精准预测对保障公共安全和解决交通拥堵具有重要的意义,在城市交通规划、交通管理、交通控制等起着重要的作用.交通预测由于其受限制于城市路网并且随着时间动态变化,其中存在着空间依赖与时间依赖,是近些年来具有挑战性的课题之... 交通流精准预测对保障公共安全和解决交通拥堵具有重要的意义,在城市交通规划、交通管理、交通控制等起着重要的作用.交通预测由于其受限制于城市路网并且随着时间动态变化,其中存在着空间依赖与时间依赖,是近些年来具有挑战性的课题之一.为了同时捕获到空间和时间上的依赖,提出了一个新的神经网络:基于注意力机制的时空图卷积网络(A-TGCN).TGCN网络模型用于捕获交通数据中的动态时空特性与相关性,采用注意力机制来增强每个A-TGCN层中关键节点的信息.通过在两组数据上的实验结果表明,A-TGCN在精度以及可解释性方面都有很好的表现. 展开更多
关键词 交通速度预测 图卷积神经网络 长短期记忆模型 注意力机制 时空依赖性
下载PDF
基于时空依赖性的区域路网短时交通流预测模型 被引量:31
3
作者 常刚 张毅 姚丹亚 《清华大学学报(自然科学版)》 EI CAS CSCD 北大核心 2013年第2期215-221,共7页
由于多数交通流预测模型仅利用了目标路段交通流的历史数据,在一定程度上影响了预测效果。为此,该文提出了一种基于时空依赖性的区域路网短时交通流预测模型。首先,根据区域路网各路段间的拓扑关系,将其抽象为明确表征上下游路段关系的... 由于多数交通流预测模型仅利用了目标路段交通流的历史数据,在一定程度上影响了预测效果。为此,该文提出了一种基于时空依赖性的区域路网短时交通流预测模型。首先,根据区域路网各路段间的拓扑关系,将其抽象为明确表征上下游路段关系的树状结构,进而根据上下游通路上交叉口转弯率的多阶分配来量化上下游路段的时空依赖性,并将其用于时空自回归差分移动平均模型(STARIMA)空间权重矩阵的改进,最后利用历史数据对改进后的STA-RIMA模型进行参数标定,并用于短时交通流预测。实验结果表明:经过改进后的STARIMA模型,具有更好的预测效果,为区域路网短时交通流预测提供了一种新的方法。 展开更多
关键词 交通流 预测 STARIMA 时空依赖性
原文传递
基于全局时空图卷积神经网络的城市交通流量预测
4
作者 王佳昊 黎文斌 +1 位作者 郭仕尧 向平 《计算机科学》 CSCD 北大核心 2024年第S02期534-542,共9页
交通流量预测在智能交通系统(ITS)中发挥着重要作用,将城市中复杂的时空相关性高效且全面地提取出来是交通流量预测中面临的关键挑战。交通速度不仅在时间维度上具有短期和长期周期性依赖关系,而且在空间维度上具有局部和全局依赖性,现... 交通流量预测在智能交通系统(ITS)中发挥着重要作用,将城市中复杂的时空相关性高效且全面地提取出来是交通流量预测中面临的关键挑战。交通速度不仅在时间维度上具有短期和长期周期性依赖关系,而且在空间维度上具有局部和全局依赖性,现有方法对捕获交通数据的时空依赖关系有一定的局限。为此,文中提出了一种基于全局时空图卷积神经网络(Global Spatial-Temporal Graph Convolutional Network,GSTGCN)的深度学习模型,用于解决在城市交通速度预测的局限性。该模型中存在3种时空分量,可相应地对交通数据中的近期、天周期、周周期这3种不同的时空相关性进行建模。每个时空分量都由时间模块和空间模块组成,时间模块为了更好地获取交通数据的时间维度信息,引入了Informer机制以自适应地分配特征权重。空间模型为了更好地获取交通数据的空间关系,引入了图卷积神经网络来提取交通数据的局部和全局空间信息。在两个不同的真实数据集上进行了测试,结果表明所提出的GSTGCN优于最先进的基线模型。 展开更多
关键词 交通流量预测 全局时空图卷积网络 时空依赖性
下载PDF
基于时空注意力机制的网约车出行需求预测模型
5
作者 王宁 马洪恩 《汽车工程学报》 2024年第5期898-910,共13页
解决网约车运营中的乘客出行需求预测问题,以降低车辆空载率、减少乘客等待时间。在考虑乘客出行需求的动态时空依赖性的基础上,提出一种基于空间数据可视化和格兰杰因果检验的乘客出行需求空间依赖性分析方法,并结合卷积神经网络和注... 解决网约车运营中的乘客出行需求预测问题,以降低车辆空载率、减少乘客等待时间。在考虑乘客出行需求的动态时空依赖性的基础上,提出一种基于空间数据可视化和格兰杰因果检验的乘客出行需求空间依赖性分析方法,并结合卷积神经网络和注意力机制,建立了一种基于注意力机制的时空图卷积神经网络模型来预测乘客出行需求。实例研究表明,本模型能有效捕获乘客出行需求时空依赖性的动态特征,提升模型的预测性能,具有较高的准确性和实用性。 展开更多
关键词 出行需求预测 注意力机制 时空依赖性 时空图卷积神经网络
下载PDF
融合多种时空自注意力机制的Transformer交通流预测模型 被引量:1
6
作者 曹威 王兴 +2 位作者 邹复民 金彪 王小军 《计算机系统应用》 2024年第4期82-92,共11页
交通流预测是智能交通系统中实现城市交通优化的一种重要方法,准确的交通流量预测对交通管理和诱导具有重要意义.然而,因交通流本身存在高度时空依赖性而表现出复杂的非线性特征,现有的方法主要考虑路网中节点的局部时空特征,忽略了路... 交通流预测是智能交通系统中实现城市交通优化的一种重要方法,准确的交通流量预测对交通管理和诱导具有重要意义.然而,因交通流本身存在高度时空依赖性而表现出复杂的非线性特征,现有的方法主要考虑路网中节点的局部时空特征,忽略了路网中所有节点的长期时空特征.为了充分挖掘交通流数据复杂的时空依赖,提出一种融合多种时空自注意力机制的Transformer交通流预测模型(MSTTF).该模型在嵌入层通过位置编码嵌入时间和空间信息,并在注意力机制层融合邻接空间自注意力机制,相似空间自注意力机制,时间自注意力机制,时间-空间自注意力机制等多种自注意力机制挖掘数据中潜在的时空依赖关系,最后在输出层进行预测.结果表明,MSTTF模型与传统时空Transformer相比,MAE平均降低了10.36%.特别地,相比于目前最先进的PDFormer模型,MAE平均降低了1.24%,能取得更好的预测效果. 展开更多
关键词 交通流预测 智能交通 时空依赖性 TRANSFORMER 自注意力机制
下载PDF
ST-WaveMLP:面向交通流量预测的时空全局感知网络模型
7
作者 包锴楠 张钧波 +1 位作者 宋礼 李天瑞 《计算机科学》 CSCD 北大核心 2024年第5期27-34,共8页
交通流量预测在智能交通系统中起着至关重要的作用。精准的交通流量预测不仅能帮助城市管理者进行更好的交通管理,也能帮助人们制定合适的出行计划。然而精准预测交通流量颇具挑战性,主要难点在于如何捕获交通流量数据中复杂的时空依赖... 交通流量预测在智能交通系统中起着至关重要的作用。精准的交通流量预测不仅能帮助城市管理者进行更好的交通管理,也能帮助人们制定合适的出行计划。然而精准预测交通流量颇具挑战性,主要难点在于如何捕获交通流量数据中复杂的时空依赖性。近年来,深度学习方法已被成功应用于网格交通流量预测,主要采用深度卷积神经网络来捕获时空依赖性。但是卷积神经网络主要关注数据中空间特征的提取与整合,难以充分挖掘其中复杂的时空依赖性,而且单层卷积网络只能捕获局部空间依赖,因此,要想捕获全局空间依赖就需要对超多层的卷积网络进行堆叠,这将使整个网络模型训练收敛速度变慢。为了解决些问题,提出了一种面向交通流量预测的全局感知时空网络模型ST-WaveMLP,主要使用以多层感知机(MLP)为基础的可重复结构ST-WaveBlock来捕获相关的时空依赖。ST-WaveBlock中包含了捕获全局空间依赖和局部时间依赖的模块(SGAC),以及用于捕获局部空间依赖和全局时间依赖的模块(SLAC)。ST-WaveBlock具有较强的时空表征学习能力,通常仅用2~4个ST-WaveBlock堆叠就能有效捕获数据中的时空依赖性。最后,在4个实际交通流量数据集上进行实验验证,结果表明ST-WaveMLP具有更好的收敛性以及更高的预测精度,相较于之前最好的方法,所提方法预测精度的提升最高可达9.57%,模型收敛速度的提升最高可达30.6%。 展开更多
关键词 交通流量预测 时空依赖性 时空深度学习 时空数据挖掘
下载PDF
基于自适应时空图网络的交通预测
8
作者 张安勤 李宝莲 《计算机仿真》 2024年第9期111-115,531,共6页
在面对复杂的交通状况时,能够精准的提取出其中的时空依赖关系,使交通预测的准确率提高是构建智能交通系统的重要环节。针对交通图的时空特性,提出了一种基于自适应时空图网络的交通预测模型(Ada-STGN)。模型通过多层叠加门控残差时间... 在面对复杂的交通状况时,能够精准的提取出其中的时空依赖关系,使交通预测的准确率提高是构建智能交通系统的重要环节。针对交通图的时空特性,提出了一种基于自适应时空图网络的交通预测模型(Ada-STGN)。模型通过多层叠加门控残差时间卷积结构(GRes-TCN)处理时间依赖关系;使用自适应多头空间注意力模块(Ada-SAN)对不同子空间依赖模式进行联合建模获取空间依赖关系。分别在METR-LA和PEMS-BAY两个真实的公共交通数据集上进行了预测实验,在与基准模型比较后可知,Ada-STGN减小了预测误差,具有更好的预测性能。 展开更多
关键词 智能交通系统 交通预测 时间卷积网络 多头注意力 时空依赖性
下载PDF
短时距知觉中的面积效应 被引量:5
9
作者 张蜀林 黄希庭 《心理科学》 CSSCI CSCD 北大核心 1995年第1期6-9,1564,共5页
初步探讨了短时距(1─5s)下时距刺激的面积大小和立体框架大小对时距知觉的影响及其成因。结果表明:刺激的面积大小对短时距知觉的影响极其显著;存在两种不同反应类型的被试─-大小依存者与非大小依存者,在不同反应类型的被试... 初步探讨了短时距(1─5s)下时距刺激的面积大小和立体框架大小对时距知觉的影响及其成因。结果表明:刺激的面积大小对短时距知觉的影响极其显著;存在两种不同反应类型的被试─-大小依存者与非大小依存者,在不同反应类型的被试中刺激的立体框架大小对短时距知觉的影响不同,刺激的立体框架大小对大小依存者的短时距知觉的影响极其显著,但对非大小依存者的影响不显著。 展开更多
关键词 时空依赖性 短时距知觉 面积效应 个体差异
下载PDF
基于个性化联邦学习的无线通信流量预测 被引量:1
10
作者 林尚静 马冀 +4 位作者 李月颖 庄琲 李铁 李子怡 田锦 《电子科技大学学报》 EI CAS CSCD 北大核心 2023年第1期64-73,共10页
提出一种基于分布式的城市全域通信流量预测算法Fed-DenseNet,各个边缘计算服务器在中心服务器的协调下进行协同训练,中心服务器利用KL散度挑选出流量分布相似的区域流量模型,并采用联邦平均算法对具有相似流量分布的区域流量模型的参... 提出一种基于分布式的城市全域通信流量预测算法Fed-DenseNet,各个边缘计算服务器在中心服务器的协调下进行协同训练,中心服务器利用KL散度挑选出流量分布相似的区域流量模型,并采用联邦平均算法对具有相似流量分布的区域流量模型的参数进行融合,以较低的复杂度和通信开销实现城市全域流量预测。此外,城市范围内不同地区流量具有高度差异化的特征,为此,在Fed-DenseNet算法基础上,提出基于合作博弈的个性化联邦学习算法p-Fed-DenseNet,将本地区的各个区域性数据特征作为合作博弈的参与者,通过合作博弈的超可加性准则,进行本地区特征的筛选,从而达到既能提高模型的泛化性,又能够保持对本地流量精准刻画的目的。 展开更多
关键词 云边协同 合作博弈 联邦学习 时空依赖性 无线流量预测
下载PDF
基于图卷积神经网络的城市交通态势预测算法 被引量:33
11
作者 闫旭 范晓亮 +4 位作者 郑传潘 臧彧 王程 程明 陈龙彪 《浙江大学学报(工学版)》 EI CAS CSCD 北大核心 2020年第6期1147-1155,共9页
为了实时准确地预测城市交通流量,提高城市交通态势感知和预测准确度,提出一种改进的时空图卷积深度神经网络算法:基于自由流动可达矩阵的时空图卷积深度神经网络(FAST-GCN).利用图卷积神经网络有效表达城市复杂路网的结构特性,引入自... 为了实时准确地预测城市交通流量,提高城市交通态势感知和预测准确度,提出一种改进的时空图卷积深度神经网络算法:基于自由流动可达矩阵的时空图卷积深度神经网络(FAST-GCN).利用图卷积神经网络有效表达城市复杂路网的结构特性,引入自由流动可达矩阵来挖掘复杂路网的时空依赖性,从而提高交通态势预测准确度;对交通流速及站点地理位置数据进行数据预处理;在现有的时空图卷积深度神经网络算法的基础上,增加基于自由流动可达矩阵的图卷积模块,以有效挖掘城市交通路网的独特空间特征;通过一个全连接的输出层输出交通流预测结果;在真实世界数据集PeMS上对算法效果进行验证.结果表明,采用提出的FAST-GCN算法能够有效获取交通路网独特的物理特性,从而捕获交通数据的时空依赖性,优于时空图卷积(STGCN)等基线算法,其在45 min的预测准确率最好可提高5.656%;相比基线模型,所提算法能够适应大规模路网的交通流预测,且具有可扩展性. 展开更多
关键词 交通流预测 深度学习 图卷积神经网络 时空依赖性 自由流动可达矩阵
下载PDF
多源跨域数据融合的无线通信网络流量预测 被引量:7
12
作者 马冀 林尚静 +3 位作者 李月颖 庄琲 贾睿 田锦 《计算机科学》 CSCD 北大核心 2022年第S02期893-899,共7页
精准地预测无线通信网络流量能够辅助运营商进行精细化运营,更高效地配备与部署基站资源,从而满足大量涌现的各种业务需求。然而,高度复杂的时空依赖性以及多源跨域因素的影响使得无线通信流量的精准预测面临着巨大的挑战。首先,对无线... 精准地预测无线通信网络流量能够辅助运营商进行精细化运营,更高效地配备与部署基站资源,从而满足大量涌现的各种业务需求。然而,高度复杂的时空依赖性以及多源跨域因素的影响使得无线通信流量的精准预测面临着巨大的挑战。首先,对无线通信流量从时间属性、空间属性、社会属性、以及自然属性进行相关性分析,数据分析表明,无线通信流量具有多源跨域性;其次,基于对无线通信流量多重属性的全面分析,提出了一种改进的密集全连接网络模型MST-DenseNet。该模型利用单个DenseUnit结构的卷积操作捕获无线通信流量的空间相关性,利用多个并列的DenseUnit结构捕获无线通信流量在不同时间尺度上的相关性,同时考虑跨域数据对流量的影响,最终将通信流量自身的时空特征与跨域数据中的社会特征、自然特征高效融合,实现对无线通信流量的精准预测。在实际蜂窝数据集上与现有模型进行预测误差的对比,结果表明MST-DenseNet具有更高的预测精度。 展开更多
关键词 无线流量预测 多源跨域 数据融合 时空依赖性 密集卷积网络
下载PDF
基于残差时序图卷积网络的交通速度预测 被引量:1
13
作者 张安勤 胡梓明 《计算机仿真》 北大核心 2023年第11期116-121,共6页
准确的交通速度预测是现代智慧交通系统中重要的组成部分,对解决交通拥堵和保障公众出行安全具有重要的意义。针对现有的交通预测模型存在对交通速度中长期预测任务效果不是很好的问题,提出一个新的基于残差时序图卷积网络深度学习框架R... 准确的交通速度预测是现代智慧交通系统中重要的组成部分,对解决交通拥堵和保障公众出行安全具有重要的意义。针对现有的交通预测模型存在对交通速度中长期预测任务效果不是很好的问题,提出一个新的基于残差时序图卷积网络深度学习框架RSATCN。首先利用可学习的遮罩矩阵和图卷积网络相结合来捕捉空间特征,再利用时间注意力提取时间序列的动态相关性,最后用残差时序网络捕捉时间特征和速度特征。在两个真实世界的数据集上的实验表明,提出的模型在预测交通速度中长期任务方面优于最新的基线。 展开更多
关键词 交通速度预测 时间注意力卷积网络 图卷积网络 时空依赖性
下载PDF
基于Transformer的短时交通流预测 被引量:5
14
作者 张力 《信息与电脑》 2022年第7期66-68,共3页
随着道路上的车辆迅速增多,为了保障出行效率,需要在预测交通流量的基础上发布管控策略。交通数据具有高度非线性和时空依赖性,如何灵活提取交通数据的时空特征并发现其相关性来准确地预测交通流量具有一定的挑战。基于此,笔者提出一种... 随着道路上的车辆迅速增多,为了保障出行效率,需要在预测交通流量的基础上发布管控策略。交通数据具有高度非线性和时空依赖性,如何灵活提取交通数据的时空特征并发现其相关性来准确地预测交通流量具有一定的挑战。基于此,笔者提出一种新的基于Transformer的时空网络模型,将注意力机制引入到网络模型中,通过注意力机制有效捕捉动态数据的时空相关性,最后加权融合生成预测结果。 展开更多
关键词 短时交通流 注意力机制 时空依赖性 神经网络
下载PDF
基于时空图卷积循环神经网络的交通流预测 被引量:22
15
作者 谷振宇 陈聪 +1 位作者 郑家佳 孙棣华 《控制与决策》 EI CSCD 北大核心 2022年第3期645-653,共9页
针对交通流预测模型中路网空间结构刻画和交通流时空特性挖掘不充分的问题,构建一种新型的有向时空图,通过定义节点相对临近度来表征路网结构关系,通过学习邻域节点对预测节点的影响权重来表征节点间时空维度的作用关系,从而能更好表达... 针对交通流预测模型中路网空间结构刻画和交通流时空特性挖掘不充分的问题,构建一种新型的有向时空图,通过定义节点相对临近度来表征路网结构关系,通过学习邻域节点对预测节点的影响权重来表征节点间时空维度的作用关系,从而能更好表达交通流的时空特性.将时空图作为预测模型的输入,采用图卷积获取交通流数据空间依赖关系,采用门控循环神经网络获取交通流数据的时空依赖关系,建立一种基于时空图卷积循环神经网络的交通流预测模型(STG-CRNN).在美国公路交通数据集上对模型预测效果进行验证,其结果表明:STG-CRNN模型的预测结果在平均绝对误差、均方根误差和平均绝对百分误差方面,均优于自回归移动平均模型、门控循环单元模型,以及扩散卷积循环神经网络模型. 展开更多
关键词 交通流预测 有向时空 相对临近度 时空依赖性 图卷积网络 循环神经网络
原文传递
Forced Time-Dependent Harmonic Oscillators in Non-Commutative Space
16
作者 LIANG Mai-Lin 《Communications in Theoretical Physics》 SCIE CAS CSCD 2011年第3期410-414,共5页
For the time-dependent harmonic oscillator and generalized harmonic oscillator with or without external forces in non-commutative space, wave functions, and geometric phases are derived using the Lewis-Riesenfeld inva... For the time-dependent harmonic oscillator and generalized harmonic oscillator with or without external forces in non-commutative space, wave functions, and geometric phases are derived using the Lewis-Riesenfeld invariant. Coherent states are obtedned as the ground state of the forced system. Quantum fluctuations are calculated too. It is seen that geometric phases and quantum fluctuations are greatly affected by the non-commutativity of the space. 展开更多
关键词 non-commutative quantum mechanics harmonic oscillator geometric phase coherent state
下载PDF
交通流量预测的时间异质性图注意力网络 被引量:1
17
作者 陈雷 赵耀帅 +3 位作者 林彦 郭晟楠 万怀宇 林友芳 《山东大学学报(工学版)》 CAS CSCD 北大核心 2023年第5期29-36,共8页
采用注意力模型研究交通流量预测问题,提出并设计一种基于时间异质性结合噪声滤除的交通流量预测方法,有效预测美国加州高速公路未来1 h的交通流量。在构建预测方案过程中,分析交通流量数据特性,分别针对相对时间间隔和绝对时间进行建模... 采用注意力模型研究交通流量预测问题,提出并设计一种基于时间异质性结合噪声滤除的交通流量预测方法,有效预测美国加州高速公路未来1 h的交通流量。在构建预测方案过程中,分析交通流量数据特性,分别针对相对时间间隔和绝对时间进行建模,挖掘时间异质性;使用基于节点固有属性的动态噪声滤除方法,解决空间中噪声干扰问题;对预测模型的工作性能和结果进行详细分析,并结合基线模型进行对比评价。试验结果表明,挖掘时间异质性并动态滤除噪声的改进注意力机制预测模型具有一定的预测精度。 展开更多
关键词 交通流预测 时空依赖性 注意力网络 图神经网络 门控机制
原文传递
Wellposedness of some quasi-linear Schrdinger equations
18
作者 CHEMIN Jean-Yves SALORT Delphine 《Science China Mathematics》 SCIE CSCD 2015年第5期891-914,共24页
This article is devoted to the study of a quasilinear Schrodinger equation coupled with an elliptic equation on the metric g. We first prove that, in this context, the propagation of regularity holds which ensures loc... This article is devoted to the study of a quasilinear Schrodinger equation coupled with an elliptic equation on the metric g. We first prove that, in this context, the propagation of regularity holds which ensures local wellposedness for initial data small enough in H1/2 and belonging to the Besov space B3/2 2,1. In a second step, we establish Strichartz estimates for time dependent rough metrics to obtain a lower bound of the time existence which only involves the B1+ε 2,∞ norm on the initial data. 展开更多
关键词 quasilinear Schrodinger equation Strichartz estimates paradiffential calculus stationary phase method
原文传递
Comparative analyses of current three-dimensional numerical solar wind models 被引量:2
19
作者 Shi Tsan WU Murray DRYER 《Science China Earth Sciences》 SCIE EI CAS CSCD 2015年第6期839-858,共20页
We present a comparative study of the most advanced three-dimensional time-dependent numerical simulation models of solar wind. These models can be classified into two categories: (I) theoretical, empirical and num... We present a comparative study of the most advanced three-dimensional time-dependent numerical simulation models of solar wind. These models can be classified into two categories: (I) theoretical, empirical and numerically based models and (Ⅱ) self-consistent multi-dimensional numerical magnetohydrodynamic (MHD) models. The models of Category I are used to sep- arately describe the solar wind solution in two plasma flows regions: transonic/trans-Alfvrnic and supersonic/super-Alfvenic, respectively. Models of Category II construct a complete, single, numerical solar wind solution through subsonic/sub-Alfvrnic region into supersonic/super-Alfvrnic region. The Wang-Sheeley-Arge (WSA)/ENLIL in CISM is the most successful space weather model that belongs to Category I, and the Block-Adaptive-Tree-Solarwind-Roe-Upwind-Scheme (BATS-R-US) code in SWMF (Space Weather Modeling Framework) and the solar-interplanetary conservative element solution element MHD (SIP-CESE MHD) model in SWIM (Space Weather Integrated Model) are the most commonly-used models that belong to Category II. We review the structures of their frameworks, the main results for solar wind background studies that are essential for solar transient event studies, and discuss the common features and differences between these two categories of solar wind models. Finally, we conclude that the transition of these two categories of models to operational use depends on the availability of computational resources at reasonable cost and point out that the models' prediction capabilities may be improved by employing finer computational grids, incorporating more observational data and by adding more physical constraints to the models. 展开更多
关键词 space weather solar wind models comparative analyses
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部