钻探技术新进展

介绍了国外近几年钻探技术的某些新进展 ,主要包括自动控向钻进系统 ,电动柔杆钻进系统 ,全球定位系统在钻探中的应用以及模拟钻进系统在钻探教育中的应用     

最优子集的神经网络预报建模研究

作者尝试用最优子集方法进行神经网络长期预报模型的建模方法研究。结果表明,在很多情况下,由于最优子集方法比逐步回归方法能选取更好的预报因子,因此所构造的神经网络预报模型具有更好的拟合和预报效果,这为神经网络在长期预报的应用研究提供了新的思路和方法。     

冻结砂土的损伤试验研究

任何数值的荷载,都会导致冻土内部冰体塑性流动和冰晶体在土体内的重新定向,以及土颗粒的重新排列.这几方面的因素会使冻土产生微结构的损伤,同时表现出明显的各向异性.基于损伤力学理论,推导出冻土的各向异性损伤变量的表达式,利用-6 ℃冻结砂土的常规三轴试验数据,获得损伤变量的变化曲线.结果表明:损伤变量随应变的增大而增大,呈现出双曲线的变化规律;径向损伤大于轴向损伤;围压有助于冻土结构的强化,减少冻土结构的损伤量.这些规律为利用损伤力学理论建立冻土的损伤本构关系提供了依据.     

淮北平原水分盈亏量的综合研究

本文研究了在时域和区域上具有两种过渡特性的淮北地区,春季水分盈亏变化对小麦产量的影响,水分盈亏变化的环流特征,并进行了水分盈亏的长期预报试验。结果表明,水分盈亏量是一种从水分收入和支出的两个主要方面真实反映水分条件好坏,具有实际生产意义的水分指标。用水分盈亏量作为一种新的旱涝长期预报对象,比用降水量局地性小,更具有生物学意义和气候学意义的代表性。     

C-FMCW雷达对江淮降水云零度层亮带探测研究

不同于体扫雷达探测降水系统,垂直指向雷达可探测降水云中粒子垂直演变的微物理过程。C波段调频连续波垂直指向雷达 (C-FMCW) 采用收发分置天线,数据垂直分辨率达15~30 m,时间分辨率达2~3 s,利用其2013年6—8月在安徽定远探测数据对降水云垂直结构特征及亮带中融化微物理过程进行研究。6次降水过程共计46 h中的39.1%数据具有清晰的亮带结构特征,期间降水占地面总降水量的15%;江淮雨季层状云、对流云和混合性降水系统中均出现零度层亮带,层状云中亮带长时间维持,对流降水系统移出后减弱阶段的亮带结构稳定,混合降水系统中的对流扰动加强冲破了亮带结构。以融化层中最大回波强度Z_p所在高度进行融化层的粒子碰并增长和破碎减弱分层分析,上半层融化过程主要表现为碰并增长,下半层则是粒子破碎减弱。剔除了介电常数、下降速度引起的粒子浓度改变影响后,层状云和对流降水后期的回波强度加强表明融化增长程度接近,后者略强,混合降水云的融化增长最强。     

新一代天气雷达远程视频监控保障系统设计与实现

针对目前天气雷达保障业务需求,开发了新一代天气雷达远程视频监控保障系统。该系统实现了雷达设备的视频监控、远程协助、数据采集、状态监测及报警等主要功能。通过该系统可实现雷达故障的快速发现,同时利用远程协助功能,相关专家可根据故障报警、现场可视图像以及雷达关键部位参数进行故障诊断,制定维修方案,提高雷达保障时效。目前该系统已成功应用到全省4个雷达站,满足了远程故障可视化诊断需求。     

遗传算法与神经网络相结合的热带气旋强度预报方法试验

以1960~2001年共41 a的7月和8月西行进入南海海域的热带气旋样本为基础,采用遗传算法与神经网络相结合的方法,进行了热带气旋强度预报模型的预报建模研究.并根据相同的热带气旋个例,将这种遗传-神经网络热带气旋强度预报模型与气候持续法热带气旋强度预报方法进行对比分析,试验预报结果表明,遗传-神经网络方法具有更好的预报能力.     

夏季南海台风移动路径的一种客观预报方法

以1960—2003年共44a夏季的7月、8月、9月西行进入南海海域的台风样本为基础,综合考虑南海台风移动路径的气候持续因子和数值预报产品物理量因子,运用条件数方法选取因子并建立回归方程,进行台风路径预报模型的预报建模研究。通过对比分析发现,基于条件数方法的南海台风移动路径模型具有较好的预报效果,7月、8月、9月3个月24h台风路径预报的平均距离误差为153．9km,预报能力明显高于目前国内外的其他一些台风路径客观预报方法。该方法的预报精度相对于逐步回归方法有了很大的提高,相对于气候持续法也为正的预报技巧水平。     

基于CNN和RF算法的ECMWF降水分级订正预报方法

利用卷积神经网络(CNN)和随机森林回归模型,提出了一种新的欧洲中期天气预报中心(ECMWF)降水订正预报方法。该方法首先根据ECMWF模式对站点雨量预报值所属的等级进行划分,再计算出不同等级相对应的高相关因子矩阵。进一步利用CNN模型对高相关矩阵进行综合特征提取的学习和训练。最后对CNN模型最终输出的特征因子中,选取若干个与预报站点相关性高的特征,并与ECMWF降水量场插值到预报站点的因子一起,作为随机森林回归模型的输入因子进行预报建模。通过对10个预报试验站点未来24h降水量的分级和不分级订正预报试验,结果表明:(1)ECMWF降水量分级订正预报方法的平均绝对偏差和均方根误差分别比利用ECMWF插值到站点的预报方法减小了20%和15%;(2)24h暴雨及以上的降水分级订正预报方法的平均TS评分为0.32,也显著高于EC插值的0.19;(3)与利用同样的预报模型对全样本(不分级)的传统数值预报模式产品订正预报方法相比,本文提出的分级订正预报方法在总体预报精度和暴雨及以上的强降水预报TS评分上均有更高的预报技巧。