生活协奏曲——未来理想社区

<正>住房承载着人民对美好生活的向往,那究竟什么样的房子才是“好房子”？在设计师看来,基于居住者的视角,探究住在房子里的人及其家庭的真实需求与感受,才能设计建造出真正的“好房子”。北京市住宅建筑设计研究院有限公司“好房子”大赛北京赛题设计团队希望从居住者的生活方式、行为模式、心理感受、幸福体验等切实需要为切入点,真正关注使用者的需求,设计出人民心目中满意的“好房子”,并进行了有益的探索和实践。     

多尺度优化技术在沿海风场同化预报系统中的应用

针对预报系统同化资料的时空分布特征，设计并开展了三组针对不同尺度信息优化的资料同化试验，并使用沿海地区两个测风塔边界层内风场观测数据对模式预报结果进行检验。测风塔观测表明陆地与海上近地层的风场特征截然不同。各组同化试验均能够再现陆地和海上观测风场的主要特征，但海上测风塔的风场预报误差高于陆地测风塔。各组同化试验的预报结果存在较大差异，其中结合新动量控制变量和大尺度约束的试验能够最好地模拟出观测风场的风向和风速分布。进一步表明，沿海地区的近地层风场模拟仍然存在较大的不确定性，需要进一步优化海洋边界层的参数化方案。     

基于机器学习的冰雹天气识别研究北大核心

利用2017—2019年贵州省威宁彝族回族苗族自治县的C波段天气雷达数据,提取了多种与冰雹相关的雷达特征参量,并结合地面降雹记录建立了客观的冰雹样本标记方法。通过支持向量机、决策树和朴素贝叶斯三种机器学习方法,对冰雹高发区贵州省威宁的冰雹天气过程进行建模与评估。评估结果表明,采用机器学习方法可以有效地识别冰雹天气过程。支持向量机和决策树方法的命中率(Probability of Detection,POD)均较高,分别为88.9%和90.5%;临界成功指数(Critical Success Index,CSI)分别为73.1%和70.3%;误报率(False Alarm Rate,FAR)分别为19.6%和24.1%。朴素贝叶斯方法的POD和CSI相对偏低,分别为67.8%、62.8%,但FAR最低,为10.6%。