利用MM5模式输出产品制作空气质量预报方法探讨

根据2004年中尺度数值预报模式MM5输出产品和临沂市环境监测中心逐日监测资料建立了各污染物浓度预报方程,在2005年夏季的试报中,该方程的试报效果较差,其预报准确率明显低于其历史拟合率。为了提高预报准确率,利用逐步回归筛选的因子及统计模型研究中的有关数据,探讨了使用卡尔曼滤波方法制作空气污染物浓度预报的问题。分析发现,利用卡尔曼滤波方法制作空气质量预报可以取得比较满意的效果。     

Comparison of Two Fading Filters anc Adaptively Robust Filter

Two kinds of fading filters and their principles are introduced. An adaptive robust filter is given with corresponding principle. The basic abilities of the fading filters and adaptively robust filter in controlling the influences of the kinematic model errors are analyzed. A practical example is given. The results of the fading filter and adaptively robust filter are compared and analyzed.     

基于自适应Kalman滤波的BP神经网络及其在高程拟合中的应用

针对传统BP神经网络容易发散、泛化能力差等问题，采用自适应Kalman滤波方法训练神经网络的连接权。与Kalman滤波训练连接权和传统的BP算法相比，该方法提高了BP神经网络计算精度，增强了泛化能力。实测数据的计算结果证明了该方法的可行性与有效性。     

支持向量机与卡尔曼滤波集合的西太平洋副热带高压数值预报误差修正

基于T106数值预报产品资料,提出了支持向量机和卡尔曼滤波相结合的方法来进行夏季西太平洋副热带高压数值预报的误差修正与预报优化。首先采用支持向量机方法建立了西太平洋副热带高压面积指数的误差修正模型。基于支持向量机预报优化模型尽管有比较好的拟合精度和预报效果,但与实际副热带高压指数尚有一定的差异。究其原因,除预报对象(副热带高压)本身比较复杂、模型优化因子不够充分以及数值预报误差自身的随机性以外,优化模型的输入、输出基本上是一个静态映射结构,因此前一时刻的预测误差难以得到有效的反馈、调整和修正。为考虑前一时刻预报误差的反馈信息,动态跟踪副高的变化趋势,随后引入卡尔曼滤波方法建立支持向量机-卡尔曼滤波模型,对支持向量机模型的输出结果作进一步的调整和优化。试验结果表明,该方法模型的预报优化效果优于T106数值预报产品以及单纯的神经网络修正模型和卡尔曼滤波修正模型的优化效果,能够较为客观、有效地修正西太平洋副热带高压指数的数值预报误差,改进和优化西太平洋副热带高压的数值预报效果。该方法为副热带高压等复杂天气系统和要素场预报提供了一种新的思路,表现出较好的应用前景。     

地球空间信息相关论文摘要

网络RTK参考站间模糊度动态解算的卡尔曼滤波算法研究,基于Bayesian线性规划的影像纹理识别方法,POS数据辅助的航空影像变化检测方法研究,测量仪器检定结论的风险研究,敦煌壁画数字图像的三维信息恢复……     

三维复杂域非结构化六面体网格全自动生成方法

使用自适应有限单元法在三维复杂域内求解水工及岩土工程问题,讨论了应用行波法在多介质三维复杂块体内六面体单元网格的自动生成过程。其特点是对不规则区域具有较强的适应性,并考虑了节理单元的自动生成。     

用SAVQ技术实现太阳射电频谱的数据压缩

对自适应矢量量化（SAVQ）技术在太阳射电频谱数据压缩中的应用进行了有意义的讨论．给出一种压缩比和失真可调的SAVQ压缩方法,指出提高数据压缩比的有效方法之一为样本集成,同时介绍了用该技术对北京天文台太阳射电频谱仪上的两个波段（1．0GHz－2．0GHz和2．6GHz－3．8GHz）的观测数据进行压缩的实用效果,并与国际同行所用的ICON方式进行性能比较．最后展示了数据压缩技术及其在天文上的应用．     

卡尔曼滤波方法在风的短期预报中应用

应用卡尔曼滤波方法,结合Ｔ６３Ｌ１６数值预报产品,制作了东营市风的短期预报递推。经试用预报精度高于同期电视天气预报,结果令人满意。该方法制作简便,对季节变换和数值模式的变更适应性强,优于传统的统计方法,开拓了卡尔曼滤波方法及数值预报产品释用的前景。     

GAIM电离层同化方法进展

电离层是复杂的空间层结,其变化受太阳活动强度、地球磁场等因素影响。随着空间技术发展的需求,电离层天气变化成为目前空间天气预报最重要的内容之一。最近10年,人们利用卫星在电离层观测方面取得了重大进展,尤其引人注意的是:无线电掩星观测技术正走向应用的新阶段,加上已经建立的全球大量的地基GPS观测网,它们不仅为电离层动力学模式研究提供了丰富的电离层资料,而且为电离层预报提供了很好基础。因此,电离层天气预报成为当前重要的、前瞻性的研究方向,电离层资料同化是电离层预报最重要的研究内容之一。该文系统介绍这方面国际动态,重点是美国的USC/JPL和犹他州大学开展全球电离层同化模型研究、全球电离层同化研究的进展,以及在电离层天气预报中应用的初步成果。     

顾及数字地图中车道走向的车辆跟踪增强算法

车辆跟踪技术旨在从连续场景中估计目标车辆的状态,对智能车辆的环境感知、场景理解和目标行为预测起着至关重要的作用.基于激光雷达的感知系统能够提供准确的车辆检测结果,但依据检测结果进行车辆跟踪时,存在车辆朝向估计失准导致跟踪误差大、轨迹预测稳定性差的难题,尤其在目标距离较远、点云较为稀疏的情况下.考虑到大多数时刻车辆行驶方向与车道线方向基本一致,本文提出一种基于数字地图中车道朝向先验信息的车辆跟踪增强方法,将局部车道线的识别结果与OpenStreetMap地图中的车道线信息进行融合,建立道路模型并获取道路朝向的先验约束;在基于扩展卡尔曼滤波的车辆跟踪框架下,利用该约束优化车辆的朝向估计,进而提升车辆跟踪的精度与轨迹预测稳定性.在KITTI数据集上的定性与定量试验证明,本文所提出的方法在多目标跟踪指标上提升至少0.33％,平均位移误差降低了0.014 m以上,同时,对于60 m外车辆目标的跟踪误差降低了0.08 m以上.