基于数据传输特性的卫星广播通道参数优化方法与应用

中国气象局卫星广播系统（CMACast）是全球对地观测广播系统（GEONETCast）框架下三大对地广播系统之一,在世界气象组织信息系统（WIS）和综合卫星数据分发服务系统(IGDDS)框架下,承担亚太地区气象数据广播分发的职责。随着气象业务的发展,广播系统数据量由180 GB/天增长至460 GB/天,在广播带宽资源有限而广播数据种类和大小各异的情况下,系统管理员越来越难以通过经验对广播通道参数调整以保持广播系统播发效率,造成部分通道数据播发时效下降严重,不能满足业务时效要求。通过对不同气象数据传输特性的定量分析,获得各类数据的精细化数据传输样本,在此基础上对各类数据广播通道参数进行科学、定量的计算和优化,使数据播发时效明显提升,应用到实际广播业务中效果明显。     

基于迁移学习方法的山东冷云冰晶特征分布研究

为分析冷云中冰晶的分布特征,揭示冰晶增长演变机制,根据冰晶形状和尺度特征分为8类并进行标注,同时标注1类隔断栏进行数据质量控制,将9类标签图像整合并建立图像集,利用迁移学习VGGNet16方法进行识别训练,经训练模型分类准确率达98%。将模型应用到秋季冷云冰晶特征研究中,选取3次积层混合云和3次层状云降水过程,分析冰晶形状在不同温度区间的占比及冰晶谱变化特征,结果表明,温度通过影响冰晶基面与棱面的比值来决定冰晶初始形状分布,相同温度区间积层混合云内球状冰晶和线型冰晶占比高于层状云,低于-12℃后各类冰晶占比相对固定;积层混合云内线型冰晶直径集中在300~800 μm,冰晶谱呈多峰分布,聚合体直径大于600 μm,冰晶谱首尾两端浓度相当,球状冰晶直径集中在120～300 μm,冰晶谱呈单调下降趋势。     

集成学习和动态融合算法在福建省短时强降水预报中的应用

为了提高短时强降水预报准确性,在2019—2020年4—9月福建省逐时降水实况观测资料与中国气象局广东快速更新同化数值预报系统(CMA-GD)模式预报产品的基础上,应用LightGBM集成学习算法框架,建立以30 mm·h^-1为阈值的逐时降水预报模型。通过特征处理、自助聚合及超参数搜索等技术对模型进行优化,结合AUC、AUPR与传统分类指标,设计了包括业务模拟测试在内的多项试验,通过对比各建模方案验证了模型对于较长时效的短时强降水预报的适用性。结果表明:模式预报本身的命中率和空报率均较高,各建模方案具有不同程度的改善作用。自助聚合可以增强模型预测稳定性,轻微不平衡子训练集能降低模型预测空报率而取得更高的综合评分,在验证集中最佳TS评分可达17.5%;对分类信息增益贡献最大的特征变量为K指数,其次为500 hPa露点温度和时间参数特征;试验指标从优到劣依次为:随机交叉验证、小时划分的随机交叉验证、业务模拟测试,可见模型有效性主要来自相同或相邻时刻的样本信息;设计基于逻辑回归的异质模型动态融合方案以改善静态同质模型表现,各项指标均有小幅提升,在命中率接近50%时削减空...     

四川盆地东部再生稻高温伏旱区腋芽萌发期气象适宜度

以四川盆地东部再生稻高温伏旱区为研究区,基于气象条件对腋芽萌发期再生稻生长发育的影响机理,采用结构方程模型探明了腋芽萌发的影响因素、影响路径及影响强度。进一步结合隶属函数和层次分析法,构建了再生稻腋芽萌发气象适宜度模型,并分析了1981—2021年研究区腋芽萌发期气象影响因素及气象适宜度的变化特征。结果表明：气温、空气湿度、降水是四川盆地东部再生稻高温伏旱区腋芽萌发的关键影响因素,基于以上因素的气象适宜度模型能较好地评价再生稻腋芽萌发期的气象影响。1981—2021年研究区气温适宜度、空气湿度适宜度及综合气象适宜度均呈下降趋势,降水适宜度没有表现出明显的变化趋势。气温适宜度、空气湿度适宜度及综合气象适宜度总体呈“西高东低”的空间分布特征,降水适宜度则表现为“东西高、中部低”。1981—2021年研究区气温上升趋势与空气湿度下降趋势显著,导致致害高温（日平均气温≥32℃）积温和致害低湿（日平均相对湿度≤65％）日数明显增加,这是再生稻腋芽萌发期气象适宜度总体呈下降趋势的诱因。     

基于印度洋海温信号的我国西北地区东部夏季降水组合降尺度预测方法研究

利用国家气候中心第二代气候模式预测业务系统(BCC-CPSv2)预测产品,引入印度洋海温信号,采用组合降尺度方法建立了西北地区东部汛期降水预测模型。该预测模型对1991—2017年西北地区东部夏季降水的回报技巧较BCC-CPSv2预测技巧显著提高,空间相关系数由0.42提高到0.75,均方根误差明显减小,最多下降达80%。预测模型对降水空间分布型的预测能力较好,很好地回报了典型年份（1987年和2010年）夏季的降水距平百分率分布。通过抓住气象变量的空间分布特征,组合降尺度方法可以修正动力模式产品的预测误差,为西北地区东部夏季降水预测提供科学依据和技术支持,具有较好的应用前景。     

煤矿井下自动化钻探技术概况与智能化发展前瞻

针对煤矿井下钻场人员需求大、安全隐患多、一人操作难以同时控制钻机动作并从全局视角知悉钻机运行状态等问题,引入了数字孪生技术,设计开发了钻机远程服务平台。该平台系统以ZDY25000LDK钻机为载体,融合了钻机远程控制系统、数字孪生模型和参数监测系统3方面技术,通过检测与执行层、数据传输层和远程集控层实现钻机远程控制、钻机运行全生命周期映射与参数监测。钻机远程控制系统实现了实时远距离控制钻机,数字孪生模型能够映射钻机各运动部件的运动状态,并能通过仿真实验为钻探施工提供先验参考,参数监测系统实现了对钻机状态参数和钻进参数的实时监测。基于该钻机远程服务平台,进行了平台的功能性和实时性验证。试验结果表明：钻机远程服务平台能够实现钻机远程控制,并从全局视角上映射和监测钻机运行状态和参数,通过数字孪生体仿真,得出钻机上扣过程中动力头回转速度和给进速度的最优比值为4.28,与实际上扣情况相符。平台操作方便、实时性高、可靠性好、人机交互友好,为煤矿井下钻探工作的减人增效和智能化升级提供了解决方案。

     

影响b值计算误差的Monte Carlo实验研究

本文假设地震的发生与时间的关系遵循稳态泊松模型,假设地震震级M服从参数为1/β的指数分布,其中β=b/loge,在此基础上生成地震目录.用最小二乘法估算b值,分别从样本数量、震级间隔、震级误差三方面分析b值误差的大小.统计分析结果表明,b值的标准偏差随着样本数量的增多而减小;随着震级间隔的增大而减小;震级误差使b值的标准误差变大.本文可以为利用真实地震目录求b值时选择适当的方法提供参考.     

地电化学提取有效性及提取条件试验--以半干旱草原风成砂浅覆盖景观区为例

地电化学方法作为覆盖区矿产资源勘查的一种有效手段,其原理是在人工外加电场作用下,将近地表介质中呈电活动态的物质选择性地提取,通过研究电提取元素组合、含量分布及异常特征,进而提供找矿信息的一种勘查方法。笔者通过在内蒙古洛恪顿矿区开展地电化学勘查研究,验证了地电化学法在内蒙古东乌旗风成砂覆盖区勘查的有效性,并通过对不同提取时间、不同密度的载体物质等提取条件的对比研究,确定在该区进行地电化学勘查的提取时间为24 h,载体物质选用高密度泡塑。     

河北宽城地区中元古界高于庄组微古植物群

通过对河北宽城地区高于庄组微古植物进行系统采样,利用化学浸解法,获得了大量微古植物信息,在80件样品中发现微古植物个体5000余粒,共鉴定出41属108种（含1个新属,9个新种,38个未定种）,其中包括丰富的多细胞植物化石及其碎片。根据微古植物化石的分布和特征,划分出4个化石组合。与下伏长城系微古植物相比,高于庄组微古植物具有明显的差异。这些微古植物的发现为地球早期生物演化、区域地层划分和对比,以及生物成矿和成油研究提供了重要信息。     

融合多源海洋大地测量数据的南海海底地形多层感知机反演

本文融合SIO(Scripps Institution of Oceanography)发布的垂线偏差、重力异常和垂直重力梯度数据及NCEI(National Centers for Environmental Information)发布的船载测深数据, 利用多层感知机神经网络(Multi-Layer Perceptron, MLP)建立南海海域(108°E—121°E, 6°N—23°N)分辨率为1'×1'的海底地形模型(MLP_Depth).首先, 将642716个船载测深控制点的位置信息与周围4'×4'格网点处的地球重力信息(垂线偏差、重力异常、垂直重力梯度)作为输入数据, 将船载测深控制点处实测水深值作为输出数据, 训练MLP神经网络模型, 训练结束时决定系数R²为99%, 平均绝对误差MAE为39.33 m.然后, 将研究区域内1'×1'格网正中心点处的输入数据输入于MLP模型中, 可得格网正中心点处的预测海深值.最后, 根据预测海深值建立研究区域范围内分辨率为1'×1'的MLP_Depth模型.将MLP_Depth模型预测水深与160679个检核点处实测水深对比, 其差值的标准差STD(75.38 m)、平均绝对百分比误差MAPE(5.89%)与平均绝对误差MAE(42.91 m)皆优于GEBCO_2021模型、topo_23.1模型、ETOPO1模型与检核点实测水深差值的STD(108.88 m、113.41 m、229.67 m)、MAPE(6.11%、6.94%、18.37%)与MAE(47.33 m、52.24 m、130.08 m).同时, 为了研究不同区域内利用该方法建立的海底地形模型的精度, 本文在研究区域内分别建立了A、B区域的海底地形模型(MLP_Depth_A、MLP_Depth_B).经过验证得: MLP_Depth_A、MLP_Depth_B相比于MLP_Depth模型具有更高的精度, 更能反应海底地形的变化趋势.