变分连续同化中优化步长的推导方法及数值试验

一个好的变分同化方法,必须考虑到预报模式具有误差,并对模式误差进行纠正.变分连续同化(VCA)通过在模式方程中引进一个修正项,连续地调整模式变量,从而达到以上目的.在变分连续同化的迭代过程中,优化步长的选取方法对于同化迭代是否收敛、收敛速度快慢与否都至关重要,文中推导了一种有效利用观测资料计算优化步长的新方法,并以大气运动方程中一维非线性平流波和二维惯性波为例,进行了四维变分资料同化数值试验.数值结果表明,VCA方法和计算优化步长的公式都是有效的.     

Pdif波在中国CDSN台站的运动学特征

利用中国数字地震台网(简称CDSN,下同)11个台的宽频带长周期(VLP)数字记录对1990-2012年间的124个极远震记录进行了分析处理,在震中距100.0°～179.0°之间,获取了CDSN11个台站的Pdif波的震相数据,得到了Pdif波在地球核幔界面上衍射的运动学特征和《Pdif波走时表》。所得结果大大拓展了Pdif的记录范围,在144.0°～179.0°之间弥补了《IASPEI1991地震波走时表》的缺失,为更大范围内的Pdif震相分析提供了参考标准,有助于提高中国地震台网的地震分析水平和积累震相分析经验,以及对地球核幔边界物理性质的认识。     

山地二维三分量地震资料采集

新研制出的一种三分量检波器,尾锥不动,能方便地调节其方位角和水平角,可保证同一测线上的检波器各分量的极性和相位一致,检波器与地面耦合良好;三个分量之间的隔离度大于20dB,保证了道间无串音干扰。三个检波器串联组合,有利于地震信号接收。通过数值模拟拟定出地震测线布设方位和观测系统,在采集试验中开展波场调查、偏移距试验、不同覆盖次数对比,以确定出合理的观测系统和采集参数,在四川山地获得了高质量的三分量地震资料,形成了一套实用的陆上三分量地震资料采集技术。     

网状河流和分汊河流的河型归属讨论

河流的河道平面形态分类有多种方案 ,其中Rust的分类因为分出了网状河流而得到沉积学家的更多关注。中国地貌学界和水利学界则更关注钱宁的分类 ,其中包括分汊河流。目前 ,许多研究人员把网状河流和分汊河流当作同一类型的河流。文中从河型的定义、河道平面形态、地下沉积物特征、水动力、新河道形成机理和发育的地貌部位等方面对分汊河流和网状河流进行对比 ,根据对比结果认为它们是不同的河型。为了便于沉积学家、水利学家以及地貌学家之间相互交流各自有关河流的研究成果 ,需要提出一个更符合实际的冲积河流分类方案。     

室内可见光通信频域均衡技术DSP方法对比分析

对3种室内可见光通信传输技术的数字信号处理方法（DSP）,包括正交频分复用（OFDM）、单载波频域均衡（SCFDE）与单载波频分复用（SCFDM）进行了对比分析.通过峰值功率比（PAPR）和计算复杂度比较了3种方法的优劣.分析结果表明,SCFDE和SCFDM具有较低的PAPR,但SCFDM计算复杂度较高.此外,还使用白光LED灯针对3种调制解调方法建立了实验模型.实验结果表明,在VLC传输系统中,由于低PAPR特性,使得SCFDE和SCFDM在误码率（BER）和Q值方面的性能优于OFDM.     

琼州海峡的波浪特征

本文依据多年实测波浪资料揭示了琼州海峡的波浪特征，结果表明，本海域以风浪为主，其出现频率占７６．７％以上。波浪随季节变化显显，觉浪向和强浪向频为一致它们是ＮＥ－ＥＮＥ。一般来说，本海区的最大波浪是由台风产生的；海峡两端海区的波浪比中闻海区的大。     

方向分布对三维聚焦波浪波面特性影响研究

波浪聚焦被认为是产生极限波浪的重要机理之一,近年来受到普遍重视。通过高阶谱方法,引入造波边界建立数值计算模型,模拟聚焦波浪在不同方向分布时的产生和聚焦过程,研究波浪的方向分布对聚焦波浪的波面、波峰最大值、聚焦点的偏移、波面参数及频谱的影响。研究结果表明波浪方向分布越窄,波浪的非线性影响越强、波面越陡,波峰值、聚焦点的偏移和波面特征参数都越大;同时方向分布对波浪聚焦前后的能量具有很大的影响。     

考虑底摩擦的波浪折射计算

本文用考虑底摩擦的折射模式计算了浅水中波高和波向分布。作为一个例子,根据不同的摩擦系数和不同的边界条件计算了一种简单海底地形的折射系数、衰减系数和折射角,所得结果与不考虑底摩擦的折射模式结果进行比较,发展它们之间存在一些差异,表明在浅水中底摩擦对波高有一定影响。     

多普勒雷达资料对中尺度系统短期预报的改进

文中给了一种由单多普勒雷达资料反演风矢量场的变分方法 ,并由此形成预报初始场。运用美国风暴分析预报中心 ( CAPS)的改进的区域系统模式对移经美国俄克拉何马州的一个强雷暴系统进行了数值预报试验 ,结果表明 ,初始场中引入多普勒雷达观测资料后明显地改进了预报。     

联合VMD和Bi-LSTM的GNSS坐标时序降噪

针对GNSS坐标时间序列中的噪声难以有效去除等问题,构建了一种联合变分模态分解和双向长短期记忆模型的方法用以去除GNSS坐标时间序列中的噪声。将GNSS坐标时间序列分解为k个本征模态函数分量,并根据样本熵选择出有效的模态分量,分别通过双向长短期记忆网络处理,最后将信号进行合成。以BJFS等12个具有较长时间序列且数据完整性较好的GNSS站点坐标数据为例,对坐标时间序列进行降噪。将该方法与传统的分解方法进行对比分析,发现在E、N、U方向上,相比于单一变分模态分解,速度不确定度改正率分别提高了11.03%、4.60%、7.39%,相比于经验模态分解分别提高了31.70%、27.70%、24.42%。结果表明该方法能够更好地去除信号中的噪声,且优于传统分解方法,可提高信号可靠性。