应用分布式存储技术优化省级CIMISS数据服务能力

随着气象数据量的不断增长,进一步提升CIMISS数据管理和服务能力的需求变得日益迫切。为解决存储系统动态扩展能力不足、并行计算与吞吐效率低下等限制CIMISS继续发展的问题,采用分布式文件系统和NAS技术替代GPFS建设共享文件系统,实现非结构化气象数据的存储功能;采用分布式数据库替代Oracle RAC建设关系数据库管理系统,实现结构化气象数据的存储功能和非结构化气象数据的索引功能。实践证明,该方案能够有效地改善CIMISS的数据存储能力、并发响应能力,适应未来气象业务对数据存储和应用的需求。     

广西气象数据中心机房供电系统设计与保障

针对供配电系统容易发生的安全隐患,优化设计配电系统结构、采用一体化运维监控平台和采用高质量、高可靠性的设备,消除单点故障瓶颈,确保在停电、设备故障、维修维护等各种情况下提供不中断或快速恢复供电,避免停电对业务正常运行造成影响,确保机房供电安全。     

青藏高原云团东传过程及其中中尺度对流系统的统计特征

利用逐小时风云卫星TBB资料、逐小时中国自动站与CMORPH降水产品融合数据以及国家级地面观测站24小时累积降水量,统计分析2010～2016年夏季,伴随下游地区（104°E以东）降水的青藏高原云团东传过程以及东传过程中镶嵌于云团中的中尺度对流系统（Mesoscale Convective System,简称MCS）特征。结果表明,共出现120次伴随下游降水的高原云团东传过程,6月出现最频繁,但持续时间较长的过程多出现在7月。云团向东传播的主要三条路径是平直东传、沿长江折向东传和复合东传。其中路径二——沿长江折向东传中的过程是高影响过程,因为过程次数较多（46次）,过程平均持续时间较长（62小时）,在下游地区引发的降水日数和暴雨日数最多。属于东传过程的MCS在7月形成最多,集中分布在青藏高原东坡、云贵高原东部、长江沿岸及其以南地区。高原MCS影响长江中下游地区降水主要是通过向东传播的形式实现,因为即使生命史更长的中α尺度对流系统（Meso-α Convective System,简称MαCS）也鲜少直接移动至110°E以东地区。不同区域的中α尺度持续性拉长形对流系统（Permanent Elongated Convective System,简称PECS）的日变化特征显示,东传过程MCS更容易在夜间从高原东坡向东传播至下游地区。在三条路径中,路径二中的东传过程MCS数量最多、在下游地区发展最旺盛并与降水日数和覆盖范围存在更好的对应关系。     

广东人影综合业务系统的设计与实现

为规范实施广东省人工影响天气5段实时业务,设计建设了广东人影综合业务系统。该系统基于B/S架构,省、市、县、标准化作业点4级共用,由桌面端系统和手机端系统共同构成,功能互补,通过账户分配区分各级权限。系统包含数据存储管理子系统、信息综合处理分析与指挥子系统、指导产品发布子系统、外场作业信息传输与采集子系统。该系统基于广东基本气象业务标准数据接口和国家局下发的云模式和卫星反演云产品数据,开发人影业务需要的基本气象业务产品、作业需求分析产品、人影作业指导产品等,支持作业指挥人员进行多源资料融合分析与作业条件及效果的监测识别,实现作业指导产品和实时作业数据在指挥中心与作业实施现场之间的互连互通。     

基于IDEA数据平台的气象资料综合监测系统建设

基于历史一体化数据访问平台(IDEA),以C#和SQL Server技术为依托,开发了面向河源市县2级、符合本地气象服务需求的气象资料综合监测系统,该系统实现了全市自动站资料的实时更新和显示,同时还提供了历史资料查询、各站点雨量时序图等多项功能,拥有良好的资料分析能力、功能的扩展性和可移植性。     

高分系列卫星助推辽宁高质量发展

进入东北区域气象中心的19楼,“高分辨率对地观测系统辽宁数据与应用中心”的牌匾首先映入眼帘。2017年8月,经辽宁省工业和信息化委员会批复,高分辨率对地观测系统辽宁数据与应用中心(以下简称“高分辽宁中心”)落户于辽宁省生态气象和卫星遥感中心。     

基于阈值可调切换系统的多翅膀混沌吸引子设计及电路仿真

本文提出了一种通过调节一类状态依赖切换系统的阈值来生成多翅膀混沌吸引子的设计方案.首先,设计了两个类Lorenz子系统;然后,基于这两个子系统构造了一个状态依赖于阈值的切换策略,从而构造了一类状态依赖于阈值的切换系统;最后,通过调整切换系统的阈值来改变鞍焦平衡点的个数与分布,使得该切换系统能够产生4-6-8翅膀的混沌吸引子.此外,根据切换系统的状态方程设计了该系统的模拟电路,电路仿真结果与数值仿真结果一致.实验结果证实：该设计方案可以在不增加系统维数或无需设计复杂非线性函数的情况下生成多翅膀混沌吸引子.     

文本特征提取的研究进展

文本理解是人工智能的一个重要分支,其技术推动了人与计算机之间在自然语言上的有效交互.为了让计算机准确地理解和感知文本数据,文本特征提取是最为基础和关键的步骤之一.基于此,本文介绍文本特征提取研究的发展历史,以及近年来主流特征提取的方法,并对未来的研究方向进行展望.首先,介绍语义最底层的词级表示;接着,总结在词级表示基础上衍生出的句级表示上的研究进展;随后,介绍比词级表示和句级表示更高层的篇分析;最后,通过文本特征提取的一个典型应用——问答系统的介绍,阐述文本特征提取的最新方法和技术在问答系统上的应用,并对未来的研究方向做了展望.