光学像消旋系统在FY-3 MERSI图像定位中的应用

45°旋转扫描反射镜模式是一种最常见的光机扫描模式。但45°镜的旋转反射会产生像旋转, 对于线列探测器并扫成像系统时会产生轴外视场无法配准。在遥感图像地理定位计算中, 如果只考虑45°旋转扫描反射镜的反射成像, 也同样会造成地理定位结果在轴外的大误差。在遥感图像地理定位处理中, 计算了K镜反射特性矩阵, 通过光学矢量反射和旋转计算, 在图像地理定位结果中消除了轴外误差。在分析了45°旋转扫描反射镜产生像旋转原因基础上, 给出了在遥感图像地理定位中45°旋转扫描反射镜和K镜光学像消旋系统的处理方法。将该方法用于FY-3 MERSI 10元并扫探测器的遥感图像地理定位处理, 在图像定位结果中减小了误差, 地理定位结果平滑连续。并讨论了45°旋转扫描反射镜和K镜光学像消旋系统对遥感图像地理定位可能造成的其他误差。该方法同样适合于其他45°旋转扫描反射镜和K镜像消旋系统以及多元并扫遥感仪器的图像地理定位。     

用规则四方矩阵网格资料分析等值线的一种方法

介绍用规则四方矩阵网格资料绘制等值线，实现天气形势检索的思路方法。一是利用成图规则构造顶点绘制不规则点的平滑曲线；二是采用“三象限扫描法”追踪网格各等值点。结果与手绘图一致，线条流畅、准确，响应较快，对于开发自已的软件工具有一定的借鉴意义。     

超级计算机上矩阵乘的并行计算与实现

数值预报系统中经常要用到矩阵乘运算。在分布式超级计算机 (如IBM-SP) 上, 矩阵乘的并行计算需要较多的数据移动, 有效的数据传输对矩阵乘的实现至关重要。该文讨论了两种矩阵乘的并行算法, 一种是基于矩阵的列-行划分方式, 一种是基于矩阵的网格划分方式。在IBM-SP计算机上的实验结果表明, 网格划分的矩阵乘并行算法通讯开销更小, 并行效率更高, 其并行加速比较列-行并行算法改善约10 %。     

关于《关于正规矩阵的一些奇异值不等式》的注记

在半正定矩阵特征值的控制不等式基础上,利用奇异值和特征值之间的关系以及正规矩阵的特点,推导出正规矩阵奇异值的控制不等式,推广了有关文献的相关结论.     

广州天气微博矩阵的服务效果分析

根据2016年广州天气微博矩阵运维数据探讨微博圈话题聚合效应,结果表明:(1)通过气象微博矩阵进行气象服务,可以促使矩阵成员之间加强联动,扩大微博运营效果;(2)话题聚合是广州天气微博矩阵运营的一个重要手段,话题聚合可以整合服务资源,增加矩阵各成员的曝光度,带动整体影响力的增长;(3)微博矩阵的建设可以直接拉动博文阅读量、粉丝量的增长,增强天气官博的互动力,从而提升矩阵成员的整体影响力。     

背景场误差样本模拟对同化及数值预报效果的影响北大核心CSCD

合理估计背景场误差协方差矩阵(B)是做好变分同化的关键环节。利用控制变量随机扰动法(RandomCV)、增长模繁殖法(BGM)及NMC法等3种背景场样本模拟方法,基于WRFDA系统计算B矩阵,对B矩阵的特征及其对同化预报效果的影响进行了研究。B矩阵的特征分析和单点观测试验表明,NMC法与RandomCV法得到的B矩阵误差方差较大,在同化中观测的权重更大;RandomCV法得到的B矩阵,背景场误差中变量的长度尺度更大,说明同化中观测的水平影响范围更大。连续循环同化和预报试验表明:应用RandomCV法计算得到的B矩阵分析与预报的效果明显优于系统自带的以及BGM法得到的B矩阵,且效果与NMC法相当与NMC方法相比,采用RandomCV方法产生背景场样本具有时间和人力成本相对低的优点。     

背景场误差样本模拟对同化及数值预报效果的影响

合理估计背景场误差协方差矩阵(B)是做好变分同化的关键环节。利用控制变量随机扰动法(RandomCV)、增长模繁殖法(BGM)及NMC法等3种背景场样本模拟方法,基于WRFDA系统计算B矩阵,对B矩阵的特征及其对同化预报效果的影响进行了研究。B矩阵的特征分析和单点观测试验表明,NMC法与RandomCV法得到的B矩阵误差方差较大,在同化中观测的权重更大;RandomCV法得到的B矩阵,背景场误差中变量的长度尺度更大,说明同化中观测的水平影响范围更大。连续循环同化和预报试验表明:应用RandomCV法计算得到的B矩阵分析与预报的效果明显优于系统自带的以及BGM法得到的B矩阵,且效果与NMC法相当与NMC方法相比,采用RandomCV方法产生背景场样本具有时间和人力成本相对低的优点。     

矩阵方程A^TXA=D扰动分析

利用矩阵分块与矩阵范数的性质,研究矩阵方程A^TXA=D,获得该方程的扰动界,这些结果可用于模型修正中的数值计算。     

两分类天气预报的准确率判据与经济效益评价

一、效益矩阵与共轭矩阵在评价分类预报的经济效益时经常要用到两个列联表.一个表示生产单位在不同天气条件下采取不同决策时的平均收益(或损失)的列联表,又称效益(或损失)矩阵,其通式如下     

在四维变分同化中运用集合协方差的试验

利用浅水方程模式和模式模拟资料进行数值试验比较3种不同的背景误差协方差矩阵处理方法对四维变分(4DVAR)资料同化的影响.3种背景误差协方差矩阵分别是:(1)对单一变量将背景误差协方差矩阵简化为对角矩阵;(2)将背景误差协方差矩阵的作用简化为高斯过滤;(3)由预报集合生成背景误差协方差矩阵并利用奇异值分解技术解决矩阵的求逆.通过一系列数值试验,比较不同观测密度、不同观测误差下3种背景误差协方差处理方法对4DVAR同化效果的影响.结果表明,背景误差协方差的结构对4DVAR有重大影响.当观测资料的空间密度不够高时,采用对角矩阵得不到满意的结果.高斯过滤方案可以明显改善同化结果,但是对背景误差特征长度比较敏感.第3种方法采用的背景误差协方差矩阵是流型依赖的,而且并不以显式的方式出现在目标函数中.避免了对它求逆的复杂运算.由于做了降维处理,在观测点的密度较低和观测误差较大时可望取得较好的同化结果,同化效果较为稳定.     

随机马尔可夫跳变系统的弹性动态输出反馈控制

本文讨论了随机噪声影响下马尔可夫跳变系统的弹性动态输出反馈控制问题.在系统随机干扰和控制输入扰动的情况下,设计的弹性控制器可以确保闭环系统的依概率渐近稳定性.通过运用随机微分方程理论和线性矩阵不等式技术对系统进行稳定性分析,获得了系统依概率渐近稳定的充分条件和控制器增益.最后通过数值算例和直升机系统仿真验证了所提弹性动态输出反馈控制方法的有效性.     

基于增广P型学习观测器的航天器故障重构和自适应容错控制

针对航天器姿态控制系统常见的传感器故障问题,基于增广P型学习观测器技术研究了故障重构问题,并对故障系统进行了容错控制器的设计.首先,考虑同时存在传感器故障和未知干扰输入的航天器姿控系统状态空间模型,将故障等效考虑成与前一时刻故障估计值和当前时刻输出误差有关的两项,借助Lyapunov定理设计观测器,并采用LMI方法给出了观测器参数矩阵系统化设计方法.然后,设计积分滑模面,将得到的等效控制律代入系统状态空间模型后,设计包含自适应故障补偿控制项和线性输出反馈控制项的容错控制律.最后通过仿真实例验证了所设计观测器和容错控制器的有效性.     

具有异步控制器的离散马尔可夫跳变Lur'e系统的稳定性和l2增益性能分析

本文研究了一类具有异步控制器的离散马尔可夫Lur''e跳变系统的稳定性及l₂增益性能.通过引入隐马尔可夫模型（HHM）来描述所设计的控制器和原始系统之间出现的异步现象.利用线性矩阵不等式（LMI）方法分析了闭环系统的稳定性和l₂增益性能.然后提出了一个充分条件使得闭环系统随机稳定,并使得从扰动到系统输出的l₂增益达到最小.同时,通过求解给定条件来设计一个由线性状态反馈和扇形有界非线性输出反馈组成的异步控制器.最后,给出了一个数值仿真例子来验证所提方法的有效性.     

基于SSA-MGF的BP神经网络多步预测模型

采用奇异谱分析（Singular Spectrum Analysis，SSA）方法对标准化样本序列进行准周期信号分量重建，将重建序列构造均值生成函数（Mean Generating Function．MGF）延拓矩阵作为输入因子，原样本序列作为输出因子，构建BP神经网络多步预测模型。通过实际建模并与逐步回归等方法进行对比预测试验，结果表明，基于SSA-MGF的BP神经网络多步预测模型预测效果优于其他3种模型，说明SSA的去噪及BP神经网络预报模型对于提高预测准确率是相对有效的，是一种具有较高应用价值的多步预测方法。     

光伏发电系统防雷检测方法

在了解光伏发电站的构成和工作原理,掌握光伏发电系统的防雷装置和接地特性参数的基础上,参照相关的防雷规范划分光伏发电站防雷类别,提出了使用输出电流较大的检测设备,采用异频小电流、GPS定位系统配合,对电站的光伏方阵区和交流输配电设备区2个重点区域的检测方法,针对每一个特性参数给出了要求值和测试结果判断.采用异频小电流干扰小、操作安全,GPS定位测距准确,测试方法比较科学,测试取得的数据准确可靠,可有效判断光伏发电系统防雷和接地装置的性能.     

人工神经网络预报模型的过拟合研究

针对神经网络方法在预报建模中存在的“过拟合”(overfitting)现象和提高泛化性能 (generalizationcapability)问题 ,提出了采用主成分分析构造神经网络低维学习矩阵的预报建模方法。研究结果表明 ,这种新的神经网络预报建模方法 ,通过浓缩预报信息 ,降维去噪 ,使得神经网络的预报建模不需要进行适宜隐节点数的最优网络结构试验 ,没有“过拟合”现象 ,并且与传统的神经网络预报建模方法及逐步回归预报模型相比泛化能力有显著提高     

Local tomography troposphere model over mountains area

The term GNSS meteorology refers to the utilization of the Global Navigation Satellite System's (GNSS) radio signals to derive information about the state of the troposphere. GNSS tomography allows to resolve the spatial structure and temporal behavior of the tropospheric water vapor. This paper presents the verification of GNSS tomography over dense local GNSS network. The paper addresses the problem of obtaining a stable tomographic solution from an ill-conditioned system of linear equations. The main interests are in suitable horizontal and vertical resolution in given conditions. Here the Moore–Penrose pseudo inverse of variance–covariance matrix is used. The minimum constraints solution is obtained with no additional assumptions. The results are validated with the help of simulated weather conditions. Three various scenarios are tested. As general output of this paper the optimal model construction scheme is presented with possible further improvements. The verification of the tomography model based on the local GPS KARKONOSZE, situated in the Karkonosze mountains area in Poland.     

一阶Buterworth递归式带通滤波器技术改进方案

把一阶Ｂｕｔｔｅｒｗｏｒｔｈ递归带通滤波器应用于滑动样本,输出序列出现了振幅和位相的相对误差,为了克服这种现象给制作中长期预报带来的困难,作者通过数值试验,分析了该滤波器的误差传递特性,并设计了“拟定初值的三步滤波方案”。大量试验表明,该方案可较为有效地抑制输出序列的误差和位相飘移。     

一阶Buterworth递归式带通滤波器技术改进方案

把一阶Ｂｕｔｔｅｒｗｏｒｔｈ递归式（ＦＢＲ）带通滤波器应用于滑动样本,输出序列出现了振幅和位相的相对误差。为了克服这种现象给制作中长期预报带来的困难,作者通过数值试验,分析了该滤波器的误差传递特性,并设计了“拟定初值的三步滤波方案”。大量试验表明,该方案可较为有效地抑制输出序列的误差和位相飘移     

系统辨识(5):迭代搜索原理与辨识方法

递推辨识与迭代辨识构成了两类重要的参数估计方法.递推辨识的递推变量与时间有关,因而可以用于在线估计系统参数;迭代辨识的迭代变量是自然数,与客观世界的时间无关,通常用于离线估计系统参数.基于辅助模型辨识思想、多新息辨识理论、递阶辨识原理、耦合辨识概念等辨识方法都可以用递推算法和迭代算法实现.迭代方法渊源很早,如求解矩阵方程Ax=b的雅可比迭代、高斯-赛德尔迭代等.迭代辨识方法主要使用梯度搜索、最小二乘搜索、牛顿搜索原理来实现.为此主要研究了CARMA系统和Box-Jenkins系统的最小二乘迭代辨识方法与梯度迭代辨识方法.这些方法也可推广到其他所有方程误差类系统和输出误差类系统,以及非线性系统.迭代辨识方法通常用于有限量测数据的系统辨识,其收敛性证明是辨识领域极具挑战性的研究课题.