BP人工神经网络在MM5预报福建沿海大风中的释用

利用MM5中尺度数值模式输出的福建沿海6个气象站2004年5月到2007年10月每天08、20时48 h每6 h间隔的风速预报和实况资料,采用不同隐层以及节点数,按照风速大小分类建立人工神经网络模型,以此为基础应用BP人工神经网络建立风速预报模型,并将该模型应用到2008年1月至2009年2月福建沿海平潭、崇武、东山三站风力预报,对其效果进行检验。结果表明,采用一层隐层3个隐层节点数的人工神经网络模型是预报风速的最佳模型;经人工神经网络订正后,沿海风速预报比MM5模式预报有很大改善,特别是对大风(10 m.s-1)预报能力有极大提高,其Vs评分比MM5模式提高60分;经检验,经人工神经网络订正后的风速预报精度比MM5模式提高约32.3分,总体上,随风力增大,订正后的风速预报效果越好。     

利用重复测线校正海空重力仪格值及试验验证

通过分析海空重力测量系统误差的形成机理,我们发现海空重力仪格值标定误差是引起系统性测量偏差的主要因素之一.本文简要介绍了重力仪格值的标定方法,分析论证了格值标定的精度要求,提出了利用东西正反向重复测线检测校正海空重力仪格值的计算模型和补偿方法,分析讨论了该方法的校正精度及其适用条件,利用航空重力实际观测网数据对该方法的合理性和有效性进行了数值验证,证明该方法对消除海空重力测量系统性偏差具有显著作用.

     

一种利用浮标站资料改进海浪模式有效波高预报的方法

基于浮标站海浪历史数据,利用回归分析方法建立了海浪数值模式有效波高预报产品的一元二次回归方程订正统计模型。通过2017年7月1日-2018年10月10日期间业务试运行结果发现:订正方程能有效改善有效波高数值预报产品的预报精度,且预报时效越短订正效果越显著。其中,第6~11 h预报时效内的订正前后平均绝对误差值减小0.17~0. 241 m,第6~18 h预报时效内订正前后均方根误差减小幅度为0.103~0. 28 m。这说明应用订正统计模型对海浪模式输出产品进行订正,也是改进海浪模式预报准确率的一种有效途径。     

利用Surfer8.0软件对重力异常数据格网化方法的研究

一、前言 平均重力异常是地球重力场的基本数据，用途十分广泛。在垂线偏差、高程异常、扰动重力等的计算中都要用到平均重力异常数据。高分辨率的平均重力异常数据是求解高精度、高分辨率的垂线偏差、高程异常、扰动重力数据的基本保障。但是，对于一些地形比较复杂、重力实测点稀疏的地区，需要对实测的数据进行一定的处理以满足高分辨率重力异常数据的要求。     

基于核函数NPSSB模型的HY-2A卫星雷达高度计海况偏差研究

利用机器学习的方法,对14个周期HY-2A卫星高度计数据:风速、有效波高和海面高度差值进行训练,探究海况偏差和风速、有效波高之间的关系,创建海况偏差核函数非参数模型(NPSSB),并与参数模型中具有代表性的BM3、BM4模型进行对比。研究表明:(1)核函数NPSSB模型能够很好的反映SSB与U、SWH之间的关系,SSB与U呈二次函数关系,SSB与SWH呈反比例函数关系;(2)核函数NPSSB模型对SSB的模拟能力与训练数据集相关,数据量越多,模拟能力越好;(3)核函数NPSSB模型与BM3、BM4模型都存在0～-0.03 m的差值,随着风速和有效波高的增加,差值的绝对值越大。     

基于机器学习的海洋环境预报订正方法研究

结合中尺度数值模式WRF预报数据和ERA5再分析资料,利用机器学习方法对WRF预报场的风场、温度、气压进行预报订正。采用ERA5作为真值,与原始WRF预报相比,利用随机森林模型可以将预报结果整体均方根误差降低44%以上,利用深度神经网络模型可以将预报结果整体均方根误差降低34%以上。通过随机森林模型实验得到不同输入特征对预报要素的影响程度,分析了关键的预报订正因子。     

甚长基线干涉测量天线参考点和轴线偏差监测方法探讨

高精度监测VLBI天线参考点和轴线偏差等参数,对提高VLBI台站坐标测定精度及天测、测地VLBI资料解析精度等具有重要意义.常规监测方式占用望远镜工作时间,监测效率低,所得参数精度较差.文章提出通过参数化VLBI天线的旋转运动建立天线固连合作目标在局域网中坐标数学模型的方法,有望实现全天候、全自动监测;考察了代表性数学模型,在观测方程构建、解算参数设置和约束条件选取等方面提出了新的见解.最后通过仿真分析,验证了对方程与参数所做调整的有效性,初步结论可供参考.     

豫北一次局地雹暴天气的预警特征和触发机制

利用常规气象观测、多普勒雷达、卫星资料和区域自动站观测资料及NCEP再分析资料,对2011年6月11日豫北局地强对流天气的预报预警特征和触发机制进行分析。结果表明：局地强对流天气是在东北冷涡背景下产生的,高低层中尺度影响系统(槽、切变线、大风速轴)交汇处右侧是强对流发生潜势区。局地强对流天气发生前,CAPE较大,0-6 km垂直风切变达到中等偏强,有利于超级单体的形成和发展。高空冷平流南侵、低层暖平流北上,有利于大气对流不稳定度进一步加大。中-β尺度强对流云团在东北冷涡槽底后部形成,其发展演变对局地强对流天气预报预警有参考意义。强对流回波经历了细胞状、带状发展期和块状减弱期。回波带南侧形成的超级单体造成了局地强风雹天气,冰雹发生时伴有“三体散射”现象。冷空气和地面辐合线是强对流天气的主要触发机制;地面辐合线对强对流天气还有提示作用。     

估计接收机差分码偏差的GPS/BDS非组合精密单点定位模型

在传统多系统非差非组合精密单点定位（precise point positioning,PPP）模型中,电离层延迟会吸收部分接收机码硬件延迟,其估计值可能为负数。提出了一种估计接收机差分码偏差（differential code bias,DCB）参数的GPS（Global Positioning System）/BDS（BeiDou Navigation Satellite System）非组合PPP模型,将每个系统第1个频率上的接收机码硬件延迟约束为零,对接收机DCB进行参数估计,达到了分离电离层延迟和接收机码硬件延迟的目的,降低了接收机钟差和电离层延迟的相关程度。利用4个多星座实验（multi-GNSS experiment,MGEX）跟踪站的GPS/BDS数据进行了静态和动态PPP试验,结果表明,与不估计DCB参数的PPP模型相比,采用估计DCB参数PPP模型后,静态模式下定位精度和收敛速度平均提高了29.3%和29.8%,动态模式下定位精度和收敛速度平均提高了15.7%和21.6%。     

西太平洋海域卫星测高重力异常反演与精度评估

联合T/P、ERS1/GM、ERS1/ERM、ERS2/ERM、GEOSAT/ERM、GEOSAT/GM等多源卫星测高数据,基于逆Vening-Meinesz公式和EGM2008模型,采用移去-恢复方法和快速傅里叶变换算法构建了中国西太平洋海域(0°~40°N,105°E~145°E)1'×1'重力异常模型,选取两个不同特征区域航线,将构建的重力异常模型、EGM2008重力异常模型、美国Scripps海洋研究所重力异常与船测重力数据进行比较分析。结果表明,构建的重力异常模型与船测重力总体趋势变化较为一致、与船测重力比较均方根差为4.16m Gal,总体精度与EGM2008模型重力异常、美国Scripps海洋研究所重力异常相当,反演精度和分辨率达到国际领先水平。