SVM和Elman神经网络在乌鲁木齐污染物预报中的应用研究

选用2012年11月1日-2013年1月31日的逐6 h的空气污染物（SO2、NO2、PM10）和实况气象要素（温度、湿度、能见度、风速和气压）资料,利用支持向量机和Elman神经网络方法建立空气污染物预报模型。结果表明,支持向量机和Elman神经网络方法都可以得到较为理想的预测结果,支持向量机在泛化能力方面具有显著优势,预测结果更加准确。     

2012-2019年昌吉州冬季降雪日变化特征分析

利用2012—2019年冬季昌吉州11个国家级台站逐时降水资料,运用常规统计方法,对昌吉州冬季降雪日变化特征进行分析。结果表明：昌吉州冬季降雪量空间分布与海拔高度呈正相关,与纬度呈显著的负相关,降雪强度与纬度关系密切。全州逐时累积降雪量呈双峰型分布,主峰出现在下午17:00,次峰出现在上午08:00;西部呈三峰型特征,主次峰值分别出现在17:00、14:00、08:00;东部呈准单峰单谷型,峰值发生在19:00,谷值出现在中午13:00。昌吉州冬季降水事件以短时降水事件为主,对冬季降水量贡献为64%,12 h以上长持续性降水事件发生概率很小,仅在部分台站偶有发生。西部和东部冬季降水日循环与降水持续性关系较密切,其中持续3～4 h降水事件对西部和东部冬季降水量贡献最大,但随着持续时间增长对降水量的贡献却越来越小。