GPS���ܵ��㶨λ��Ӱ������ʱ������ؼ���ʩ����

??GPS??????λ?????????У?????????????????估???????λ??????????????????????????????????????????λ????????????λ?????????????????????????????????????????????????????????伸?ι?????????????????????????????Щ???????????????????????????????????????????????????????     

����ԳƷ��ڵ��㶨λ�е�Ӧ��

???GPSα????λ????????????????????μ?????????????λ??????????????ù????????????????????????????????棨???棩?????????????????????????????????α?????????????????????α???????????????????????λ??????????·??????????????????λ???????????????????????????????ν????????????????????????Ч????????λ?????????????????     

无线VPN技术在数字前兆台网中的应用

VPN技术提供了一种通过公用网络安全地对企业内部专用网络进行远程访问的连接方式。介绍了VPN的技术和原理,并以湖北省数字前兆台网为例,提出了一种无线VPN技术的连接设置方式。它具有运行成本低、使用方便、无线发送、有线接入等特点。     

������ģ��EGM2008��EGM96���й������ıȽ�������

?????й?854??GPS/?????????EGM2008??EGM96?????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????289??GPS/??????н????????????????????????????????????????????????EGM2008???EGM96???????á?     

GPS高程拟合方法精度分析

近年来人们往往利用GPS数据来确定大地高,但大地高不同于正常高,为此,利用多项式拟合与地球重力场模型相结合的数学方法,使GPS所测大地高通过这些数学模型直接转换为具有厘米精度的正常高,将该方法得到的正常高与单独利用多项式拟合和地球重力场模型得到的结果进行了比较,其差值的标准差为±38 cm。     

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〖CD*2〗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。     

基于人工神经网络的沿海风速多步预测研究

基于气象历史观测资料,将长短期记忆网络LSTM方法和Transformer模型结合提出了混合短期风速多步预测模型BLSTM TRA。以山东半岛南部沿海6个台站为研究区域,通过气象台站观测数据构建数据集。经与2018年ECMWF模式6 h预报结果对比分析,得出如下结论：构建的BLSTM TRA多步预测模型可大幅度降低风速误差,BLSTM TRA的1 h单步预测结果和ECMWF预报模式结果对比,其RMSE平均降低了58.9%,MAE平均降低了63.2%;风速误差和大风统计过程分析发现,BLSTM TRA模型具有一定的抗干扰能力,可以抓住短时大风等敏感信息,对于大风预报结果明显优于ECWMF模式和传统LSTM模型。     

���ڻز�ǿ�ȵĺ��׵��ʷ���ϵͳ�ؼ�����

???????????????????????????????????????????????????ALL????????????????洢????????????????????????ALL???????????????????????????????????????????е???????????γ?????????????????????????????????????????BP?????????????????????к????????????????????????????????Ч????????????????ò??????????????????     

BP�����������Ǽ�������Զ��ָ����ģ�е�Ӧ��

????????????????????????????????????BP???????????????????人???????????????????????????????????BP??????????????????г????????????????????????о??????????BP????????????????????????????????????????????????     

EWT-Elman组合模型短期电离层TEC预报

针对电离层总电子含量(TEC)非线性、高噪声的特点,建立基于经验小波变换(EWT)和Elman神经网络的短期电离层组合预报模型。运用该模型对不同地磁环境的电离层TEC时间序列进行建模预报,结果表明,EWT-Elman组合模型可反映电离层TEC的变化特征,地磁平静期预测平均相对精度为93%,均方根误差为1.04 TECu;地磁扰动期预测平均相对精度为92.4%,均方根误差为2.18 TECu。单一Elman模型、EMD-Elman组合模型以及EWT-BP组合模型在地磁平静期平均相对精度最高为90.7%,均方根误差最小为1.33 TECu;地磁扰动期平均相对精度最高为90.7%,均方根误差最小为2.57 TECu。对比其他模型,本文方法预测效果最优。