利用端点延拓提高LS + NN模型的UT1-UTC预报精度

现有UT1-UTC预报模式在进行周期项与残差项拟合分离时,通常没有考虑最小二乘拟合序列的端部效应,预报精度难以取得较大提高。针对最小二乘拟合存在的端部效应,首先采用灰色模型在UT1-UTC序列的两端进行数据延拓,形成一个新序列,然后对新序列进行最小二乘拟合,最后再联合最小二乘和神经网络(LS+NN)模型对UT1-UTC原始序列进行外推。结果表明,对UT1-UTC序列进行端点数据延拓再进行最小二乘拟合,能够有效地改善最小二乘拟合序列的端部效应;相对于常规LS+NN模型,端部效应改善的LS+NN模型的UT1-UTC预报精度有一定提高,尤其对中长期预报精度提高更为明显。     

无人机航测技术及其在土地整治项目中的应用

随着科学技术的发展,无人机航测技术的应用日渐广泛。尤其是在土地整治项目开展过程中,传统的测绘技术工作效率较低,测量结果准确度较差,已经无法满足社会发展的需求。通过无人机航测技术的应用,提高了土地整治工作的便捷性,使得测绘结果更加准确。本文将简单阐述无人机测绘技术的特点,深入分析其在土地整治项目中的应用,为相关工作者提供参考借鉴。     

成都平原城市群夏季臭氧污染天气形势与潜在源分析

通过分析成都平原城市群8个城市2015-2019年夏季地面臭氧污染特征表明,近5年夏季平原O₃污染区域呈扩大趋势,成都市O₃＿8 h第90百分位浓度和超标日数均为最大,雅安、绵阳浓度较低但上升趋势显著。利用PCT客观天气分型方法,对近5年夏季成都平原及周边的位势高度场进行分型研究,结果表明：(1)700 hPa臭氧污染天气形势为高压型,500 hPa为西风槽后和平直纬向型,100 hPa为南亚高压中部和东部型;(2)近5年夏季典型O₃污染过程的高低空天气形势为西风槽后部、高压发展和高压控制型,污染过程期间成都平原多受到西风槽后西北气流或副热带高压脊线附近下沉气流的影响;(3)污染天气型具有高温低湿,小风强辐射,白天混合层高的特征。气流下沉增温和局地环流的作用抑制了污染物向高层扩散,促使边界层上部O₃下传并堆积于成都平原地区。采用HYSPLIT后向轨迹模式和潜在源贡献法(PSCF),探讨了不同天气型影响下成都平原O₃浓度输送的轨迹聚类和潜在源区。结果表明,本地和盆地城市之间的输送...     

利用端部效应改善的最小二乘外推模型进行UT1-UTC预报

现有的UT1-UTC预报模式在进行周期项与残差项拟合分离时,通常没有考虑最小二乘拟合序列的端部畸变现象(数据处理中称为端部效应),预报精度难以取得较大改善。针对最小二乘拟合存在的端部畸变现象,首先采用时序分析方法在UT1-UTC序列两端进行数据延拓,形成一个新序列,然后用新序列求解最小二乘外推模型系数,最后再联合最小二乘外推模型及神经网络对UT1-UTC序列进行预测。结果表明,在UT1-UTC序列端部增加延拓数据,可以有效地抑制最小二乘拟合序列的端部畸变,相对于常规的最小二乘外推模型,基于端部效应改善的最小二乘(Edge-effect Corrected Least Squares,ECLS)外推模型的UT1-UTC中长期预报精度改善明显。     

基于高斯过程的日长变化预报

由于日长(length-of-day,LOD)变化具有复杂的时变特性,传统线性模型如最小二乘外推模型、时间序列分析模型等的预报效果往往不甚理想,所以将一种新型的机器学习算法—高斯过程(Gaussian processes,GP)方法用于LOD变化预报,并将预报结果同利用反向传播神经网络(back propagation neural networks,BPNN)和广义回归神经网络(general regression neural networks,GRNN)的预报结果以及地球定向参数预报比较竞赛(Earth Orientation Parameters Prediction Comparison Campaign,EOP PCC)的预报结果进行对比.结果表明,GP用于LOD变化预报是高效可行的.     

最小二乘支持向量机回归的卫星钟差非线性组合预报

针对应用单一方法预报卫星钟差的局限性,文章提出了基于最小二乘支持向量机回归的卫星钟差非线性组合预报方法:首先根据历史钟差数据建立二次多项式模型和灰色模型,然后利用这些模型进行钟差预报,最后采用最小二乘支持向量机回归算法对两种模型的预报结果进行非线性组合,以获得最终预报值;对比了RBF核函数、线性核函数和多项式核函数对组合预报性能的影响,并将本文组合预报方法与经典权组合方法进行比较。结果表明,本文方法优于经典权法,且线性核函数更适合组合预报。     

哈萨克斯坦水资源及其开发利用

无论是国土面积、矿产资源、水资源,还是总人口或经济总量,哈萨克斯坦均是中亚地区的大国,其水资源开发利用在中亚极具代表性,研究其水资源问题对中亚地区人—水和谐及水资源持续利用具有重要的理论价值和借鉴意义。简述了哈萨克斯坦共和国自然地理与水资源条件,分析评价了其地表、地下及总水资源量。并在概述哈萨克斯坦社会经济及独立后的发展演变的基础上,回顾了哈萨克斯坦水资源开发利用工程及灌溉系统建设历史沿革,并重点分析了哈萨克斯坦水资源开发利用现状(包括引用水总量、农业用水和供需状况)及1991年以来的演变情况,最后对其水资源开发利用存在的现实问题进行了诊断分析。     

吉尔吉斯斯坦水资源及其开发利用

吉尔吉斯斯坦共和国地处中亚中心,山地众多,山脉纵横,冰川广泛发育,水资源十分丰富,是中亚五国的"水塔",控制着中亚五国的水资源命脉.吉尔吉斯斯坦经济社会发展潜力巨大且发展意愿十分强烈,研究其水资源及开发利用对找寻妥善的中亚水资源问题解决之道具有十分积极的意义.分析介绍了吉尔吉斯斯坦自然地理以及与水资源形成有关的气候、地形地貌和冰川融雪概况,评价了吉尔吉斯斯坦水资源总量.然后在阐述吉尔吉斯斯坦独立以来至今的社会经济发展概况的基础上,分析介绍了其主要水资源开发工程与水力发电、用水量变化,并对吉尔吉斯斯坦水资源开发利用中存在的主要问题进行了深入剖析.     

利用经验模态分解提高极移预报精度（英文）

经验模态分解(Empirical Mode Decomposition,EMD)是一种数据驱动的自适应非线性、非平稳信号分解方法。为提高极移预报精度,将经验模态分解应用于极移预报中。首先利用经验模态分解方法对极移序列进行分解,获得极移的高频分量和低频分量;然后采用最小二乘(Least Squares,LS)外推模型对极移低频分量进行拟合,获得最小二乘拟合残差;其次采用自回归(Autoregressive,AR)模型对极移高频分量和最小二乘拟合残差之和进行建模预报;最后将最小二乘模型和自回归模型外推值相加获得极移预报值。将经验模态分解和LS+AR组合模型预报结果与LS+AR模型预报以及地球定向参数预报比较竞赛(Earth Orientation Parameters Prediction Comparison Campaign,EOP PCC)的预报结果进行比较,结果表明,将经验模态分解应用于极移预报中,可以明显改善极移预报精度。     

数据预处理对最小二乘支持向量机预报钟差的影响

分析在基于最小二乘支持向量机的卫星钟差预报中样本数据预处理的必要性,列举了归一化、标准化和相邻历元一次差3种数据预处理方法。然后结合实例,对比分析不同数据预处理方法对基于最小二乘支持向量机的钟差预报精度的影响,得出不同方法对钟差预报精度的影响不同,其中,基于一次差方法的预报精度最高。最后,将基于一次差方法的最小二乘支持向量机预报模型与常用的二次多项式模型和灰色系统模型进行比较,结果表明,最小二乘支持向量机模型的预报效果明显优于两种常规模型。