地面气象观测无人值守系统的设计与应用

气象观测数据的传输率和可用率是气象预报服务及时准确的基础,是衡量通信系统运行可靠程度及运维保障能力的关键指标。长期以来,各级业务人员通过不间断值守班来保障气象观测数据的传输质量。随着现代化气象业务体系的不断发展,气象业务对资料传输的时效性、完整性要求也越来越高,对气象资料的综合监控能力也提出了更高的要求。在全国地面气象业务体制改革的要求下,广西率先在全国实行了基层台站无人值守业务调整,设计并实现广西地面气象观测无人值守系统。该系统集数据传输监控、数据传输时效统计于一体,通过自动监控告警、主备站资料(要素)智能识别替代、双条传输链路热备等设计,建立一套无人值守传输业务流程,从技术上支撑业务改革调整,大大降低基层业务人员工作强度。业务应用分析表明,无人值守系统运行可靠,业务质量保持高水平稳定,业务效益凸显。     

人工智能在冰雹识别及临近预报中的初步应用

基于广东10部S波段多普勒天气雷达的三维拼图资料,利用机器学习技术开发了一种冰雹识别和临近预报的人工智能算法。算法设计时以雷达回波反射率的垂直和水平扫描数据为基础训练集,将冰雹云的雷达反射率扫描数据作为正样本,将其他雷达反射率扫描数据作为负样本,通过贝叶斯分类法对正、负样本数据集进行机器学习,训练人工智能识别冰雹云内在规律的能力。训练时以广东省2008-2013和2015-2016年的数据作为训练集,使用了2014年广东省12次冰雹过程的数据做检验。对比检验的结果表明,人工智能法比传统的概念模型法击中率高9个百分点。研究结果表明了人工智能对冰雹这类非线性强天气过程具有较强的识别能力。      

夏季亚洲阻塞高压识别及其对中国东北气候异常的可能影响:不同再分析资料对比

基于阻塞高压（阻高）客观识别方法,利用1979-2016年夏季（6-8月）NCEP-Ⅰ、NCEP-Ⅱ逐日再分析资料和ERA-interim逐6 h再分析资料对识别结果进行对比分析;并以D类（130°-160°E）阻高为例,讨论其对6月中国东北地区气候的可能影响。结果表明:NCEP-Ⅰ和NCEP-Ⅱ再分析资料对阻高活动天数、发生频次及年代际变化的识别结果差异较小,而ERA-interim与前两种资料的结果差别较大。3种再分析资料下,夏季各类阻高活动天数均与500 hPa高度场存在相应的显著相关区,且形态相近。但前两种资料对于各类阻高的表征结果较为一致,而ERA-interim再分析资料对各类阻高面积和范围的表征偏小。6月D类阻高活动日数与东北地区气温和降水关系密切,D类阻高活跃年,大气环流以经向型为主,东北地区低层低温、暖平流,高层高温、冷平流的结构指示大气层结不稳定,且东北上空为异常低压环流控制,上升气流较强,有利于6月东北地区出现低温多雨天气。鄂霍次克海地区是6月罗斯贝波的重要来源地之一,而6月D类阻高的形成可能与海-陆温差有关。      

基于脑电信号评价情绪状态及听觉激励对改善情绪的研究

如何从脑活动数据中发现具有生物学意义的知识及规律,正成为当今神经信息学理论与实践研究的热点与难点.基于脑电的情绪识别和情绪及其脑机制的关联研究已经成为神经工程和生物医学工程领域的热门课题.本研究基于脑电信号评价情绪状态,尝试借助脑电耳机来监测"毫无头绪"的脑电波,重点开展了听觉激励对改善焦虑情绪状态的实验研究.借助特定中国古风纯音乐产生听觉信号激励,激发出被试者平静放松的情绪状态,从而改善焦虑,发现音乐和情绪之间可能存在的关系.将来在BCI技术研究的基础之上,情绪识别可以进一步满足患有特定疾病（ALS症、脑瘫、脑干中风、脊髓损伤等）的患者人群的某些更高级的需求,即通过脑电分析出其对事物的喜好度,比如音乐的选择,从而设计出更加友善和智能的BCI系统,在医疗康复领域具有很好的应用前景.     

基于不同邻近标签数选择的LANDMARC定位算法研究

对于基于射频识别的LANDMARC室内定位算法而言,该系统采用"k近邻"算法,通过选取k个与待测标签相邻且符合特定条件的参考标签,最后根据这些标签的位置结合权值估算出待测标签的坐标信息.但是在实际的操作过程中,最近邻参考标签数的选取无指导原则,具有一定的盲目性.针对这一问题,通过选取与待定位参考点最近邻的参考节点作为未知点,通过搜索法获得最优的邻近标签数k,在随后的未知节点的定位过程中,选取k个邻近标签进行定位.经过多次实验,最终得出结论,使用改进后的LANDMARC算法的性能要优于原来经典的LANDMARC算法,精确度提升了10%左右,同时避免了k值选取的盲目性.     

台风“摩羯”与“温比亚”环流中龙卷小尺度涡旋特征及可预警性分析

利用多普勒天气雷达探测资料,结合常规气象观测资料和天气实况及灾情调查,对2018年8月14日台风“摩羯”（1814）和8月19日台风“温比亚”（1818）产生龙卷的环境物理量及龙卷风暴强度结构特征进行了分析,对诱发龙卷和未诱发龙卷的小尺度气旋性涡旋特征进行了对比。结果表明：两次台风减弱低压东北象限是龙卷发生的关键区,低层高湿,强的低层垂直风切变和大的相对风暴螺旋度是关键物理量;龙卷出现时都伴有ΔV＞20.0 m·s-1的小尺度气旋性涡旋,且基本出现在2.0 km高度以下,但并不是所有这种低层小尺度气旋性涡旋都能诱发龙卷;以ΔV＞20.0 m·s-1为阈值,龙卷识别具有较高的命中率,识别准确率为31.8%,空报率为67.4%,漏报率为6.7%;约35.7%的龙卷没有识别时间提前量,半数龙卷几乎没有预警时间提前量。     

500kN 足尺磁流变液阻尼器设计的关键技术

对我们制作的、目前出力居世界前列的500kN足尺MR阻尼器设计的关键技术、阻尼器的性能试验及力学模型的参数识别进行了研究。在对磁流变液材料的最大屈服剪应力、抗沉降稳定性以及磁滞响应时间等关键性能试验分析的基础上,确认该磁流变液的抗沉降稳定性和其他两项性能指标满足MR阻尼器的设计与工程应用要求。同时,对此500kN足尺MR阻尼器设计的关键技术,包括内置式碟型弹簧蓄能器、磁场防漏设计以及引线保护等进行了介绍;并通过对此MR阻尼器性能的试验,依据阻尼最小二乘法,对MR阻尼器采用的修正的B ingham模型的参数进行了识别,得到了与试验结果吻合的MR阻尼器的力学模型。通过研究可知,高性能磁流变液材料的制备以及MR阻尼器设计的关键技术是大吨位足尺MR阻尼器成功的关键。     

Morlet 小波用于环境激励下的模态参数识别研究

本文分别从卷积和Parseval定理的角度推导了非正交小波变换系数的实用计算方法。在环境激励下以互相关函数代替系统的自由响应数据,给出了基于Morlet小波变换的频率、阻尼比的参数识别方法,重点介绍了基于最小二乘法的振型识别技术。采用2层楼仿真算例和潮白河桥应用实例验证本算法,识别结果表明基于Morlet小波变换的模态参数识别技术能够有效地识别出环境激励下系统的模态参数。     

基于“葵花8号”气象卫星的陇东南地区强对流识别跟踪技术研究

利用常规观测资料、区域自动站资料和“葵花8号”气象卫星资料,对2016年4—9月甘肃省陇东南地区出现的43次强对流天气过程进行分析,确立了强对流云团识别指标、追踪方法及预报指标,并对2018年部分个例进行效果检验。结果表明：（1）利用卫星B13通道（10.4μm）亮温值TBB≤238 K或B08通道（6.2μm）与B13通道亮温差△TBB<0 K双阈值作为强对流云团识别指标,可以准确识别出陇东南地区的强对流天气云团;（2）利用“逆向搜索法”、“面积重叠法”及对云团重心的计算,可以对强对流云团进行准确定位、追踪及移动路径外推预报;（3）建立的强对流天气落区判别指标对该地区短时强降水及冰雹落区具有一定的预报能力。     

VGGNet网络结构下的地震数据增强方法研究

断层识别是油气勘探中至关重要的工作内容,针对目前断层识别效果不好的问题,基于VGGNet神经网络算法实现了断层的自动识别。对原始的VGGNet网络进行了改进,使其适用于本次的断层识别研究。通过添加缩放系数对学习率进行了优化,使得网络识别准确率有了提高。在此基础上为了解决断层自动识别神经网络算法中训练数据过少、而网络识别效果对标签数据要求较高的问题,文章尝试使用了Color Jitter和增加高斯噪声两种新的数据增强方法。使用不同的训练数据在改进的VGGNet网络结构上进行训练,通过对比其准确率和最终的断层识别效果,可以发现使用的两种新的数据增强方法训练的网络模型准确率更高、断层识别效果更好。从而证明了本次所引入的数据增强方法的有效性,为神经网络算法应用到断层识别研究中提供了一种有效的数据增强方法。