基于RBF和PSO的双喉道气动矢量喷管优化设计

本文探索了一种能多变量综合优化的方法,即对喷管进行参数化设计后,用均匀试验设计(UED)将试验样本均匀散布在设计区间内,求出各性能参数后,利用径向基神经网络(RBF)对试验样本进行拟合,再用粒子群算法(PSO)对训练好的神经网络进行寻优,找出了更好的双喉道气动矢量喷管设计参数组合。数值模拟结果显示,优化后的双喉道气动矢量喷管的矢量角有了明显提高。试验表明这种优化方法具有很好的优化能力,可以用来对喷管几何外形进行参数优化。      

ASC200型地基双波段全天空云量自动观测仪云量比对分析

采用ASC200型地基双波段全天空云量自动观测仪2019年2—5月在中国气象局长沙国家综合气象观测试验基地和上海宝山国家基本气象站的连续观测数据，分别与人工观测云量及器测云量参考标准进行比对，从综合云量、可见光云量及红外云量3方面初步探究其云量观测能力。比对结果显示：该设备长沙站和宝山站综合云量样本与人工云量参考标准差值在±20%以内的样本分别占总量的92.2%和79.4%，长沙站综合云量样本与器测云量参考标准差值在±20%以内的占样本总量的90.5%，差值在±10%以内的占样本总量的86%。结论如下：①ASC200综合云量样本与人工及器测云量参考标准一致性良好；②验证了可见光云量观测系统在雾霾等天气条件下观测能力较弱，红外云量观测系统对卷云的观测能力较弱；③在能见度良好的观测条件下，双波段云量观测系统的云量观测能力优于单一波段云量观测系统。     

基于迁移学习的卫星云图云分类

针对在基于机器学习的云图识别中,由于不存在公认的云分类样本库的现实条件下,带来的训练样本数量不足和不平衡,从而难以获得可靠的分类模型的问题,利用迁移学习中的多源加权Tradaboost算法(内部采用极限学习机作为分类器)来进行卫星云图云的检测。利用多人(多源)标注的大量厚云的样本,构成多源辅助样本集;利用少量标注的薄云样板构成目标样本集。使用迁移学习和辅助样本集,对仅在薄云样本集下的训练获得的极限学习机分类器进行辅助训练,提高其薄云识别率。基于国家卫星气象中心的HJ-1A/B的卫星数据实验结果表明,迁移学习可以充分利用容易获得的大样本厚云辅助样本知识,对同类型有关联的小样本薄云分类器进行识别提高。实验表明,迁移学习算法可以进一步用于更多多源样本和其他云分类的任务。     

基于深度语义分割的FY-2E遥感影像云检测方法

本文提出了一种基于深度语义分割技术的全自动云检测算法,可提高FY-2E遥感影像的云检测精度。首先,将FY-2EL1数据与精度较高的云检测结果进行匹配,获得用于训练和评估样本的数据集;其次,设计了深度语义分割网络,并针对训练集中正负样本严重失衡的问题,改进了损失函数,可以有效提取云的边界;最后,分别以FY-2E和MODIS数据作为训练和标签样本训练网络,得到了可用于FY-2EL1影像检测的四分类模型。试验结果表明,在四分类检测中,所提方法的准确率达到了75%,Kappa系数为0.53左右。与现有多通道阈值法相比,采用所提方法进行二分类检测可提高约90%样本的准确率,部分样本的准确率提升20%以上。此外,所提方法对云边缘、破碎云等细节识别能力较强,且具有一定的鲁棒性,受训练样本中的误判类别影响较小。未来通过扩充数据集并优化网络,可提高FY-2全圆盘影像的数据质量。     

BP神经网络在建模中的参数优化问题研究

神经网络方法已经在过去很多年中得到了大量研究,特别是基于误差反向传播算法的人工神经网络(简称BP-ANN)在很多天气预报业务上发挥了重要作用.对于BP-ANN训练有这样的一个问题,在同一个样本模型、同样的网络结构和同样的输入参数情况下,每次训练得到的权重和最终的误差结果几乎都是不一样的,有的会很好,有的会较差.在利用BP-ANN建模训练中,希望都寻找到因子模型的局部最优解,使它具有较好的泛化能力.为了提高BP-ANN在业务预报中的建模和预测能力,将对BP-ANN进行改进试验.利用2009-2010年每年5月15日至9月15日的T639模式预测数据和北京地区4个站点的最高温度实况资料作为建模样本数据,对4个站点进行数值模拟试验.通过对4个模型样本的拟合建模试验发现:BP-ANN的随机初始权重场服从高斯分布,或者初始权重场进行多次初始化,或者采用动态的隐层神经元网络结构都能让BP-ANN对样本的拟合命中率有一定的提高.最后选择2011年5月15日至9月15日115天的资料作为预报测试数据,集成3种改进方法于一个BP-ANN中,和未改进前的BP-ANN进行比较,对比后发现优化后的BP-ANN训练出的模型预测得到的验证样本预测命中率要高于未优化的BP-ANN训练出的模型得到的验证样本预测命中率,优化后的BP-ANN具有更好的泛化能力.     

用人工神经元网络作西南涡降水量级预报

根据汛期预报服务的需要，引进人工神经元ＢＰ网络，选取经验指标和数值预报产品为预报因子，以西南涡影响下鲁西南地区短期降水量级为预报对象，在对历史样本进行训练的基础上，得到了一个可有效判别受西南涡影响时，鲁西南地区降水量级大小的分类预报网络。方法简便、客观，实际预报效果好。     

人工智能在冰雹识别及临近预报中的初步应用

基于广东10部S波段多普勒天气雷达的三维拼图资料,利用机器学习技术开发了一种冰雹识别和临近预报的人工智能算法。算法设计时以雷达回波反射率的垂直和水平扫描数据为基础训练集,将冰雹云的雷达反射率扫描数据作为正样本,将其他雷达反射率扫描数据作为负样本,通过贝叶斯分类法对正、负样本数据集进行机器学习,训练人工智能识别冰雹云内在规律的能力。训练时以广东省2008-2013和2015-2016年的数据作为训练集,使用了2014年广东省12次冰雹过程的数据做检验。对比检验的结果表明,人工智能法比传统的概念模型法击中率高9个百分点。研究结果表明了人工智能对冰雹这类非线性强天气过程具有较强的识别能力。      

支持向量机（SVM）方法在气象预报中的个例试验

SVM（Support Vector Machine）方法的基本思想是：通过非线性映射把样本空间映射到一个高维乃至于无穷维的特征空间（Hilbert空间），在特征空间中寻求最优划分或回归线性超平面，从而解决样本空间中的高度非线性分类和回归等问题。利用1998～2000年9～11月T106—36小时预报的各种输出产品构造因子，以单站有无降水为预报对象，采用MOS法方式构造样本，通过训练建立了单站的晴雨SVM分类预报模型，利用1990～2000年4～9月ECMWF北半球的500hPa高度、850hPa温度、地面气压的0小时分析场资料，确定关键区域，构造预报因子，以PP法方式构造样本，通过训练建立了四川盆地内单站气温的SVM回归预报模型，并进行了模拟试验，结果表明，无论是单站晴雨的SVM分类预报模型还是单站平均气温的SVM回归预报模型都显示出了艮好的预报能力。     

一种基于不平衡样本集的摩托车识别算法

提出了一种基于ＨＳＶ（Ｈｕｅ Ｓａｔｕｒａ ｔｉｏｎ Ｖａｌｕｅ）空间的Ｈａａｒ小波特征和多ＳＶＭ（ＳｕｐｐｏｒｔＶｅｃｔｏｒＭａｃｈｉｎｅ）分类器的摩托车识别算法,以解决因样本比例不平衡所导致的对摩托车识别性能差的问题．首先在ＨＳＶ颜色空间基于无符号小波系数构造特征提取算法,然后对训练数据应用所提出的样本重构方法得到若干训练子集,基于各个训练子集训练相应的ＳＶＭ分类器,识别时将各ＳＶＭ的输出结果进行融合即可得到最终识别结果．实验结果表明：该方法识别性能高,鲁棒性好,对于受数据的不平衡性严重影响的对象识别具有较好的应用和推广价值．     

模型参数对赤霉病人工神经网络预报模型精度的影响

运用最优化相关普查方法,选取确定了对江苏省太湖地区小麦赤霉病发生程度有着显著指示意义的预报因子,将其作为输入变量经多层前馈神经网络的ＢＰ算法进行学习训练,建立了赤霉病病穗率的人工神经网络预报模型。分析了结构参数对模型效果的影响情况,发现训练的总体误差平方和对模型的效果最为显著,历史样本的拟合率随着总体误差平方和的拳小而稳定上升,但总体误差平方和取值偏小时模型对独立样本的预报精度下降;当总体误差平方     

毫米波云雷达功率谱密度数据的检验和 在弱降水滴谱反演中的应用研究

本文首先利用数值模拟的方法,分析了利用毫米波云雷达功率谱密度反演雨滴谱时,降水粒子米散射效应、空气湍流、空气上升速度等对雨滴谱和液态水含量等参数反演的影响;建立了功率谱密度处理及其直接反演雨滴谱、液态水含量、降水强度和空气上升速度的方法;并利用2012年7月在云南腾冲观测的二次弱降水数据,采用毫米波雷达和Ku波段微降水雷达观测的回波强度、径向速度垂直廓线以及780 m高度上的功率谱密度对比的方法,以及毫米波云雷达观测的780 m高度上功率谱密度、回波强度与地面雨滴谱计算得到的这些量的对比方法,分析了毫米波雷达数据的可靠性;并将780 m高度上毫米波雷达反演的雨滴谱与地面雨滴谱数据进行了对比,分析了毫米波雷达反演的雨滴谱的准确性;分析了毫米波雷达回波强度偏弱的原因,讨论了该高度以下降水对毫米波雷达衰减的影响。结果表明:空气湍流对弱降水微物理参数反演影响不大,而空气上升速度和米散射效应均对反演结果有一定影响;毫米波雷达观测到的径向速度和功率谱密度与微降水雷达比较一致,回波强度的垂直廓线的形状与微降水雷达也比较一致,但毫米波雷达观测的回波强度偏弱;与雨滴谱计算值相比,毫米波雷达观测的低层的回波强度也偏弱,天线上的积水是造成毫米波雷达回波强度变弱的主要原因。毫米波雷达观测的低层的功率谱密度与地面雨滴谱观测的数据形状比较一致,但有一定的位移。毫米波雷达反演的雨滴谱与地面观测的谱型和粒子大小也比较一致。这些结果初步验证了毫米波雷达观测的功率谱密度及其反演方法的可靠性。     

自记与自动观测降雨量的差异及相关分析

利用2004—2007年同时使用雨量计（自记）与雨量传感器（自动）观测的54站其中1年的平行观测日降雨量资料,通过对比差值、相关系数分析两者的差异及相关性。结果表明：双翻斗式遥测雨量计自记观测比双翻斗雨量传感器自动观测的日降雨量平均偏小0.12 mm,标准差为0.93 mm。虹吸式雨量计自记观测比双翻斗雨量传感器自动观测的日降雨量平均偏小0.39 mm,标准差为1.5 mm。自动观测降雨量对雨日有一定的影响,两者存在一定的系统偏差。双翻斗式遥测雨量计、虹吸式雨量计与双翻斗雨量传感器观测日降雨量的相关系数分别为0.996和0.994,虹吸式雨量计、双翻斗式遥测雨量计自记观测与人工观测降雨量的相关系数分别为0.98和0.95。     

联合星载毫米波雷达和中分辨率光谱成像仪的云底高度反演

云底高度是云重要的宏观物理参数。本文基于MODIS和CPR探测得到的可见光、红外和毫米波数据,提出了用主成分分析(Principal Component Analysis,PCA)和BP神经网络反演云底高度的新方法,并以相对湿度阈值法处理探空资料所获取的云底高度为基准,对PCA-BP法和CloudSat产品获取的云底高度进行了对比分析。结果表明:对绝大部分类型的云,PCA-BP法的反演偏差小于CloudSat产品。PCA-BP法和CloudSat产品反演的云底高度在夏季偏低,在其他季节偏高,且PCA-BP法与探空仪的均方根误差在所有季节均小于CloudSat产品,两者反演的云底高度具有一致的季节特征,即夏高冬低。PCA-BP法和CloudSat产品所获取的云底高度随纬度升高有减小趋势,在不同地区,两者具有不同的反演效果,反演误差随纬度升高而逐渐减小,对比结果说明了PCA-BP法反演云底高度具有一定的可行性。     

2010—2018年辽宁省雷电流幅值特征分析

基于辽宁省2010-2018年闪电定位（ADTD）资料,运用统计学方法分析了雷电流幅值时间变化特征;运用规程计算公式和IEEE推荐公式分别计算了雷电流幅值累积概率密度,并和实际地闪雷电流幅值累积概率密度曲线做了对比分析;运用最小二乘法拟合了IEEE推荐公式。结果表明：2010-2018年辽宁省地闪以负闪为主,占比高达89%,而负地闪雷电流幅值主要集中于-50~-20 kA;地闪频次在2011-2013年逐年升高,而后逐年减少,总地闪和负地闪的平均雷电流幅值自2010-2013年逐年降低,而后逐年升高;地闪主要发生在汛期的7-8月,平均雷电流幅值在冬季最高,且日变化平稳;雷电流幅值为20-50 kA的总地闪和负地闪累积概率密度曲线下降最快,而雷电流幅值在20 kA左右的累积概率密度曲线开始下降,总体下降速度较慢;通过对IEEE推荐公式进行拟合,拟合后的雷电流幅值累积概率密度分布曲线更加接近实际。     

北斗卫星通信在应急自动气象站中的应用

为了能够在发生灾难事故时进行紧急通信,应急自动气象站采用了北斗卫星导航定位系统的简短通信技术。在北斗卫星通信方式设计过程中,采取压缩数据包长度、主动传输+失败应答通信模式、对通信终端采取休眠工作等方式,在保证数据传输质量的同时减少不必要的通信次数,降低系统功耗,延长工作时间。研究结果表明,采用本文的通信设计,可以实现:1)将数据包长度压缩60%,满足了北斗卫星短信包的长度要求。2)兼顾解决了数据完整性问题和通信资费问题,在正常工作状态下采用自动定时传输模式节约通信资费;在通信失败的情况下采用主从应答通信模式,通过向自动气象站发出数据补收命令,及时取得丢失的数据。3)有效地降低了系统的功耗,通信终端平均功耗下降了10%。     

近红外波段凝结核性质对雨滴散射特性的影响

用M ie散射理论,在已知大气气溶胶粒子的折射率基础上,计算并讨论大气气溶胶以及在其上凝结形成的雨滴的散射相函数、散射效率因子等散射特性。结果表明,对流层中气溶胶粒子的散射能力依次为水滴,冰晶,海洋性粒子,沙尘性粒子,水溶性粒子,煤烟。对于在可溶性核上凝结形成的雨滴,海洋性核的散射能力强于水溶性核的散射能力。由不可溶性核凝结形成雨滴的散射能力依次为煤烟核、冰晶核和沙尘性核。纯水雨滴的散射能力介于沙尘性核和冰晶核之间,强于海洋性核。该结论可以为光学测雨仪器在不同地区条件下的参数设置提供依据。     

两种太阳总辐射分钟级预报方法的比较

利用2010年9月1月至2011年8月31日中国气象局风能太阳能资源中心吐鲁番太阳能试验站水平太阳总辐射逐分钟观测资料,对统计外推法（简称外推法,TRD）和动态神经网络法（简称神经网络法,NNN）两种太阳总辐射分钟级预报方法进行比较。结果表明：从全年平均角度来看,外推法略优于神经网络法。两种预报方法的预报效果都主要依赖于天气形势,晴天预报效果最好,阴雨天气次之,多云和扬沙天气预报效果较差。外推法能较为准确地反映起报时刻影响辐射观测的云、气溶胶、沙尘等状况,并将这种影响持续至滚动预报的第一步或第二步;而神经网络法在预报阴雨、多云等复杂天气形势下预报要素的非趋势性变化规律方面略优;外推法预报日出后3 h和日落前3 h的太阳总辐射变化明显优于神经网络法;而神经网络法预报太阳总辐射突然变化特征时略优于外推法。     

垂直指向测雨雷达的误差模拟及相互校准

基于马歇尔—帕米尔(M-P)分布的雨滴谱和下落末速—降雨算法, 模拟了垂直气流和雷达垂直倾角对垂直指向测雨雷达雨强测量的影响。同时在外场, 与雨量计观测相结合, 比较了五部垂直指向测雨雷达之间的差异, 对其进行了校准。结果表明: 模拟的上升气流对雨强测量的影响大于下沉气流, 垂直气流速率越大雨强测量误差愈显著; 当雷达垂直倾角<1.5°, 或在低风速下 (水平风速<2 m/s) 且倾角<9°, 对雨强测量的影响均小于10%; 强对流性降雨过程中, 垂直气流对雨强测量的影响大于垂直倾角。另外, 通过挑选层状云降雨过程, 对比雷达与共置雨量计测量的降雨量、 对比雷达间测量的降雨量均可获取较合理的归一化斜率; 但对比雷达间测量的降雨量法更优, 利用该斜率可降低雷达间的仪器误差; 在限定雷达间反射率因子差值的条件下, 比较雷达间全部降雨过程的反射率因子也可反映仪器间的系统误差趋势。     

CALPUFF在沈阳地区大气污染模拟中的应用

利用CALPUFF模拟了2006年1月5日沈阳地区大气污染物扩散。结果表明,CALPUFF能够直观、真实地模拟大气环境中污染物浓度的分布。污染物扩散的范围与风速相关,风速大时污染物扩散的范围大,风速小时污染物扩散的范围小。当污染物扩散的范围大时污染源附近的污染物浓度值小,污染物扩散范围小时污染源附近的污染物浓度大。其中,日平均浓度的分布受平均风场和地形的双重影响,实时浓度的分布主要受风场的影响。     

激光雷达和探空反演的混合层高度对比分析

本文利用2016年12月至2017年11月期间晴朗少云天气下的成都微脉冲激光雷达观测数据反演的混合层高度,与温江探空资料确定的混合层高度进行了对比和误差分析,结果表明:基于探空资料和激光雷达数据反演的混合层高度具有较好的一致性,两者相关系数达0.75,激光雷达反演的混合层高度略低于基于探空资料确定的值,在混合层高度为1000～2000m时,两种方法计算所得的值偏差幅度最小,约为20%;在1000m以内和2000m以上,偏差幅度略有增大,为26%;两种方法反演的混合层高度变化趋势较为一致,均呈现出12月、1月较低,4月、5月较高的特点;混合层高度具有明显的日变化特征:上午混合层高度迅速增高,午后增长速度减慢并发展到最大高度,日落后迅速降低;混合层内相对湿度的增加、残留层的存在是导致激光雷达反演混合层高度时产生较大误差的原因之一。