中国不同气候区域Hargreaves模型的修正

在计算参考作物蒸散量的模型中,FAO Penman-Monteith模型计算准确但需要气象参量过多,而Hargreaves模型只需要气温数据却无法保证较高的准确性。为了提高Hargreaves模型在中国不同气候类型条件下的适用性,以FAO Penman-Monteith模拟值为参考,建立了Hargreaves模型的修正系数。CLIMWAT数据库中156个站点的应用表明,修正前R2、RMSE分别为88.1%、3.803mm/d,修正后分别为97.3%、0.233mm/d;北京站多年的应用表明,修正前R2、RMSE分别为94.4%、4.861mm/d,修正后分别为97.2%、0.442mm/d。在此基础上,利用GIS分区运算工具建立了中国不同气候区域的修正系数表。研究结果有助于提高常规气象观测条件下(无风速、辐射观测)不同气候区域参考作物蒸散量的估算精度。     

基于雷达反射率因子和雷电定位数据的深度学习雷电预报模型

利用卷积神经网络和门控循环单元(Gated recurrent units)神经网络,基于雷达反射率因子和雷电定位数据开展了雷电预报研究。首先构建了引用注意力机制的基于卷积神经网络和门控循环单元神经网络的深度学习模型(Attention-ConvGRU);然后将雷达反射率因子数据和对应时间段(6 min)的雷电定位数据处理成图像数据后输入深度学习模型,训练出可预报雷电的模型,包括3种模型:单雷电数据模型、单雷达数据模型和雷电-雷达双数据模型;最后开展了预报试验和定量评估。综合评估表明,本文建立的雷电预报模型综合预报准确率达到96.74%,虚警率35.83%,关键成功指数(Critical Success Index,CSI)为0.2072。个例分析表明,预报模型对于具有明显移动趋势的雷暴过程(A类雷暴)的预报效果优于不具有明显移动趋势的雷暴过程(B类雷暴),且随着B类雷暴强度减弱模型预报能力逐渐减弱。     

分布式空间分析运算关键技术

为了提高分布式环境下海量空间数据的空间运算的效率,解决空间分析处理模块在设计上与底层的数据库服务协议、空间数据模型等透明一致的设计问题.分析了分布式空间运算具备的基本特征,从空间运算任务分解和分布式空间数据的划分方法、共享数据复制策略、基于负载的数据划分策略和空间运算框架的缓存机制等几个方面讨论分布式空间信息的运算技术体系,并提出现阶段可行的实现框架.基于本框架开发的系统用于实际应用中,较好地解决了分布式环境下的大规模复杂空间数据运算的效率问题.以分布式环境下的经典空间运算为例进行的试验表明:该框架设计新颖,提高了空间运算效率.      

基于TBM破岩数据的岩体条件深度学习表征方法

基于TBM施工数据进行围岩感知对保障TBM施工安全、提高施工效率至关重要,其中TBM掘进参数预测的准确率是检验围岩感知效果的重要依据.为此,以吉林引松工程TBM四标段为研究对象,选取TBM上升段破岩数据为输入特征X1,选择两个施工控制参数（刀盘转速和推进速度）为输入特征X2,构建卷积神经网络机器学习模型,对TBM掘进响应参数Y（刀盘扭矩和总推力）进行预测.按照学习对象的不同,分别构建了只学习稳定段掘进响应行为的点预测模型和同时学习上升段和稳定段掘进响应行为的线预测模型,结果表明：点预测模型无法描述控制参数对掘进响应参数的影响;线预测模型虽然可以描述控制参数对掘进响应参数的影响,但是对稳定段的掘进响应预测数值偏低.考虑到上述局限性的原因是稳定段行为样本数量只占总样本数量的9%,提出了一种通过调节损失函数的方法来提高稳定段行为样本的权重,显著提高了线预测模型的预测精度.改进后的结果表明：在TBM掘进参数预测中,应对整个掘进段的行为进行学习,并提高稳定段行为的权重,以便获得高精度的掘进响应参数预测模型.获得的模型能够为进一步的围岩感知和控制参数优化提供基础.     

自适应神经模糊推理系统(ANFIS)在水文模型综合中的应用

由于目前已有很多比较成熟的流域水文模型,因此我们可以选用几个流域水文模型进行并行运算,来同时模拟流域降雨—径流关系。在相同的降雨输入情况下,不同模型得到的模拟流量必然会有所不同,模型效率系数和模拟精度也会不同。因此,如何将不同模型的模拟结果进行综合以进一步提高流量模拟精度是一个关键问题。本文选用自适应神经模糊推理系统(ANFIS)作为水文模型综合平台,以牧马河流域为试验区域,对两个并行运算水文模型(三水源新安江模型和总径流响应模型)的结果进行综合处理,得到了更稳健的流量模拟结果,大大提高了模型效率和模拟精度。该方法值得在实践中借鉴。     

基于年际增量法的卷积神经网络模型对中国夏季降水的预测研究

将前冬的500 hPa位势高度、向外长波辐射和海表温度的年际增量作为预测因子,建立基于卷积神经网络(Convolutional Neural Network, CNN)的非线性预测模型,对中国160个测站夏季降水展开预测研究,并与基于线性奇异值分解(Singular Value Decomposition, SVD)的预测模型进行效果对比。结果表明：CNN在1981—2020年的交叉检验中所回报的降水平均PS评分和距平相关系数(ACC)分别为74.33和0.12,比SVD高2.15和0.06,说明CNN比SVD在整体上对夏季降水具有更好的预测能力。其中,CNN对SVD预测较好年份的预测效果提升较为明显,对SVD预测较差的年份则改进不大。CNN对中国降水预测存在一定的系统性偏差,订正后CNN对拉尼娜年的降水预测改进较大。结果表明,基于年际增量法的CNN预测模型展示出较好的潜在应用价值。     

PC-1500 TBASIC语言扩展系统

PC-1500TBASIC语言是对驻机ROMBASIC语言的扩充，在不增加硬件的情况下，新增了矩阵运算、自定义函数、极坐标与直角坐标互换以及BASIC文本文件管理操作等三寸余项命令与功能，从而方便了用户编程，提高了运算速度，增强了PC--1500机的功能。     

点、线符号相关处理的代数方法

本文阐述了采用地图代数的理论自动地处理各类地学信息系统编绘地图中点、线符号相关问题的技术方法——交会运算。     

基于遥感影像大数据、卷积神经网络的福建省有效致灾雷电分布模型及应用

为了研究福建省有效致灾雷电的分布情况,基于福建省2004-2012年闪电定位数据及雷击人员伤亡数据、福建省L17级谷歌遥感影像瓦片,引入卷积神经网络模型对遥感影像所在区域是否属于人员活动的属性进行建模、训练和预测,得到福建省人员活动属性的格点产品,结合福建省历史雷电数据对有效致灾的雷电分布情况进行了分析,结果表明:①设...     

科学家打造世界最大计算机 精确预报全球天气

据国外媒体报道,气象和气候专家正计划研制一台世界上最大的计算机,其运算能力强大到可以精确预报世界任何地方的天气。