基于大数据的局部区域气象数据预测系统架构设计

为提高岭南地区农作物种植局部区域气象预报的精度和时效性,文章设计了一种基于大数据的预测系统架构。该架构采用分布式存储和计算技术处理海量气象数据,并利用机器学习和深度学习算法构建预测模型,实现实时、精准的气象数据预测。

基于气象预测数据优化卫星成像参数

卫星传感器成像参数包括增益、积分级数、行积分时间等,需要在传感器成像前通过地面站指令上注,合理的成像参数设置是获取高质量遥感影像数据的重要前提。本文提出了一种基于气象预测数据的卫星传感器成像参数优化与计算方法,首先,根据成像链路模型,结合气象预测数据中能够较好反映地表状态变化的地表反照率数据,解算目标地物成像时刻天顶辐亮度;然后,利用传感器绝对辐射定标系数解算不同成像参数下对应的图像灰度;最后,根据图像灰度适宜的策略选取合理的成像参数。通过吉林一号视频04星推扫成像模式验证本文提出的算法对全色和多光谱谱段图像信息熵分别提升4.37%~23.71%,采用本文提出的优化成像参数可以有效改善卫星遥感影像的有效动态范围,满足高质量遥感影像数据获取需求。

基于SPSS Modeler的气象数据分析

随着信息化的普及,气象信息化的程度日益提高。气象部门积累了大量的气象数据,如何充分利用这些数据,获取其中蕴藏的价值,已经成为大数据时代面临的主要任务。基于SPSS Modeler对某站点的气象数据进行分析,介绍了数据加载、数据抽取、离群值极值处理、数据分析、数据挖掘等步骤。

不同气象预测数据源对山地风电场风速预测准确率的影响分析

在影响风电功率预测准确率的因素中,气象预测数据源的选取和组合影响较大。基于广西A、B两个山地风电场2020年2月1日至3月15日15min实测风速、4种单一气象数据源及3种混合订正气象数据源的预测风速,分析不同气象预测数据源对风电场风速预测准确率的影响。结果表明,多种数据源混合订正预测结果总体优于单一气象数据源预测结果,在预测模型优化过程中可重点研究混合订正气象数据源的应用。同一气象数据源在不同场站预测效果不一致,并无绝对优势。高分辨率气象数据源预测效果不一定优于低分辨率气象数据源。

基于双核嵌入式系统及ALN算法的智能气象站系统

现代工业控制领域和能源行业往往需要气象数据的支持,这些数据不仅包括实时采集的气象数据,而且包含了未来一段时间内的气象预测数据.提出一种基于OMAP-L138的ARM+DSP芯片并使用自适应线性逻辑网络(ALN)算法来实现具有预测功能的气象站系统.该系统可以通过三个月以上的历史数据训练出预测模型,并使用当前采集的气象数据作为预测模型的输入即可预测得到未来一段时间内的预测数据.

基于Python的风向风速数据分析的设计与实现

Python语言简介,功能强大,不仅在人工智能上凸显其优势,而且在数据分析等应用领域也有着广泛的应用。本文以江苏省气象数据为例,运用Python语言的科学计算包、图像处理数据包实现气象数据的风向风速分析,给出了风向风速的玫瑰图,根据玫瑰图预测了气象的未来走势,完成了系统的图形化设计。

About A New Complex Method of Climates Reconstruction and Forecasting of Climate Changes in the Future

This paper deals with a new integrated method of reconstruction and forecasting of climatic changes in future. The method is based on proxy data pollen-spore analysis method, 14C analysis method, nowadays meteorological data, and data about of solar activity expressed in numbers of W （Wolf）. Here we present the results of investigation of sediments of the 2nd Fomich River terrace, Taymyr Peninsula, Russia. The formation of the peat bog started 10500 ± 140 years BP and continued during the entire Holocene. The pollen analysis of the sediment samples of the 2nd Fomich River terrace and the analysis of surface samples from a larch forest, typical of this region, reveals two phytochrones： both climatically preconditioned--tundra phytochrone （I1-4） and forest phytochrone （Ⅱ1-4）. The techniques of reconstruction and forecasting of basic elements of climate are presented and discussed in details.