数值天气预报中分析同化基本方法的历史发展脉络和评述

数值天气预报中分析同化的基本方法先后经历了多项式函数拟合方法、逐步订正方法、最优插值方法、变分方法和集合卡尔曼滤波方法。本文首先根据相关的经典文献力求本色地介绍这些方法的基本思想和实施的具体要点;然后,着重于它们的上下承接关系,试图阐述同化的历史发展脉络,评述这些方法的显著特征和创新性,以期清晰地理解资料同化的循序渐进的内在发展逻辑。此外,从起源上阐明“主观分析”与“客观分析”、“初猜场”与“背景场”、“分析”与“同化”、以及“更新”、“新息”等基本概念,以期准确地理解和把握“大气资料同化”的由来和内涵。     

北京7·21暴雨暖区中尺度对流系统的数值模拟

许多业务模式对北京2012年7月21日特大暴雨的预报均是以锋面降水为主。在冷锋过境前,实际北京西南部强降水主要以暖区降水为主。本文利用30个成员的中尺度非静力数值模式（WRF）,通过3次集合卡尔曼滤波(EnKF)同化地面和探空资料,对这次暴雨过程进行了集合数值模拟。通过对比分析模拟降水较好与较差成员发现,好的成员能够模拟出河北中西部及北京西南地区触发出的暖区中尺度对流系统（MCS）以及相对稳定的系统配置,使得MCS在北京上空充分发展,从而较好地模拟了这次特大暴雨过程中的暖区降水;而较差的成员则没能模拟出暖区降水过程,降水以锋面降水过程为主,并且雨带位置偏南、出现时间滞后。集合成员间模拟结果出现的较大差异,和初始场中低值系统位置的较大差异有直接关系,因此通过EnKF提高模式成员初始场的准确率,从而准确模拟后期主要影响系统的移动和发展,是成功模拟暖区对流系统触发和维持的关键所在。     

电子罗盘应用于无人船测向的IIR滤波性能分析

测向是无人船自动控制所需的一项重要数据,然而其通常会受到自身精度、航向突变和环境等影响,目前准确的动态测向还存在一定困难。针对所研发无人船的转向特性,在实验室内通过HMR3000电子罗盘转动实验模拟了无人船常规和极端两种转动情况,选择不同的滤波参数分析了IIR滤波特性,最后获得适用于本无人船的测向滤波参数。在无人船的湖试中,基于该电子罗盘的航向自动跟踪控制效果良好。实验结果验证了该滤波参数选择的正确性,可用于无人船的最佳滤波。     

基于自适应UKF的BP神经网络及其在高程拟合中的应用

针对BP神经网络收敛速度慢、容易陷入局部极小值点和泛化能力差等问题,基于自适应Kalman滤波理论,提出一种自适应非线性滤波(UKF)训练BP神经网络的方法。该方法采用Kalman滤波框架,引入自适应因子,对神经网络的连接权进行训练,提高了神经网络的学习质量。高程异常拟合算例表明,基于自适应UKF的BP神经网络比标准BP神经网络收敛速度快,泛化能力强,从而证明了该方法是一种有效的连接权训练方法。     

苏05井数字化水位雨荷效应的处理与改正

根据苏05井水位受降雨影响具有滞后“记忆”效应的特点,利用褶积滤波方法,对苏05井水位的雨荷效应进行处理和改正。处理结果表明,井水位与固体潮理论值的相关系数由处理前的0．24l上升为改正后的0．65l,达到未受降雨影响的水平,因此对于受降雨影响严重的井孔水位进行降雨量的改正是有效而又极其必要的。     

一次低纬高原特大暴雨天气的诊断分析

结合大尺度环流的高通滤波、卫星云图和雷达回波诊断,通过地面天气图分析等方法,对2003年6月17日云南中部的楚雄市至南华县一带发生的特大暴雨过程进行了中尺度分析。结果表明,这次过程是热带中尺度气旋东南移并发展造成的;地面强冷空气侵入中尺度低压导致对流发展,是热带中尺度气旋加强的原因;大尺度环流下,孟加拉湾、南海和北部湾形成的两条水汽输送带通过热带低压为强对流的发展和维持提供了能源保障;地面中尺度低压中心和与之配置的切变线北侧对特大暴雨落区有较好的指示。     

基于GPS双频原始观测值的精密单点定位算法及应用

本文提出一种基于GPS双频原始观测值的PPP算法,与基于消电离层组合观测值的传统PPP算法不同,新算法通过参数化站星视线方向的电离层延迟以消除其对PPP估值的不利影响;该新算法可以有效避免观测值组合过程所引起的观测数据噪声以及多路径效应被放大的不利影响;同时在利用扩展卡尔曼滤波模型进行未知参数的递归估计过程中,通过对大气延迟参数引入符合实际的约束,可以加快滤波收敛,提高参数估值的可靠性;视线方向电离层延迟可与其他未知参数同时估计得到,进而便于利用PPP技术进行精密电离层研究;此外,对于可能的模型误差（如码观测值粗差、相位观测值周跳等）,基于DIA的质量控制策略以消除或削弱其对参数估值的不利影响。利用实测数据对新算法在静态、低动态以及高动态定位应用方面的精度进行检验,结果表明,静、动态定位结果的外符合精度可分别达到1~2 cm和7~8 cm,验证了新算法的可行性和有效性。     

一种利用TM影像自动提取细小水体的方法

提出一种利用TM影像自动提取山区细小水体的多波段谱间关系改进方法。该方法在典型谱间关系法的基础上,针对水体与阴影在蓝绿光波段亮度值降低速率差异较大的特征,基于差值运算,构建了新的多波段谱间关系水体提取模型。首先利用该模型将水体从其他地物及阴影中分离出来,然后基于数学形态学膨胀滤波算法进行空洞填充和短线连接,最后通过图像细化算法实现目标的细化。经过实验比较表明,该方法克服了许多水体提取模型只能有效提取较大面积水体的缺点,除了能够对山区的细小水体进行高精度自动提取外,还能够有效地去除阴影等干扰信息。     

利用多维观测序列的KCFM混合模型检测新型P2P botnet

提出了一种新颖的综合考虑多维观测序列的实时检测模型——KCFM。通过抽取新型分散式P2Pbotnet的多个特征构成多维观测序列,使用离散Kalman滤波算法发现流量异常变化,将Multi-chart CUSUM作为差异放大器提高检测精度。实验表明,基于多维观测序列的KCFM模型能够有效地检测新型P2Pbotnet。     

基于卡尔曼滤波的罗兰C时差信号处理

罗兰C时差信号测量误差是影响定位精度的关键。简要介绍了罗兰C系统的定位原理和卡尔曼滤波技术,针对罗兰C时差信号的特征,设计卡尔曼滤波算法,基于CV模型和CA模型分别对罗兰C静态定位和动态定位的实测数据进行处理,得出相关结论,具有一定的工程实用意义。