循环神经网络在雷达临近预报中的应用

该文将循环神经网络（recurrent neural network,RNN）应用于雷达临近预报。使用预测循环神经网络（predictive RNN）架构,利用雷达历史组合反射率因子建模,给出雷达组合反射率因子未来1 h的预报结果。预测循环神经网络的核心是在长短时记忆单元（long short-term memory,LSTM）中增加时空记忆模块,能够提取雷达回波不同尺度的空间特征,配合循环神经网络架构,可以有效解决反射率因子预测问题。北京大兴雷达和广州雷达长时间序列的独立检验结果和2个强对流天气个例检验结果表明:该方法和传统的基于交叉相关法的1 h雷达外推临近预报相比,在20 dBZ和30 dBZ检验项目内,临界成功指数（CSI）可以提升0.15~0.30,命中率（POD）提高0.15~0.25,虚警率（FAR）降低0.15~0.20,该方法对反射率因子强度变化有一定预报能力。     

基于A- CGAN的深反射地震数据随机噪声压制方法研究

基于深度学习的地震数据噪声压制方法是当前地震数据去噪处理的重要方向。深度学习方法突破了传统滤波处理的局限,在对常规地震数据的噪声压制中表现出效率高、信噪分离效果好的特点。但针对深部弱有效反射数据,当前的深度学习方法特征提取能力有限,难以取得较好的去噪效果。笔者等结合深反射地震数据特点,针对当前深度学习噪声压制方法在特征提取及对数据集依赖上的局限,提出了基于注意力循环生成对抗网络(Attention Cycle- Consistent Generative Adversarial Networks,A- CGAN)的深反射地震数据随机噪声压制方法。借助循环一致生成对抗网络(Cycle- Consistent Generative Adversarial Networks,Cycle- GAN)的域映射思想,降低对数据集的要求。为了构建适用于深反射地震数据的去噪网络,从3个方面对Cycle- GAN进行改进：在Cycle- GAN的生成器（去噪器）中加入残差结构和注意力机制,用于加深网络深度和提高其特征提取能力;在Cycle- GAN的鉴别器中使用块判决,提高鉴别精度和准确度;在损失函数部分加入感知一致性损失函数,提升网络模型恢复纹理细节信息的能力。通过合成地震数据和实际深反射地震数据测试,验证了优化算法的有效性,体现了良好的应用价值。     

应用土壤水分结构的水箱模型的经验

水箱模型又称坦克模型,它是由降雨直接计算径流过程的降雨径流模型,其基本形式为四层直列式(图1),各层水箱的旁侧有一至几个出流孔和一个下渗孔,最下层仅有一个出流孔     

黄河流域旱涝特征分析

本文利用黄河流域及其周围２０多个气象台站，１９７０－１９９０年期间２１年历年各月气候一资料，根据布德科和彭门方法计算了黄河流域各月蒸发力、水分盈亏量及干燥度，选取典型的旱年（１９７２、１９８６年）和涝年（１９７５、１９８８年）进行分析，得到了一些较好的结果，为旱涝诊断和成因研究提供参考。     

循环林—森林资源良性循环的经营模式

本文从探讨森林资源良性循环的概念和基本规律出发，提出了生态经济力与生态经济关系相适应是森林资源良性循环的基本规律。进而在分析常规林业的森林经营模式的弊端基础上，并根据森林资源良性循环的基本规律提出了循环林是森林资源良性循环的经营模式，并对循环林的类型，调整方法和经营要点作了探讨。     

黄土高原旱作田土壤水分效应研究

在年降水量450－600mm的黄土高原旱作区，耕作土壤持水性好，渗透性强，具有显著的水分吐纳和调节功能，2米土层内可容纳550－600mm的水分，雨季降水是土壤水分补给的主要源泉，土壤蓄水量的高峰期和低谷期落后于降水的高峰期和干旱少雨期，蓄水量低谷期出现在6月中旬，元月上旬前后是蓄水是稳定时期。     

一种评估农田蒸散的统计—动力方法

1 引言植物的气孔在能量被植被覆盖的地表吸收后转变成显热和潜热中起着重要的作用,因此植物气孔对农田水分和能量收支有很大影响,同时还极大地影响着水分循环、气候和天气(如 Avissar 和 Pielke,1991)。经验表明(如 Jarvis 和 Morison,1981;Avissar 等,1985)气孔的作用机制对太阳辐     

LNW—50A型中子土壤水分仪的田间标定

Ⅰ.引言河西走廊是西北地区的主要灌溉农业区,水资源十分宝贵。研究该地区水分平衡,无论对天气气候的形成,还是对水资源的工农业潜力的估算都有重要意义。蒸发是水分平衡方程的重要分量,而实际蒸发(蒸腾)量是与