近几年中尺度动力学研究进展

近几年,中尺度气象由于在逐日天气预报中的重要作用和在气象灾害预报中的显著贡献,已经成为一个热门的研究课题.中尺度气象研究并预测中尺度天气系统的发生发展及其引发的灾害性天气,如暴雨、冰雹、龙卷风等.本文主要总结了2007年以来我国在中尺度研究中取得的显著性成果.主要包括:波动、涡旋、锋面、稳定性、Q矢量和不变量.在波动方面包括重力波的形成和传播的研究,包含旋转Rossby波、混合低频旋转Rossby波和高频惯性重力波在内的台风波动以及考虑水汽作用的中尺度波作用守恒.涡旋部分主要介绍了青藏高原低涡(TPV)和热带气旋内部的涡旋问题.除了涡旋之外,锋面在中国也是一个关键系统.在锋面方面的进展有:梅雨锋中的β中尺度双雨带机制的产生和维持的实验性研究,以及基于广义位温的锋生函数的提出,这些成果使得对锋生过程的描述更接近于实际大气状况.在不稳定问题上,主要介绍了采用Energy-Casimir方法建立的拟能量波作用方程和基本气流具有线性和非线性切变时的横波扰动的不稳定.关于Q矢量,介绍了从地转Q矢量,半地转Q矢量到非地转Q矢量,非地转湿Q矢量的发展,以及由湿地转Q矢量和垂直风切变耦合得到的新型散度方程.最后,讨论了有关质点的两个不变量位温和位涡的相关研究新进展.     

面向带电作业的手臂末端输出力评估方法

为了解决带电作业时手臂末端输出力的准确控制,提出一种基于表面肌电信号（sEMG信号）和支持向量机回归（SVR）实现对手臂末端施力的评估方法.通过手握机械手臂末端的手柄,做往复推拉运动,记录此时手柄处的力传感器的数据F,同时利用3组肌电信号传感器同步采集手臂的肌电信号.将肌电信号提取特征后,与力F组合成样本集合S,在样本集合中随机抽取50%的样本数据作为训练集,分别训练BP神经网络、GRNN神经网络以及SVR神经网络.最后用训练好的神经网络对整个样本集中的力F进行预测,并用均方根误差和相关系数评估模型的预测效果.结果显示,SVR神经网络的预测效果较好,其均方根误差为3.074 0,相关系数为0.951 7.     

高精度温度采集系统设计

针对高精度温度采集的需求,设计了一个以低功耗单片机MSP430F149作为核心处理器,以PT100铂电阻为传感器的温度采集系统。为了提高系统的复用性,采用精密电阻法,从硬件设计上消除了恒流源电流漂移以及A/D转换电路参考电压精度对温度测量数据的影响。重点描述了系统设计方案,详细说明了恒流源选择的原则、电流偏差的消除以及AD7792转换器的操作步骤。实验结果表明,温度测量精度优于0.1 ℃。对比试验表明,系统稳定性良好,已应用于业务产品中。     

冬春500hPa高度场与中国夏季降雨场的场相关分析

利用场相关理论，分析了中国大陆6－8月降水场与前期1－5月各月北半球500hPa高度切之间的关系，得到一些有意义的结果，并提出一种研究场与杨之间相关关系的长期天气预报思路和方法。     

豫西突发性暴雨成因

利用常规观测、FY-2C气象卫星资料及NCEP/NCAR再分析资料,对2007年7月28～30日豫西卢氏县引发历史罕见山洪暴雨的进行了天气动力学和中尺度分析。结果表明:西太平洋副热带高压增强与贝加尔湖高压叠加形成阻塞形势,其西侧低空急流携带大量水汽与较强的锋生场交汇在豫西,导致了这次极端暴雨事件的发生;大尺度强斜升运动区中,低层存在一个条件性对称不稳定机制,引发中β云团生成、合并、发展,从而造成暴雨。     

基于决策树特征提取的支持向量机在岩性分类中的应用

由于支持向量机属于黑箱模型,因此在进行模型学习时无法直接对特征进行选择,而决策树模型在递归创建的过程中自身具有一定的特征选择能力。针对岩性分类问题,本文将决策树和支持向量机结合,通过决策树的建立,在考虑特征重要性的前提下,利用树节点的高度对特征进行提取,并将具有更高分类能力的特征送入支持向量机进行岩性分类。结果表明:通过决策树的特征提取,减少了支持向量机模型的输入特征,从而有效控制了模型的复杂度,使得模型更加稳定并具有更高的分类精度,测试集精度能够提升10%以上。     

基于钻进状态监测的智能工况识别

钻进过程状态监测旨在实时描述钻进工况,判断运行性能优劣程度进行非优追溯,及时指导司钻人员调整作业操作,保证钻进过程安全、高效、稳定开展。钻进工况是钻进系统运行状态的反映,因此开展面向状态监测技术的钻进工况识别研究具有重要的理论和应用价值。本文针对钻进工况识别问题,基于状态监测数据,建立基于支持向量机的钻进工况识别模型,对钻进工况进行识别。综合工况识别结果,对钻进效率进行评估,并对影响钻进效率的因素进行讨论,寻找提升钻进效率的手段。最后,采用钻进现场实钻数据进行仿真实验,验证所提方法的可行性和有效性。     

基于GA-SVM封装算法的高光谱数据特征选择

封装型的特征选择算法相对于过滤算法而言更有助于提高分类精度,因此在当前计算技术及效率快速发展的背景下必将成为未来之趋势。本文以支持向量机(SVM)为分类器,遗传算法(GA)为特征子集的搜索算法,构建了封装型的特征选择算法GA-SVM,并用ENVI/IDL语言编程实现,最后以HYPERION高光谱数据为例对算法予以应用。结果表明,GA-SVM算法可从196个波段中选择出13个波段,同时分类精度较不做特征选择时提高了约4%。由此可见,GA-SVM封装型特征选择算法具有较好的同时优化特征子集和SVM核函数的性能,可为当前高光谱数据的特征选择提供一个较好的算法。     

矢量数据在多尺度栅格化中的精度损失模型探讨

在进行空间分析时,由于栅格数据便于空间分析,因而通常将矢量数据转化成栅格数据进行空间分析。在转化过程中,采用不同尺度的栅格大小会造成怎样的精度损失?精度损失、栅格大小和平均斑块大小之间的关系是否可以用模型来表达?本文正是针对这样的问题,以重庆市1∶10万的土地利用矢量数据为例,探讨了在不同尺度栅格大小(从30m×30m到1000m×1000m)的情况下,各种土地利用类型在转化过程中的精度损失情况,对精度损失与栅格大小和平均斑块大小之间的关系进行了定量分析。研究表明,精度损失与地类的平均斑块大小和栅格尺度之间的关系可以用模型来表达。该模型为:Y=5.366-0.179X-0.978ln(S)+0.0348Xln(S)。模型中Y为精度损失,S为地类的平均斑块大小,X表示栅格的大小。该模型的复相关系数为0.93。     

Estimation of groundwater residence time and recession rate in watershed of the Loess Plateau

Groundwater residence time is an important indicator of hydrological cycle and essential for water resources development and utilization. In this paper, groundwater residence time in non-flood season, flood season and water year has been determined from daily streamflow hydrograph of ten hydrological stations in Wudinghe River Basin located in the middle reaches of the Yellow River Basin. Results have showed that: baseflow recession constant in Wudinghe River Basin ranges from 0.72 to 0.94 with a larger recession rate in flood season than that in non-flood season. Spatially, the recession rate of baseflow in loess area is the biggest, but is the smallest in the sandy area. The half-residence time of groundwater varies from 1.8 to 45.5 days while overall residence time of groundwater is between 34 and 342 days in different sub-basins of the Wudinghe River Basin. The annual average overall residence time of groundwater decreases from 117 days in the upper reaches to 73 days in the lower reaches.