豫西地区雷暴预警预报系统构建方法研究

目前,基层台站在雷暴预警预报中主要依赖传统经验预报方法,而对卫星云图、大气电场、多普勒雷达回波和高分辨率数值预报产品等资料释用水平不高,存在主观定性分析多、客观定量计算少等不足。依托现有气象资料和雷暴预报方法,以雷暴预警预报系统构建为目标,从气象数据仓库构建、支持向量机雷暴预报、相似预报雷暴预报、Poor Man集合预报技术和多源数据融合分析等方面,探讨了雷暴预警预报系统构建方法,实现了雷暴中期预测、短期预报和短时临近预警三个层次的预报功能,解决了气象资料庞杂难以管理、数值预报产品释用水平不高、数值预报结果存在"跃变"、多源数据融合分析缺乏手段等问题,提高了基层台站雷暴预报工作效率和预报水平,同时也为其他地区类似系统构建提供了参考。     

强厄尔尼诺事件下2016年1月中国南方超级寒潮的动力学机制:瞬变波对大气长波异常的调制

本文采用Plumb三维波活动通量和局地Eliassen-Palm通量诊断方法,利用欧洲中期天气预报中心的逐日再分析资料ERA-Interim,分析了超强厄尔尼诺背景下2016年1月下旬中国南方超级寒潮的动力学机制：瞬变波对大气长波异常的调制。前期2015年12月的北大西洋海表热通量正异常,有助于后期大西洋阻塞形势的维持。大气长波能量沿大圆路径从大西洋阻高经乌拉尔地区向东亚中低纬度传播并在此辐合,导致了乌拉尔阻高和华北横槽的经向结构,更多强冷空气聚集在异常偏南的纬向槽线附近。寒潮爆发前夕,2支瞬变波列活跃在亚欧大陆。北支瞬变波列调制了北方的大气长波,使横槽转竖;南支瞬变波列协同调控了南方的大气长波,使南支印缅槽减弱;两者共同作用,促使冷平流大举南下,直达华南沿海,南方寒潮发生。     

气象新闻常见“槽点”浅析

气象新闻作为近年出现的一个新闻品种,在电视、广播、报纸及网络中的分量越来越重,却也由于丰富性差、专业性强等原因常常遭公众"吐槽"。本文从实际工作出发,对气象新闻常见"槽点"及形成原因进行了分析,对解决途径进行了探讨,希望能够去除"槽点",进一步增强气象新闻的传播力和影响力。     

支持向量机的车载雷达点云目标识别

为了进一步研究移动测量系统的数据处理问题,该文根据点云的基本特征,归纳了由7个特征构成的点云原始特征向量,在此基础上,结合语义环境构建了由17个特征构成的点云扩展特征向量,并采用支持向量机模型对车载LiDAR点云进行行道树点云识别的一系列实验。实验中采用粒子群优化算法和遗传算法对支持向量机进行参数寻优;采用不同特征向量和不同数目样本对点云进行学习和目标识别;分析了特征向量的学习曲线和识别精度。实验结果表明,支持向量机模型能够在行道树点云识别中取得较高的精度。     

一种裸露土壤湿度反演方法

针对目前土壤湿度反演方法研究较少且缺少实时性的现状,该文提出一种土壤湿度反演方法——最小二乘支持向量机技术。以积分方程模型为正向算法,数值模拟不同雷达参数(频率、入射角及极化)下后向散射系数随土壤含水量和地表粗糙度的变化情况。经过数据敏感性分析,选取C-波段和X-波段、小入射角下的同极化后向散射系数作为支持向量回归的训练样本信息;经过适当的训练,利用支持向量回归技术对土壤含水量进行了反演研究;并考虑通过多频率、多极化、多入射角数据的组合,消除地表粗糙度的影响,提高反演精度。模拟结果表明,该方法反演土壤湿度具有较高的精度和较好的实时性;同时,与人工神经网络方法的结果比较,证明了该方法的有效性,为土壤湿度的反演研究提供了一种方法。     

混合核特征加权SVM遥感湿地空间分类

针对湿地空间信息的复杂性和SVM的分类性能,设计一种基于混合核函数的特征加权SVM分类模型,综合利用多种特征信息,避免被弱相关特征所支配,从而提供更佳的映射性能和泛化能力。实验结果表明,该分类模型兼具良好的外推和内推能力,能够有效地融合不同信息源特征,得到更完整和准确的分类结果,在总体精度、Kappa系数等多项指标上都表现出更高的水平。     

高维遥感图像的快速分类算法

为了实现对高维遥感图像的快速准确分类,提出了一种基于k均值二叉树支持向量机(SVM)的分类方法。该方法通过对选取的训练样本进行k均值聚类,生成支持向量机分类二叉树,作为确定最佳分类顺序的依据,以降低分类过程中的误差累积并提高整体分类精度,而且可缓解由样本数量不均衡导致的分类误差。该方法可在不进行降维处理的情况下,对高维遥感图像进行快速准确分类。测试结果表明,其分类速度和分类精度都优于传统的支持向量机分类结果。     

局部均值分解与支持向量回归的大坝变形预测

针对现有变形预测方法对于大坝变形的预测效果不理想的问题,该文利用局部均值分解方法获取生产函数分量并进行支持向量回归建模,用此方法对大坝变形进行多尺度分析。通过局部均值分解对大坝变形序列进行分解得到其乘积函数分量,然后利用支持向量机回归进行外推预测,再把各乘积函数分量的预测结果进行叠加重构生成,进而获得大坝变形预测值。通过实例分析,比较GM(1,1)、支持向量机和该文方法3种模型在变形监测数据处理中的拟合和预测结果,表明该文方法充分发掘数据本身所蕴含的物理机制和物理规律,提高了大坝变形多尺度预测精度。     

改进支持向量机的高分遥感影像道路提取

针对支持向量机受分类数的限制在高分辨率遥感影像中无法直接获取高精度道路网信息的问题,该文提出一种新的混合的基于支持向量机的方法:首先,利用模糊C均值聚类方法将输入的遥感影像分为3类,以减少支持向量机的错分现象;其次,运用支持向量机将不同类别的像素分为道路类和非道路类;最后,应用马尔科夫随机场对分类结果进行噪声去除,并采用形态学进行后处理,进而得到精确道路网信息。实验结果表明:该算法不仅能够从高分辨率遥感影像中提取出道路网,而且精度优于直接使用支持向量机算法以及对比算法。     

基于时频域极化滤波的勒夫型槽波提取

矿井槽波地震勘探数据中,含有多种类型地震波,包括线性极化的纵波、横波、勒夫型槽波和椭圆极化的瑞利型槽波。由于槽波频散现象严重,不同类型槽波互相重叠,在地震记录上难以区分,合理地进行波场分离是槽波数据处理的重要环节。根据不同类型槽波振动极化特征,提出基于S变换的时频域自适应协方差矩阵极化滤波方法;在时频域中,针对槽波水平双分量信号建立自适应协方差矩阵;利用矩阵对应特征值和特征向量,计算椭圆率和方位角参数来描述槽波极化振动特征;依据极化参数建立极化滤波函数,对槽波地震信号进行波场分离。经过理论合成信号和实际数据测试表明,该方法可以有效地从槽波地震记录中提取出勒夫型槽波,避免其它类型地震波在槽波数据处理过程中产生的干扰,为槽波地震勘探数据处理提供新的技术手段。