Local Modeling模式及其在月径流预测中的应用

Local Modeling方法是一种动力系统预测方法，将其应用于河西内陆区黑河干流出山口莺落峡水文站月平均流量的中长期预测预报，取得了较为理想的成果。预测试验的结果表明，该预测模型有较高计算精度，尤其适用于非主汛期各月的月平均流量的预测；对于主汛期6～9月的月平均流量的预测，在考虑前期来水与预见期内降水的影响后，亦可获到较为理想的预测结果。可以认为，该方法的预报精度达到了水文情报预报规范的要求，Local Modeling方法的应用，将为西北干旱地区河川径流的中长期预报提供了一个新的途径。     

地质环境监测管理办法

正(2014年4月10日国土资源部第2次部务会议通过)中华人民共和国国土资源部令第59号《地质环境监测管理办法》已经2014年4月10日国土资源部第2次部务会议通过,现予以发布,自2014年7月1日起施行。部长姜大明2014年4月29日第一条为了加强地质环境监测管理,规范地质环境监测行为,保护人民生命和财产安全,根据《中华人民共和国矿产资源法》、《地质灾害防治条例》等有关法律法规,制定本办法。第二条本办法所称地质环境监测,是指对自然地质环境或者工程建     

定量降水预报技术进展

利用安徽省81站逐日降水量资料、NCEP 500 hPa再分析资料、ECMWF(以下简称EC)降水和500 hPa高度预报,基于暴雨中心和天气类型的客观判定,分类统计2012—2018年23个强降水过程降水中心的预报偏差。结果表明在西路强冷空气和东路冷空气天气类型下,当EC预报降水中心位于115°—120°E 584 dagpm线以北时,降水中心预报往往偏北,依据两者的纬度差和降水中心预报偏差建立了基于天气分类的主雨带位置订正方法;同时依据23个强降水过程最大降水区域降水量预报的日平均偏差,建立了暴雨的强度订正方法。将偏差订正方法应用于2020年安徽省梅汛期预报,结果发现无论位置还是强度订正都能使暴雨预报TS评分明显提高。同时进行位置和强度订正后,暴雨TS评分提高更加明显,尤其是对2020年两次最强降水过程订正效果显著。

     

基于方差分量估计的自适应融合导航

多源传感器观测信息的精度一般不一致,利用方差分量估计理论可以合理地顾及各传感器观测信息在融合导航解中的权比.首先给出基于多源观测信息的融合导航解算模式,进而基于方差分量估计讨论了各传感器观测信息在融合导航解中的合理平衡问题,然后应用自适应因子顾及动力学模型预报信息的贡献,给出了计算过程,并利用模拟数据进行了试算与比较.     

曲线拟合在沉降监测预报中的可靠性检验

曲线拟合是测量工程中对野外观测数据进行分析常用的方法。本文结合实例,重点讨论曲线拟合在变形体沉降监测预报中的可靠性检验问题。     

遥感技术在大面积天然草地估产和预报中的应用探讨

利用新疆北疆地区不同草地类型上观测的草地可食产量、环境与遥感资料等,使用3S技术进行了相关分析和遥感估产及预报,建立了地面光学和线性或非线性遥感估产及产量预报模型,在实际估产和产量预测中加以应用、检验,并给出了生态学解释。     

基于偏最小二乘算法的ＢＤＳ－２／ＢＤＳ－３卫星钟差短期预报

针对机器学习算法在卫星钟差短期预报应用中训练数据量最佳确定、算法有效性评估研究较少的问题,以 武汉大学ＩＧＳ数据中心连续１５ｄ３３颗事后ＢＤＳ－２／ＢＤＳ－３精密卫星钟差产品为例,基于钟差相位数据的偏最小二乘 （ＰＬＳ）、基于钟差相位数据一次差分的偏最小二乘（ＤＰＬＳ）、长短期记忆网络（ＬＳＴＭ）模型进行了ＢＤＳ－２／ＢＤＳ－３卫星 钟差短期预报。实验结果表明：首先,选择第１５天数据为测试样本,前１４天距第１５天最近的连续ｎ　ｄ数据为训练 样本时,ｎ 为８时,ＰＬＳ模型预报性能达到最优;ｎ 为１、３、８时ＤＰＬＳ预报性能达到相对最优;ｎ 为１１时ＬＳＴＭ 预报 性能最优;ＰＬＳ、ＤＰＬＳ模型的预报效率较优,而ＬＳＴＭ 预报效率较差,最大预报耗时分别为０．２５ｓ、０．９０ｓ、 １９８．６５ｍｉｎ;随着测试样本的增加,ＬＳＴＭ 模型的预报耗时显著增加,而其他两个模型预报耗时基本没有变化;其次, 连续１４ｄ的短期预报（当前１天为训练样本,后１天为测试样本）结果表明,ＤＰＬＳ较ＰＬＳ与ＬＳＴＭ 模型,６ｈ预报时 长下,均方根误差（ＲＭＳ）分别提升了３１．２６％、３９．６６％,极差（Ｒａｎｇｅ）分别改善了２６．３４％、４０．３０％,２４ｈ预报时长 下,ＲＭＳ分别提升了３３．４８％、４２．６８％,Ｒａｎｇｅ分别改善了２９．７７％、４２．９５％。     

地理模型的服务化封装方法研究

<正>经过半个世纪的发展,GIS已经形成了包括GIS技术、地理信息科学与地理信息服务的综合体系。同时,随着应用领域的扩大,GIS在时空分析、过程模拟、预测预报和决策支持等方面正面临着严峻的挑战。通过地理模型的共享与集成来拓展GIS的地理分析能力是GIS发展的增长点。国内外地理学家面向不同的研究目标已经建立了大量的地理模型。由于模型设计和实现上的差异,造成了     

高轨卫星轨道预报中神经网络模型优化设计

高轨卫星是我国卫星导航系统的重要组成部分。提升该类卫星的轨道预报精度有利于用户定位精度的提高。提出了一种改进高轨卫星轨道预报精度的新方法。该方法避开了精化动力学模型的困难,尝试从轨道预报误差的规律中寻找突破。利用神经网络作为建立预报模型的工具,将某历史时刻的轨道预报误差作为训练样本,利用训练好的神经网络模型补偿当前时刻的预报轨道以提高轨道预报精度。对影响神经网络模型补偿效果的各因素进行了详细分析,制定了适应于高轨卫星短期、中期和长期预报的神经网络最优模型。利用实测数据进行了试验分析,结果表明:预报8,15及30 d应选择的训练步长分别为10,20及25 min;轨道预报8~30 d时,训练噪声均选取0.01。神经网络模型有效地改进了高轨卫星的轨道预报精度,预报4~30 d,轨道精度提高幅度为34.67%~82.37%不等。