基于信息增益的最优组合因子Fisher判别法

线性判别分类器是一种有效的模式分析技术,其中以Fisher判别法准则应用最广,目前已有多种改进线性提取方法。引进信息增益,建立基于信息增益的最优组合因子判别分类器,实现最优组合因子判别分类器的优化。实验结果表明优化后的分类器有效剔除了冗余因子,具有良好的分类准确率。

广东沿海强东北季风的概率预报方法

通过对1988～1997年十年中冷空气造成的广东沿海强东北季风过程的统计研究,挑选出多个与强东北季风相关程度较高的因子作最优因子组合,分月份、分时次共设计了24条概率预报方程,从而建立起冬春季强东北季风概率预报方法,因子结构合理,处理技术科学,所有计算过程完全客观定量。预报检验和业务试验表明,该方法的预报结果效果良好,有较高的应用参考价值。

太阳辐射预报滚动订正方法研究

利用2013年1月至2014年12月北京南郊观象台逐时观测总辐射以及BJ-RUC模式系统预报的该站未来24h逐时总辐射、云量、水汽混合比、云水、云冰含量等14个气象要素数据,运用多种线性订正方案对总辐射预报值进行订正,重点分析了不同方法、不同季节、不同样本数的订正效果差异。结果表明:1不同季节辐射订正的影响因素不尽相同,需采用不同的组合订正因子,其中总辐射、2m比湿、2m相对湿度、低云量、中云量、高云量、总云量、云水雨冰雪霰混合比、水汽混合比可作为推荐因子;2最优样本数选取时需考虑季节差异;3逐时滚动订正方案的订正效果较好,明显优于非滚动方案。订正后总辐射误差显著减小,而且79%的时刻有改进,明显减小了预报偏大的系统误差;4冬春季订正效果优于夏秋季,这与云的宏观和微观物理量预报效果的季节差异有关。本文研究结果可为太阳能资源评估、总辐射和光伏电站发电量预报提供有效的改进方法。

一种改进的求解大型线性方程组的Jacobi迭代法

针对求解大型线性方程组提出了一种新的Jacobi迭代法。其思想是用Jacobi迭代法得到的当前点和上一步迭代点的组合得到下一步迭代点,并且通过求解最小二乘优化问题求得最佳组合因子。在与经典的Jacobi迭代法相同的条件下,证明了这种最优外插Jacobi迭代法的全局收敛性,进一步的数值实验也验证了新算法的有效性。