集对分析在城市空气污染预报中的应用研究

在城市空气污染预报模型中, 精心挑选的因子具有较好的预报性能, 但是因子的优良性能并非始终不变, 而有时个别因子的不良表现往往可能导致预报的失败。根据集对分析 (SPA) 把不确定性和确定性作为一个动态的同异反系统处理的思想, 动态地分析和处理每次预报中因子作用的变化, 即每次预报前, 先对因子进行态势判别和同异反分析, 然后使可能干扰预报的弱势因子的作用受到有效抑制, 使有助于预报的强势因子的作用得到充分发挥, 从而实现了因子作用大小在各次预报中的动态变化, 取得了较为满意的效果。在预报模型中增加不确定性处理有助于提高预报准确率。     

基于余水位订正的海洋潮位推算关键技术研究

从分潮数目选择、调和常数稳定性优化两个关键环节入手,选择11个主要分潮用于潮位推算,并利用邻近长期站对中短期验潮站调和常数做差比订正,显著提高了中短期验潮站的潮位推算精度。     

基于遗忘因子的BP神经网络水文实时预报方法

在应用神经网络进行洪水预报时,因洪水系统随着河道上游来流、区间降雨、河床演变等因素的动态变化,其特性并不总是按照基本相同的规律变化,对这类系统的参数辨识,要求算法具有较强的实时跟踪能力,以适应模拟或预测洪水运动变化过程的要求。在BP神经网络模型的基础上,运用最小二乘递推算法,引入时变遗忘因子实时跟踪模型中时变参数的变化,建立了神经网络在非线性系统中动态系统输入、输出数据间的映射关系。计算实例表明:该法对参数的快速时变具有较快的跟踪能力和较高的辨识精度,是一种非常实用的水文实时预报方法。     

酸雨研究进展与问题探讨

在综述国内外酸雨研究基础上,提出了我国酸雨研究中存在的一些问题。我国在酸雨研究方面已经取得了重大的进展,许多研究成果被有效地应用于酸雨的控制,但由于酸雨的不断加重和酸雨问题的复杂性,许多问题还需要深入研究,如:①随着能源结构的不断变化,研究建立适合我国特点的酸雨预测模型;②从生态系统角度研究酸沉降及其酸沉降破坏的生态系统的恢复技术;③研究燃煤二氧化硫的控制和不同行业如化工、建材、冶金等工艺废气的脱硫技术;④研究与我国的经济发展水平相适应的、合理的酸雨控制对策;⑤将新技术与酸沉降研究有机结合起来,研究基于GIS的酸化模型,规划酸沉降临界负荷。     

集合模式定量降水预报的统计后处理技术研究综述

模式后处理方法能提高定量降水预报精度,现有的基于统计的降水后处理方法多用于订正降水率或估计降水概率,忽略了降水落区预报的空间误差,导致订正效果不佳。本文提出了一种新的基于雨团匹配的空间后处理方法,用于订正降水落区预报的空间误差,从而提高预报准确率。该方法基于雨团的识别与拆分,结合贝叶斯多目标追踪法对当前时次的模式预报和实况雨团进行匹配,从而得到模式预报数据相较于实况存在的位移与强度误差,并将该误差用于随后时次模式预报数据的订正。利用该方法,对华北地区2018—2019年夏季降水过程的ECMWF集合预报系统的降水预报产品进行订正。以CMPAS中国逐小时降水分析数据作为实况值的检验结果表明,经过该方法订正后,随后时次模式降水预报的平均TS评分从0.333提高到0.369,相关系数从0.260提升到0.327,平均绝对偏差从2.788 mm降到2.541 mm,表明本方法能有效提高降水预报的准确率。

     

面实体匹配的集成学习CatBoost方法

现有的面实体多指标几何匹配方法在计算综合相似度和确定最终匹配实体时面临着指标权重和阈值难以科学量化的难题,集成学习算法通过构建并结合多个机器学习器来完成学习任务,在解决分类问题时体现出了较为明显的性能优势。为此,本文提出了一种基于集成学习算法CatBoost的面实体匹配方法,将匹配问题转化为分类问题。选取形状、面积、方向和位置4个几何特征作为模型分类特征;利用过采样与欠采样相结合的混合重采样技术减轻原始训练样本的类别不平衡度;借助贝叶斯优化算法确定CatBoost模型的最优超参数;引入可解释人工智能领域的SHAP解释框架从全局和局部两个角度解释各输入特征对匹配结果的影响。在青藏高原的面状湖泊数据上对本文提出的方法进行了验证,实验结果表明：对模型预测影响最大的特征是位置,然后依次是面积、形状,影响最小的特征是方向。CatBoost匹配方法在实验数据集上的查准率、查全率和F1-score分别达到0.9937、0.9753和0.9844,相比于直接使用样本不均衡的原始样本进行模型训练,分别提高了约5.8%、0.6%和3.3%。与传统的面实体多指标双向匹配方法和逻辑回归、K近邻、决策树、神经网...     

基于Cubist模型树的城市不透水面百分比遥感估算模型

不透水面是城市区域中一种典型的土地覆盖类型,是衡量城市环境质量和城市化水平的重要标志之一。与传统基于像元级的遥感研究方法相比,不透水面百分比（Impervious Surface Percent,ISP）的估算可以进入像元内部,获得更准确的城市信息。本文应用Cubist模型树,对Landsat TM的原始波段变量（除热红外波段）,建立ISP估算的基础模型（Base Cubist-ISP）。通过基于模型树的集成学习优化算法和加入相邻时相影像的波段变量中值,以削弱噪声的影响。然后,优选热红外波段和各种衍生变量,并进行属性精简,继而应用集成学习算法得到的参数和精简后的变量建立ISP估算的优化模型（Optimal Cubist-ISP）。对广东省广州市海珠区的实验结果表明,Optimal Cubist-ISP模型估算不透水面的整体均方根误差（RMSE）为12.98%,决定系数（R²）为0.90,精度明显优于Base Cubist-ISP模型,RMSE降低约5.03%,ISP在透水面区域被高估和高密度不透水面区域被低估的现象得到改善。本文提出的基于Cubist模型树建立ISP遥感估算的模型及优化方法可以适用于城市区ISP的提取。     

组合预测模型在女性呼气高峰流量参考值地理分布研究中的应用

随着地理学的发展以及人们对健康问题的日益关注,医学地理学得到迅速发展。鉴于目前医学参考值制定时仍存在忽略地理因素的影响,本文收集中国各地3809 例健康成年女性呼气高峰流量参考值,分析地理因素对其的影响,计算不同地区参考值的数值差异,探究地理因素对医学参考值产生影响的机理,其中,纬度、海拔高度、年平均气温、年平均相对湿度、年降水量、表土砂砾百分率、表土参考容量共7项地理因素存在显著的相关性。利用ArcGIS中的Moran's I指数对数据进行分析,确定数据与空间及地理因素存在关系。并通过岭回归分析,建立回归方程,并进行插值。研究结果表明,中国健康成年女性肺部呼气高峰流量与纬度与海拔、气候、土壤等地理因素之间存在着显著的关系,同时证明,岭回归与支持向量机组合模型的地理分布差异预测结果优于单独预测方法。     

Hydrological Evaluation of the Canadian Meteorological Ensemble Reforecast Product

This paper evaluates the quality of the ensemble hydrological reforecasts obtained using the 18-year ensemble meteorological reforecast dataset available from the Canadian Centre for Meteorological and Environmental Prediction (CCMEP). This study focuses on four large watersheds in the province of Quebec. A distribution-based scaling (DBS) post-processing method is used to correct the 18-year ensemble precipitation reforecasts. An Ensemble Kalman Filter (EnKF) assimilation technique is also assessed to improve the initial conditions of the hydrologic model. There is a slight improvement in performance and reliability after applying the DBS approach to precipitation reforecasts, but this technique induces a reduction in the spread. The impact of the integration of the post-processed precipitation into the hydrologic model is also quite marginal. However, the addition of an EnKF provides better ensemble hydrological reforecasts with high performance, reliability, and skill, especially in the first reforecast horizons. The best results are, however, generally obtained when using DBS and an EnKF together. Combining DBS and an EnKF, hydrological forecasts for the next two weeks are obtained using the CCMEP reforecast and also the second generation Global Ensemble Forecast System (GEFS v2) reforecast, which is considered a reference. Forecasts of comparable skill and spread are obtained, with CCMEP-based forecasts showing better spread during the first week, and GEFS v2–based reforecasts showing better skill and spread during the second week. Finally, it is shown that the two meteorological reforecast products assessed in this study have similar economic value for hydrological forecasting applications based on the cost–loss model.