低槽(含切变线)的计算机识别

天气系统的计算机识别是实现自动化的关键.本文介绍了一个低槽(含切变线)的模式识别法,比较简便,适于计算机自动处理.该方法在“致洪暴雨”的试验中获得了令人满意的结果.     

图形模式识别方法及其在中期雪灾天气预报中的应用

文章介绍了一种将计算机图形识别技术与数值预报产品相结合, 预报中期天气过程的图形模式识别方法和模式基元识别过程。 利用 ECM WF 的产品, 建立川西北高原雪灾中期预报模型。 在计算机中模仿预报员的思维步骤, 自动分类推理判别, 滚动预报未来 3～ 5 日内雪灾天气发生日期。 1998 ～ 1999 年雪灾中期预报效果显著。     

地形湍流拖曳力参数化及在GRAPES中的应用

分辨率的限制使得不能被模式识别的地形称为次网格尺度地形,次网格尺度地形在热力和动力方面对实际大气有着不可忽略的作用,其效应只能通过参数化的形式回馈给模式。分辨率的提高使得与较小尺度地形相联系的地形湍流拖曳力凸显其重要性。数值模式中地形湍流拖曳力的参数化对完善模式物理过程和改善模式近地层预报效果具有积极意义,其方法包括有效粗糙度法和直接参数化法,而GRAPES模式中并未以任何方法考虑次网格尺度地形的影响。该文通过单柱模式比较了有效粗糙度法和直接参数化法的优劣, 发现后者在有些方面优于前者。最后,将应用于实际的一个直接参数化方案接入GRAPES中尺度模式中,进行个例模拟,并与NCEP再分析资料进行对比,结果表明:考虑地形湍流拖曳力方案对模式预报具有改进作用,尤其对局地低层风场具有积极影响。     

预报模式的感知器分类识别算法

在天气预报中,往往要对已发生过的一些重要天气现象进行分析,从中归纳、筛选出一些有用的模式,作为将来预报的一些依据,而对这种模式的建立往往较难,计算量很大。针对这些问题,本文从模式识别的角度出发,利用“感知器分类算法”对预报模式的以别分类做一些理论上的探讨,并给出相应的计算机算法和程序。     

天气图相似识别系统及其在天气预报中的应用

本文从模式识别角度研究北半球冬季500hPa月平均天气图的相似识别,此方法可应用于各种天气图的识别。     

一种基于数值逼近的KPCA改进算法

核方法广泛应用于模式识别等领域,但其存在着特征抽取效率和样本集的大小成反比的瓶颈问题.因此提出一种基于数值逼近的方法确定虚拟样本矢量,以此代替训练样本,提高KPCA(Kernel Principle Component Analysis)特征抽取效率.在确定虚拟样本矢量时,只需将样本矢量的初值设定为随机变量,算法实现简单、高效.在基准数据集上的实验结果显示该算法优于同类算法.     

基于Mask R-CNN的遥感影像土地分割与轮廓提取

传统的模式识别难以对土地遥感影像一次性精确统计分析.在精确分割出土地种类的前提下,本文提出了一种基于骨干网络为ResNet-101-RPN的Mask R-CNN的遥感影像土地分割与轮廓提取方法.该方法包括以下步骤：数据获取、图像去雾、遥感影像土地统计分析、土地分割和轮廓获取.在一个具有挑战性的卫星地图瓦片数据集上对所提出的方法进行训练和测试.实验结果表明,该方法以0.907的均值平均精度（mAP）和31.33像素的均值平均距离误差（mADE）获得了令人满意的不同种类土地分割和轮廓提取结果.     

基于纹理与分形理论的气象卫星云图目标物识别

气象卫星云图上的目标物进行识别具有重大的实际意义。本文利用计算机图像处理和模式识别技术,结合分形理论对卫星云图上常见的三种云和晴空进行了纹理特征提取,设计神经网络进行了识别实验,结果证明这种方法是有效的。     

基于模糊熵的GLLE熵阈值分割方法

图像分割是计算机视觉中基础且重要的一个问题.熵阈值图像分割作为一种有效的分割方法,被广泛应用于模式识别和图像处理中.传统的图像分割方法并不能获得足够有效的图像特征.为解决这个问题且进一步探究熵阈值在图像分割中的应用,引入一种GLLE（Gray Level and Local Entropy）二维直方图改进熵阈值图像分割模型,并提出了基于模糊熵的方法计算所建立的二维直方图模型.通过标准实验数据集上的对比实验表明,基于模糊熵的GLLE熵阈值分割方法可以得到更加准确的阈值,提高了分割精度.同时在处理不同类型图像的表现上优于往常的算法,具有更强的鲁棒性.     

台风路径人工智能预报方法的研制

台风路径人工智能预报方法的研制蒋乐贻费亮（上海市气象科学研究所，上海２０００３０）人工智能预报方法是一种新方法．在研制专家系统的基础上，根据人工智能内容，结合气象预报特点及所要求的预报精度，研制了台风路径人工智能预报方法．此方法把计算机模式识别技术与...