新阈值函数去噪方法在可降水量预报中的应用

大气观测数据中常含有噪声,如何减小噪声是大气观测数据应用的基础。本文在传统软、硬阈值函数去噪的基础上提出了新阈值函数去噪。首先,运用这三种方法对MATLAB中wnoise函数产生的bumps含噪信号进行去噪,并运用信噪比(SNR)和最小均方误差(MMSE)对去噪效果进行衡量。试验表明,新阈值函数去噪效果较好。最后,用新阈值函数去噪对可降水量时间序列进行处理,并用Kolmogorov熵和神经网络预测来衡量去噪效果。结果表明,新阈值函数同样适用于可降水量时间序列的去噪。     

基于神经网络技术的天气雷达超折射回波识别

基于SA多普勒天气雷达资料,从其基本反射率、径向速度和谱宽3个基本产品中提取出6个能反映它们之间差异的特征参量,并对它们进行概率统计分析,作为BP神经网络的识别因子。通过建立适当的训练集对神经网络进行训练,从而得到最优的网络结构,再利用测试集对经过训练的网络做进一步测试,对其识别效果进行评判。结果表明:当神经网络的输入层、隐含层和输出层的神经元个数分别为6、6、2时,能够对超折射回波达到最优的识别效果。最终通过实际个例对识别效果做再次验证。     

综合识别法去除风廓线雷达地物杂波的可行性研究

以杂波谱极小值连线的思想为基础,针对强风天气条件下的风廓线雷达地物杂波信号,提出一种综合识别杂波的去除方法,并与常规的地物杂波抑制方法相比较。结果表明:利用该方法对强风天气下的地物杂波有更好的抑制效果,水平风速得到了明显增强,与地面观测数据相比,雷达产品更趋于真实风速。