L波段电子探空仪相对湿度误差研究及其应用

为了提高高空大气探测数据准确度, 我国从2002年1月开始推广使用L波段雷达-电子探空仪探测系统, 用携带碳湿敏元件的数字式电子探空仪代替用肠膜测湿元件的59型探空仪进行相对湿度探测。但大量的实测探空资料表明:相对湿度探空曲线仍然存在较大误差。利用能测到-30℃低温的高精度湿度校准设备在-30~30℃试验温度范围内对碳湿敏元件进行大量静态测试, 在进一步了解碳湿敏电阻校准线随温度变化的特征基础上, 结合实际探空资料, 修正工厂的相对湿度订正原理和公式, 从而可以提高碳湿敏电阻在高湿端的测量准确度, 提高判断云层垂直位置的准确性, 进而提高L波段探空仪温度测量的精度。     

使用GTS1型数字探空仪湿度传感器的注意事项

GTS1型数字探空仪测量湿度是采用XGH-02型高分子湿敏电阻,它具有测湿范围广,互换性好,响应速度快,体积小等优点。在使用GTS1型数字探空仪湿度传感器时应注意以下几个方面的问题:(1)XGH-02型湿敏电阻的感应材料是裸露的,操作时手不能接触其感应部分,否则会破坏其感应层的吸湿、导电能力以及涨力,造成测量不准确。(2)探测过程中需要通过软件对其进行温度修正,这样才能保证其在升空全程的测量精度。湿敏电阻的阻值随时间变化有所漂移,在使用过程中采用湿敏电阻的比值来表示相对湿度,这就是读取R0、T0值的原因。(3)使用GTS1型数字探…     

L波段碳湿敏元件特性试验

目前国内大部分探空站已经启用新一代探空仪——上海长望气象科技有限公司生产的L波段电子探空仪。新探空仪的数据率、测量准确度和可靠性都有较大的提高。新探空仪使用的湿度敏感元件是碳湿敏电阻。我们利用工厂添置的能测到-30℃低温的高精度湿度校准设备，进行了大量静态测试，进一步验证了碳湿敏元件与老探空仪使用的肠衣敏感元件相比，灵敏度高，滞后小，在高空低温期间感应陕，测量准确度有较大提高。     

HMP45D温湿度传感器的电极污染及处理方法

针对HMP45D型温湿度传感器在中、高湿校准点出现超过最大允许误差的现象,在剖析湿敏电容结构的基础上,发现基本是因电极污染所致。除进行电路调整外,采用有效的处理方法对其进行清洁,使大部分复检的湿度传感器误差控制在允许范围内。     

气球携带探空仪上升和降落伞携带探空仪下降的全程探空对比分析

开展气球携带探空仪上升和降落伞携带探空仪下降的探空仪观测试验,建立针对下投式的温度、湿度和气压试验评估方法。试验结果表明上升段的北斗温度、气压测量准确度与RS92基本相当,湿度差于RS92双加热湿度传感器;下降段的北斗温度测量准确度与下降段的RS92基本相当,气压由于快速下降对定位有一定影响从而导致气压误差较大,相对湿度误差基本上在5%以内,符合WMO的测量要求;与风廓线雷达进行时空匹配,上升段北斗风向测量准确度差于RS92,风速测量准确度明显优于RS92。试验同时还验证了气球携带探空仪上升和降落伞携带探空仪下降全程2次探空观测模式具有很好的应用前景,可以实现高空站网的时空加密。     

我国探空测湿传感器的温、湿特性试验与分析

通过改进湿度传感器温湿特性实验室测试方法,对国产GPS探空系统和RS92探空仪湿度传感器的温湿特性进行了测试分析.结果表明:国产电子探空仪的湿度传感器在低温状态下探测滞后性明显,给高空湿度的动态测量带来了较大误差,尤其是在低温升湿过程测量比低温降湿过程更为显著.试验还表明环境空气流量的变化会对湿度的测量造成明显的影响,结果有助于改进探空仪湿度传感器测湿算法和防雨帽工艺设计,提高高空湿度测量能力.     

基于EC细网格产品在乌鲁木齐机场低能见度预测中的释用

利用2015—2018年乌鲁木齐机场航空例行天气报告(METAR报)、ECMWF(European Centre for Medium-Range Weather Forecasting)细网格数值预报产品对影响能见度的主要因子进行分析,提取与低能见度相关性高的物理量作为预报因子,采用SVM方法,分别基于Poly、RBF核函数建立乌鲁木齐机场未来21 h能见度预报模型。结果表明:(1)基于预报因子区间分类的SVM模型物理意义明确,试验结果较好;以RBF为函数建立的SVM模型(SVM-RBF)预报能力更好,其训练样本预测的TS评分0.84,准确率89.20%。(2)SVM-RBF模型的检验样本中,预报准确样本的预报误差整体偏小;在漏报样本中则有能见度越低、预报误差越大的特点,模型的振荡性明显。(3)结合NCEP/NCAR再分析资料研究SVM-RBF模型对天气过程的预报表现,发现模型对于特定天气形势下引发的低能见度天气,预报误差较小且预报提前量较大。     

基于MATLAB的主成分RBF神经网络降水预报模型

以前期500 hPa高度场、海温场为预报因子,采用径向基函数(RBF)神经网络与主成分分析相结合的方法,建立了广西中部5月平均降水预报模型。在5年独立样本的预测检验中,预测的平均相对误差、均方误差及平均绝对误差分别为18.12%、50.52和34.23。对比分析RBF神经网络与BP(Back Propagation)神经网络的预测结果,表明RBF神经网络预测结果更准确、精度更高。     

TC-3P型电子探空仪研制

ＩＣ－３Ｐ型电子探空仪是一种过渡型产品,它将快速地替换现行５９型机械变形式探空仪,其地面装置仍采用７０１型二次测风雷达系统。它的研制成功可迅速地提高我国探测业务水平,而跟上国际探测业务水平。ＴＣ－３Ｐ型电子探空仪主要技术性能温度：敏感元件类型棒状热敏电阻测量范围＋５０～－９０℃准确度０．５℃湿度：敏感元件类型碳湿敏电阻片测量范围０～１００％ＲＨ准确度－２５℃以上,５％ＲＨ－２５℃以下,１０％ＲＨ气压：敏感元件类型变容型金属膜盒或硅压阻气压元件测量范围１０６０～１０ｈＰａ准确度１０６０～５００ｈＰ…     

石英露点计

为了测定空气的湿度,根据不同的用途可采用不同的测定仪器。这些测量仪器可有以下几种方式:毛发式、干湿球式、氯化锂式、湿敏电阻式、电容式、冷却式等。在这些测定湿度的方式中,冷却式露点计用测定露点的基本原理来检测露点温度精度好、可靠性高。日本横河电机制作所研制的采用石英振子作为结露检测元件的石英露点计已经问世。这种露点计感应元件不容易受到脏污的影响,并能自动地识别露点和霜点,同时也改善了以往一些冷却式露点计的特性。其主要用途是用来校准湿度计、精密的湿度测量以及空气的干燥度控制中的低露点测定等。     

基于MATLAB神经网络对大同市气溶胶浓度预测

通过对大同市2011-2012年PM10质量浓度、有关气象要素和参数进行随机抽样、分组,建立单隐含层BP神经网络、多隐含层BP神经网络以及RBF网络对以上数据进行调试和训练,得出：就2011-2012年预测PM10日均质量浓度样本而言,按预测效果好坏排序,多隐含层最佳BP神经网络＞单隐含层最佳BP神经网络＞RBF神经网络;从网络最小误差总和来看,三种网络对夏秋两季的预报效果最好;从预测值和实测值的拟合效果来看,RBF网络对春季和冬季PM10质量浓度的预测效果最好;多隐含层BP网络对秋季PM10质量浓度的预测效果最好;三种神经网络对夏季PM10质量浓度的预测效果都很好,优劣性差异不大.     

Hourly air temperature driven using multi-layer perceptron and radial basis function networks in arid and semi-arid regions

This study employed two artificial neural network (ANN) models, including multi-layer perceptron (MLP) and radial basis function (RBF), as data-driven methods of hourly air temperature at three meteorological stations in Fars province, Iran. MLP was optimized using the Levenberg–Marquardt (MLP_LM) training algorithm with a tangent sigmoid transfer function. Both time series (TS) and randomized (RZ) data were used for training and testing of ANNs. Daily maximum and minimum air temperatures (MM) and antecedent daily maximum and minimum air temperatures (AMM) constituted the input for ANNs. The ANN models were evaluated using the root mean square error (RMSE), the coefficient of determination (R ²) and the mean absolute error. The use of AMM led to a more accurate estimation of hourly temperature compared with the use of MM. The MLP-ANN seemed to have a higher estimation efficiency than the RBF ANN. Furthermore, the ANN testing using randomized data showed more accurate estimation. The RMSE values for MLP with RZ data using daily maximum and minimum air temperatures for testing phase were equal to 1.2°C, 1.8°C, and 1.7°C, respectively, at Arsanjan, Bajgah, and Kooshkak stations. The results of this study showed that hourly air temperature driven using ANNs (proposed models) had less error than the empirical equation.     

基于RBF的冗余机械手运动学逆解

针对冗余机械手运动学中存在的非线性、强耦合以及时变性的特点,采用了一种基于径向基函数(Radial Basic Function,RBF)网络的非线性拟合和系统辨识的方法,利用RBF神经网络的逼近能力较优、收敛速度快、非线性处理能力强等特点,可以有效地对冗余机械手的运动学逆问题进行求解;同时,运用遗传算法选取RBF网络的中心,提高网络的性能及效率;用Matlab实现对6自由度机械手运动学的建模、仿真.网络求解的结果表明了该方法的有效性.     

混合递阶遗传径向基网络及其在副热带高压预报中的应用

采用遗传算法与径向基网络结合的方法建立了副热带高压特征指数的预报优化模型.针对径向基网络结构和初始参数难以客观确定的不足,引入混合递阶遗传算法同时优化网络结构和参数.该优化方法结合了递阶遗传算法和最小二乘法的优点,具有较高的学习效率.将混合递阶遗传径向基网络用于副高数值预报产品的预报试验和效果比较,结果表明:混合递阶遗传算法优化的径向基网络模型具有较好的收敛效果和泛化能力,对副高指数的预报效果有较明显的改进和提高.     

热带气旋路径人工神经元预报方法对比试验研究

分别对具有动量项BP、LM、RBF人工神经网络建立36、48、60、72小时的热带气旋路径预测模型,各用100个独立样本进行预测检验,分析了网络"学习好,预报差"的原因,解决这一问题的关键是选择合适的网络结构参数、相应的学习算法和合适的预报因子,并总结了合理应用人工神经网络建立预测模型的经验.针对人工神经网络模型不具有自动选取因子的功能,给实际应用造成困难,提出了基于RBF的逐步选取因子的算法,并进行了对比试验,表明该方法具有较高的实用价值.     

时问序列动态学习率神经网络模型及其初步试验

神经网络在气象上的应用往往是采用固定学习率的BP算法建模,学习过程易出现振荡现象和网络存在冗余连接等缺陷,基于此对神经网络进行了改进。利用时间序列分析方法对样本数据进行处理,用改进后的神经网络对时间序列样本数据进行训练预测,创建了时间序列动态学习率神经网络模型。最后用库车县1997—2007年四季的平均气温值作样本数据进行训练,其训练精度和拟合度都达到很高的标准,用该模型预测了库车县2008年的气温。通过实例证明这个模型在气象预测领域有一定的实用价值。     

利用BP神经网络提高奥运会空气质量实时预报系统预报效果

将BP(Back Propagation)神经网络方法引入到奥运空气质量预报工作中,利用MATLAB神经网络工具箱搭建运行平台,将高时效性的观测结果与多模式集成实时预报系统的模式输出结果相结合,做出BP神经网络拟合预报结果。在对北京大学医学部站点2008年7月7日到8月26日模式模拟结果、观测结果以及BP神经网络拟合结果的对比研究中发现:BP神经网络能大大提高模式预报效果,平均误差率减少34.7%,相关系数提高39%,特别是在模式模拟效果较差的情况下,对提高预报效果更明显。对BP神经网络样本问题进行敏感性实验结果表明,样本数目多少并不是决定拟合效果的决定性因素,应选取具有稳定映射关系的样本,才是提高拟合预报效果的关键。     

A Short-Term Climate Prediction Model Based on a Modular Fuzzy Neural Network

In terms of the modular fuzzy neural network (MFNN) combining fuzzy c-mean (FCM) cluster and single-layer neural network, a short-term climate prediction model is developed. It is found from modeling results that the MFNN model for short-term climate prediction has advantages of simple structure, no hidden layer and stable network parameters because of the assembling of sound functions of the selfadaptive learning, association and fuzzy information processing of fuzzy mathematics and neural network methods. The case computational results of Guangxi flood season (JJA) rainfall show that the mean absolute error (MAE) and mean relative error (MRE) of the prediction during 1998 2002 are 68.8 mm and 9.78%, and in comparison with the regression method, under the conditions of the same predictors and period they are 97.8 mm and 12.28% respectively. Furthermore, it is also found from the stability analysis of the modular model that the change of the prediction results of independent samples with training times in the stably convergent interval of the model is less than 1.3 mm. The obvious oscillation phenomenon of prediction results with training times, such as in the common back-propagation neural network (BPNN) model, does not occur, indicating a better practical application potential of the MFNN model.     

人工神经网络在月降水量预测业务中的研究和应用综述

月降水量的年际变化具有显著的非线性变化特征,预测难度大,历来是重大气象灾害预测的重点难点问题。BP(back propagation)神经网络在月降水量预测业务中的研究和应用中,取得了较好的成果,其中应用较广泛的是PCA-BP神经网络模型、遗传算法优化神经网络、RBF神经网络预测模型、小波神经网络模型、粒子群-神经网络模型等,这些方法也在广西月降水量预测业务中得到很好的应用,对提高月降水量预测能力有较大帮助。因此,有必要对目前神经网络在月降水量预测中的优势和不足进行综述,提出未来研究需要关注的重点关键问题。