基于雷达回波光流场的天气预报数据误差识别

天气预报数据具有相似度高、关联性强的特点,导致挖掘和分类的误差识别难度较大。为此提出新的天气预报数据误差识别方法。将雷达回波图划分为多个小空间区域,求解得到各空间的回波光流场。通过整合得到多普勒天气雷达测得的整个雷达回波光流场。利用解得的实际与预报回波相关系数,定量描述数据误差相关性,结合平均绝对误差与探测概率指标,定性补充预报数据误差分析结果。将预报数据误差的识别转换为数据挖掘与分类问题,以监督决策树理念为基础,建立误差识别模型。仿真以降水强度、位置以及形态展开误差识别检验。通过对错误、缺漏识别次数与识别时间等指标的验证,证明了所设计模型具有较高的误差识别精度,且短时预报的误差识别实时性较强。

EC预报数据在中国近海的适用性研究

欧洲中期天气预报中心(简称EC)的10 m风场数据在沿海有较高的参考性和使用频率,但尚未有研究系统地针对不同海域对该数据进行评估。本文利用EC预报的10 m风场数据,与中国近海22个浮标的10 m风场结果进行对比,检验EC 10 m风场预报性能,并挑选3个经过浮标点位的台风和两次典型的冷空气大风过程,检验其在台风和冷空气过程下的预报性能。结果表明:EC预报数据与浮标实测风速的相关性总体较好。在风力小于4级时,EC 10 m风速预报数据偏大,在风力大于4级时,预报数据偏小,在风力等级为3~5级时,预报数据较为准确。在不同风向条件下,EC预报10 m风向的平均误差大部分在0°~20°。风力等级越小,风向预报偏差越大,反之预报偏差越小。EC预报数据对于台风引起的风向变化有较好的反应,且风速较低时,风速预报数据表现较好,而对于台风最大风速值的预报则存在较大误差。EC预报结果能较好地反映两次冷空气过程引起的风向变化。风速越小,EC预报的误差也越小,随着风力等级的增大,预报误差明显增大。EC对大风的风速预报偏小,误差偏大。

多源城市暴雨预报数据融合研究进展

全球气候变化和快速城市化改变了城市水循环过程,加剧了城市暴雨洪涝问题。为有效预报洪水,减轻洪涝灾害,借助水文水力模型对城市水循环的各个环节进行模拟。而单一暴雨预报数据的不确定性是使用水文水力模型模拟预报洪水面临的重大挑战。从城市雨洪模型输入不确定性的角度出发,回顾了暴雨预报技术的发展历程,总结了各种预报方法的特点、适用性和局限性,指出基于单一暴雨预报数据驱动模型预报洪水的不足,提出多源暴雨预报数据融合的基本框架。未来应强化降雨观测和定量降水预报能力,发展多源信息耦合技术,实现高精度、长预见期的洪水预报,为城市防洪减灾提供依据。

基于“天擎”的智能网格预报数据共享方法研究

气象大数据云平台(简称“天擎”)为全国气象部门提供了统一的数据管理和服务框架。针对天津智能网格预报数据集约管理及访问方面的不足,设计了基于天擎的数据存储共享方案。应用表明,该方案实现了天津智能网格预报数据更为高效集约的存储和规范统一的共享,提升了数据访问安全性,为省级气象部门基于天擎提升数据存储共享能力提供了参考。

一种基于环境预报数据的阵风建模方法

针对现有飞行器仿真试验自然环境模型,研究环境预报数据转换和处理方法;基于随机波浪理论,建立二元阵风紊流数学模型,并研究该模型的仿真建模方法;基于Davenport谱建立基于环境预报数据的阵风紊流模型,并引入到飞行器六自由度数学仿真试验中,得到阵风紊流对于飞行器飞行状态的影响情况。试验结果表明,阵风紊流对于飞行器攻角影响较大,对于飞行高度影响较小,利用阵风紊流模型开展飞行器航迹仿真试验切实可行。

巧用Excel VBA处理洪水预报数据

VBA是Visual Basic for Application的英文缩写,它是在Office中广泛使用宏语言.使用宏可以增强Excel软件的自动化能力,使用户更高效地完成特定任务.

一种近实时全球电离层数据同化和预报系统的构建与实现

电离层天气变化正成为目前空间天气预报最重要的内容之一,建立一个可靠的、精确的电离层特征参量现报和预报系统对空间科学研究及军民用无线电信息系统保障均具有重要价值。基于国际GNSS服务组织(International GNSS Service,IGS)的地基GNSS和全球电离层无线电观测站(Global Ionospheric Radio Observatory,GIRO)数字测高仪的实时数据,以国际参考电离层(International Reference Ionosphere,IRI)模型为背景模型,采用高斯-马尔可夫-限带卡尔曼滤波同化技术,结合超大规模矩阵稀疏存储与处理方法,在云计算平台上构建完成了近实时全球电离层数据同化和预报系统(near-Real-Time Global Ionospheric Data AssiMilation and forecasting system,RT-GIDAM)。该系统具备了全球电离层TEC和电子密度的近实时(延时约5 min)、较高空间(5°×2.5°)和时间分辨率(15 min)的同化和预报功能,可为空间物理研究及相关无线电系统应用提供数据支撑。

基于两种波浪数据的施工船舶可作业预报对比

通过对基于全球海浪预报数据和全球海浪再分析数据的施工船舶可作业预报对比,探讨基于全球海浪预报数据的施工船舶可作业预报的可靠性。针对我国未来海上风电场规划,对2种波浪数据的波浪要素以及采用两种波浪数据的起重船大直径单桩可作业性进行对比,选择具有代表性的17个波浪数据点,在船舶可作业性计算中采用基于时-频域联合计算的方法。结果表明,两种波浪数据中对海上风电施工船舶作业影响较大的波高和波周期的均值和方差误差均较小,总体在10%以内。采用两种波浪数据的可作业性的预报误差不超过15%,大部分可控制在5%以内。表明,海浪预报数据进行施工船舶可作业性的预报依然具有较高的可靠性,可以作为海上风电场整体施工难度评价的依据。

数据驱动下船舶海试数据预报方法与应用研究

本研究旨在介绍船舶海试内容,进而探讨基于数据驱动的船舶海试数据预报方法及其在船舶性能评估和安全管理中的应用。通过实际海试数据和船舶运行数据,结合机器学习和数据挖掘技术,建立预测模型,可以实现对船舶在不同海况下性能表现的准确预测。数据驱动的预测方法能够有效提高船舶海试数据的准确性和实用性,为船舶设计优化、船舶运营管理和航海安全提供重要支持。

基于两种反距离加权插值的海上风电施工船作业预报对比

结合反距离加权法提出两种获得非固定格点处施工船舶可作业率的插值流程,并进行对比。对比采用空间分辨率为(1/12)°的法国气象局全球海浪预报数据,以180 m起重船海上风电机组大直径单桩基础施工为海上风电施工船舶典型作业,并选择我国拟规划的海上风电场典型海域待开发海域均匀分布的144个插值点进行计算对比。结果表明:采用这两种反距离加权插值流程获得的施工船舶可作业率极为接近,144个插值点采用两种流程的船舶可作业率误差均在1.5%内,这在工程应用上可认为是精度等效,可在不同应用场景下相互替换。

面向海洋预报任务的大数据可视化系统研究

海洋预报业务可视化过程中,存在多源、异构、海量、强关联的海洋数据存储效率低,大规模高维矢量场数据可视化速度慢,多预报任务协同交互负担高,异常多的等核心问题,为海洋预报数据的全方位、多角度应用带来了极大的挑战。设计并研发了基于海洋事件关联度的海洋预报监测数据存储方案、基于SDR的快速海洋预报数据可视化方法、基于P2P通信的多源海洋预报数据协同交互方案,建立了面向海洋预报任务的大数据可视化系统,为多源海洋预报数据提供了快速、动态、易交互的展示效果。

表面活性剂预报数据库(SIMS 2.0)的设计与研究

通过对现有数据库管理系统的分析,用Visual C#编写表面活性剂预报数据库的应用程序,建立了可供查询和数据输入的表面活性剂物化参数、分子结构信息以及农药配方数据库。另根据表面活性剂预报数据库中分子结构数据库的功能需要,在此工作的基础上,运用GMA算法,实现表面活性剂二维子结构检索。在预报模块中,运用多元线性回归方法建立了三种定量构效关系模型(QSPR)预报硫酸盐、磺酸盐、聚氧乙烯醚类表面活性剂的临界胶束浓度(CMC)值,以及一种预报硫酸盐类表面活性剂亲水亲油平衡值(HLB)的QSPR模型。

TLE数据误差与基于TLE数据的交会预报分析

目前普遍使用TLE数据进行在轨物体的危险交会预报.TLE数据误差不仅会影响交会预报的准确性,还是计算碰撞概率的必要参数,因此,只有准确估计TLE数据误差,才能得到可信的碰撞概率数值.本文采用两种方法,即TLE数据自比和与高精度轨道预报数据相比较的方法,计算TLE数据误差,并分别利用TLE数据和高精度数据计算同一交会,比较两种数据预报的交会结果差异.结果表明,采用TLE根数自比方法的计算误差偏小,而使用精轨数据作为校准数据所得到的TLE误差更接近真实误差,计算碰撞概率更为合理,有利于减少虚警.

大城市专业气象预报服务产品数据生成系统

文章介绍预报服务产品数据生成子系统的开发运行环境、输入数据内容、预报服务产品数据输出内容及格式、系统包括的主要预报服务产品以及系统结构、系统流程、系统处理功能、各种预报服务产品的配置说明等内容。

基于样本数据重抽样的时序数据预报方法

研究时序数据预报和提高预报精度的方法 .提出一种新的利用误差项对时序数据样本进行 Boot Strap重抽样的方法 .该方法采用神经网络技术建立时序数据预报模型 ,并通过重抽样技术提高预报精度 .通过 Boot Strap算法与 BP算法的预报偏差平方和比较说明 Boot Strap算法提高了预报精度 .将提出的重抽样技术引入时序数据预测中 ,可提高神经网络的预测精度 。

基于云RBF神经网络模型的大坝监测数据预报

基于云理论的峰值法云变换,采用隶属云模型与RBF神经网络相结合的方法,分析了岩滩水电站工程大坝监测数据预报。实例结果表明,云RBF神经网络的预测精度优于传统法,是大坝监测测值预报的一种有效新方法。

深基坑变形监测数据时序分析法的建模与预报

基坑变形监测的各种数据一般是以时间间隔构成的随机序列,用时间序列分析的方法进行监测数据的建模与预报是有效处理监测数据的一种手段。本文以基坑监测中有代表性的监测数据-锚杆拉力监测为例,用时序分析的方法对监测数据处理、分析、建立适合的模型以及对数据进行预报等过程进行研究和探讨。

采用ARMA模型对变形监测数据处理与预报

基于平稳时间序列分析理论,通过对ARMA模型的识别与定阶以及参数的估计,建立变形监测数据处理与预报的时间序列ARMA模型,并用该模型对一组实测变形数据进行分析、预测,将变形预测数据与实际观测数据进行比较,取得较好的拟合效果和预测精度。结果表明:ARMA(m,n)模型对变形监测数据处理与预报是十分有效和可靠的,具有一定的应用价值。

用于高温次季节预报的深度学习方法

高温是一种比较常见的气象灾害,对人们日常生活和健康以及国民经济都有一定的影响。准确地预报未来10-30天(次季节)的每日高温天气状况,有助于人们及早地做出对应的决策和降低财产损失。本文设计了一种深度学习模型,通过对两个Encoder提取的大气环流和地表高温的特征进行延迟融合,并结合Decoder逐日输出高温预报结果。实验结果表明,本文的方法有较好的预测效果,相较于单个Encoder的深度学习方法,均方根误差降低了2.12%,异常相关系数提高了2.72%,决定系数提高了0.04。