地球极移参数高精度双差分LS+AR预报方法研究

提出基于双差分最小二乘LS+AR模型的高精度极移参数预报方法。首先,对极移数据进行双差分处理,用以增强数据平稳性,获取差分极移数据,并采用LS方法对差分极移数据进行拟合,获取极移残差数据;其次,利用AR模型对极移残差数据进行预报;然后,综合LS外推预报值与AR模型预报值获取差分极移预报值;最后,对差分极移预报结果进行逆双差分处理,获取高精度的极移预报值。将该方法应用于实际极移参数预报中,结果表明,1d的极移X分量(PMX)预报精度优于0.25mas,极移Y分量(PMY)预报精度优于0.2mas。将该预报结果与国际EOP_PCC预报结果对比表明,极移短期预报精度与EOP_PCC预报结果相当,1d的预报精度略优于EOP_PCC预报结果。     

北太平洋海表温度异常对我国汛期降水的影响

本文对我国汛期降水进行了旋转主分量分析,得到6个最基本的降水型,并利用北太平洋超前一年各季的海表温度与这6个降水型求相关,得到24张相关图。分析相关图的结果表明:黑潮海域的海表温度对我国东部绝大部分地区降水很敏感;影响我国江淮流域降水的海温区有几个,因而使得江淮流域旱涝情况特别复杂也难以预报;我国汛期降水和北太平洋海表温度的相关具有不同的时滞现象,绝大多数与冬半年的海温有密切联系,充分反映了海气相互作用具有十分复杂的机制。     

气温和降水的均生外延主分量预测模型

本文采用了对窗区滑动的气温和降水的时间序列,构造均生函数外延矩阵。对外延矩阵进行主分量分析,建立了以主分量作自变量的气温或降水的长期预测模型。实例分析表明,该模型应用于气温长期预测精度较高,用于降水趋势预测亦是可行的。     

湖南雷暴天气中地闪活动的预报研究

利用湖南地区ADTD闪电定位仪资料,结合NCEP／NCAR再分析资料,对湖南夏季雷暴发生过程中地闪的区域特征、及地闪与大气不稳定参数的相关关系进行分析,提出地闪活动预报的诊断指标并建立不同区域地闪数的预报方程。结果表明：采用经验正交方法研究地闪活动的空间分布特征发现湖南地闪活动可分为3个区域：湘西山地区、湘东北平原区及湘南山地区,各区与地闪相关性好的不稳定参数分别为,湘西山地区：对流不稳定能量、抬升指数、修正K指数及粗理查逊数;湘东北平原区：抬升指数、修正K指数及大气可降水量;湘南山地区：通气管指数。并且不稳定参数与地闪数具有一定的回归关系,各区潜势预报方程对实际应用具有参考价值。     

重庆市区浓雾短期客观预报方法研究

本文针对重庆市区冬季浓雾的短期预报,分析了雾的气候特点和主要天气形势,并引入多种气象因子,采用模式识别原理,建立浓雾预报规则,进而通过微机自动处理实时气象资料,做出浓雾预报。试验结果表明,预报效果较好。     

基于小波分解与GA-LSSVM的GPS可降水量短临预报

针对GPS可降水量时间序列具有非线性、非平稳性的特征，研究一种基于小波分解（WD）、遗传算法（GA）和最小二乘支持向量机（LSSVM）的GPS可降水量短临预报方法。先采用小波分解将GPS可降水量时间序列分解成便于预报的低频分量和高频分量；然后利用遗传算法优化LSSVM参数，进而对各分量建立预报模型；再将各分量预报结果进行叠加重构得到最终预报结果。选取两组数据进行实验，并将预报结果分别与LSSVM和遗传小波神经网络（GA-WNN）预报结果进行对比。结果表明，该组合模型具有良好的泛化能力，可有效解决神经网络易陷于局部极小的问题，提高了全局预报精度。     

多层递阶回归分析

在经典多层递阶预报模型中,预报因子对模型的贡献大小主要取决于各因子间的相对量值差异,而与预报因子本身的实际预报价值关系甚微。本文针对这一缺陷,提出了一种回归分析与多层递阶方法相结合的统计预报模型——多层递阶回归分析。它既摒弃了经典统计理论中的固定参数预报模型,又较好地消除了由于变量间相对量值差异所造成的贡献差异,充分体现了高相关因子在预报模型中的重要作用。实例计算结果表明,多层递阶回归分析方法的预报效果明显优于经典多层递阶方法和回归分析。     

基于SAFA-FDGM(1,1)模型的BDS钟差预报

为建立高精度的BDS钟差预报模型,提出一种基于改进的萤火虫算法优化的分数阶离散型灰色系统SAFA-FDGM(1,1)钟差预报模型。为避免萤火虫算法陷入局部最优解,提高萤火虫算法的优化能力,本文引入惯性权重因子,同时对吸引力因子、步长因子进行改进;利用改进的萤火虫算法自动优化选取FDGM(1,1)分数阶因子来提高FDGM(1,1)数据拟合精度。分别采用C02(GEO)、C09(IGSO)、C12(MEO)三种不同类型卫星的钟差数据进行实验分析,结果表明,本文预报模型优于传统二次多项式模型与GM(1,1)模型,其中3~6 h预报误差小于1 ns,9~12 h预报误差优于2 ns,对建立高精度的BDS卫星通用钟差预报模型具有重要参考价值。     

北斗卫星系统频间偏差预报模型研究

为研究北斗卫星频间偏差参数(DCB)长期及短期变化特性,在某卫星DCB参数缺失时,对该卫星DCB参数进行短期及长期预报,以预报值代替真实值。本文利用中国测绘科学研究院i GMAS分析中心数据,采用二次多项式拟合法对北斗卫星DCB参数展开研究,通过构建电离层延迟模型求解北斗卫星DCB参数,统计了北斗卫星包括GEO卫星、IGSO卫星、MEO卫星的2016-01~2016-12及2017-02-01~2017-02-28的频间偏差参数解算结果,分析其变化特性,并采用二次多项式拟合法对DCB参数进行长短期预报及精度分析。实验证明,相比GEO、IGSO卫星、MEO卫星的DCB参数较低且波动幅度介于GEO、IGSO卫星之间;二次多项式拟合法可对北斗卫星的频间偏差参数进行预报,对北斗卫星的频间偏差求值及预报具有重要的参考作用。     

引入影响系数的均生函数主分量时序模型

建立一种考虑了影响系数的优势周期均生函数主分量时序须测模型。该方法对时间序列的均生函数进行主分量分析，用主分量作自变量。根据变量后期值受前期值的影响引入影响系数Ｋ（ｔ），并应用方差分析法确定Ｋ（ｔ）的优势周期，进而求出预测时刻的Ｋ（Ｎ＋１），由变量的前期值和Ｋ（Ｎ＋１）就能计写出变量的预测值（Ｎ＋１），该方法用于四川省２０个地区丰季和全年降水预测，并将试报结果与均生函数建模法试报结果进行了比较，效果尚好。     

我国汛期降水的特征结构、年际变化及气象跃变

本文用36年(1951～1986)我国汛期(4～9月)160个站的降水距平百分率资料,用RPCA(Rotated Principal Component Analysis))的方法对我国汛期降水进行研究,结果表明:我国汛期降水有六种典型结构,它代表了我国汛期降水的空间分布特征;而相应的时间系数代表着年际变化。如果将各主分量的时间系数做5年滑动平均,按文献所定义的气候跃变,则在六十年代,我国黄河流域、长江下游及以南、东北地区的降水发生了气候跃变。     

成都地区雷暴的天气气候特征

利用1986～2000年成都地区的雷暴资料，分析得到：成都地区的多年平均雷暴日数在2430之间，属雷暴较多的地区之一。季节性显著，冬季无雷暴，盛夏雷暴日数占全年雷暴日数的2／3左右。地域性强，大城市的热岛效应对雷暴的发生有促进作用。雷暴天气过程的分析为作好雷暴发生时空域预报提供了好的思路。     

四川2008年“9．23”强对流天气中雷电活动和降水结构关系的研究

利用常规气象资料、地闪及TRMM卫星等资料,运用统计和对比的分析方法,对四川“9．23”雷暴过程中地闪的时空演变特征及其与降水结构的关系进行了研究分析。结果表明：沿副高边缘移动的“9．23”雷暴过程主要发生在川西高原以东地区,地闪空间分布集中连续,且主要以双单体雷暴系统的形式出现。处于雷暴系统或单体中心的地面站其地闪频数的峰值提前或同时与降水量峰值出现;而处于雷暴系统或单体边缘的地面站其地闪频数的峰值则更易滞后于降水量峰值。地闪的发生与雷暴云中的水成物粒子的分布状态都有直接的关联性,负地闪放电主要源于雷暴系统中较低的云水及可降水强中心区域,而正地闪放电则源于较高的云冰强中心的边缘处。     

成都市居民夏季舒适度的评判及分析

本文通过成都市1960～1984年夏季(7月)居民舒适度的模糊综合评判,论证了成都市因城市发展所带来的气候变化而引起的人体舒适度各级指标的变化规律,并应用主成份回归分析讨论了在城市发展各类指标中影响居民夏季舒适度的主要因子是:城市植树造林、房屋密度等,从而为成都市的规划建设等方面提供了具有实际参考价值的依据。     

Identifying key environmental factors influencing spatial variation of water quality in upper Shitoukoumen Reservoir Basin in Jilin Province, China

Based on the observed data in monitored drainage areas and GIS spatial analysis tools, watershed basic database of Shitoukoumen Reservoir Basin was built. The multivariate analysis and redundancy analysis (RDA) were used to analyze the spatial and temporal variations of water quality, identify the key environmental factors and their patterns influencing the spatial variation of water quality, and determine the main types and forms of the non-point source (NPS) pollutant export controlled by the key environmental factors. The results show that different patterns of environmental factors lead to great changes in water quality at spatial and seasonal scales. All selected environmental factors explain 64.5% and 68.2% of the spatial variation of water quality over dry season and rainy season, respectively, which shows clear seasonal difference. Over dry season, residential land is the most important environmental factor, which possesses 35.4% of the spatial variation, and drainage area is the second key environmental factor, which possesses 17.0% of spatial variation in the total variance. Over rainy season, slope length and drainage area are the key environmental factors, which possess 29.3% of the spatial variation together. Residential land influences nitrogen export by changing NH₄ ⁺-N and particulate organic nitrogen (PON) discharge over dry season, and drainage area controls phosphorus export by regulating dissolved phosphorus (DP) drainage over dry season and phosphorus associated particulate (PAP) loss over rainy season, respectively. Although slope length is an important environmental factor, it does not influence NPS pollutant export. It is interesting that soil organic matter, as a minor environmental factor, highly determines phosphorus and nitrogen export by enhancing the DP, PAP and PON loss.     

����Ԥ����Ч�ȵı����������Ԥ��

??????????????????????????????Ч?????????????????????????????????????????????Ч?????????????????????????????????????????Ч????     

ν-SVR�Ľ��Ĺ���Ԥ��ģ�ͼ����ڴ�ӳ�������е�Ӧ��

?????????????????????????????????й????????????????????????????????????????????????????????????????????????????????????Ч??????????????     

�������ɷַ�����BP���������α�Ԥ���е�Ӧ��

?????α????????????????????????????BP???????????????α??????????????????????????????????????????????????????????????????????????????????BP??????????????????Ч????     

相空间重构神经网络在洪水灾害损失预报中的应用

在灾害领域中引入混沌理论,将相空间重构理论与神经网络相结合,提出了洪灾成灾面积预测模型。通过相空间重构,把一维成灾面积时间序列拓展为多维序列,而多维序列包含着各态历经的信息,从而可挖掘更为丰富的信息,有利于神经网络的训练。利用神经网络模型可以较好地求解非线性问题,因而使预测结果更符合实际。实例表明,该模型预报精度较高。     

利用数值模型分析尾矿库对西昌跨断层场地的影响

本文综合运用地形、地质构造等基础信息,建立西昌地区的数值模型,定量分析由荷载引起的点位沉降变化等干扰对跨断层形变测量的影响。采用FLAC^3D软件对包含西昌跨断层场地及附近尾矿库的数值模型进行计算,结果表明,尾矿库矿渣堆积不是引起西昌场地水准观测资料出现异常的原因。