排序方式: 共有21条查询结果,搜索用时 15 毫秒
1.
污染物浓度预测是环境保护的重要内容,将神经网络用于水中有机污染物浓度的预测并对效果进行检验.结果表明,预测值与观测值符合较好. 相似文献
2.
电离层TEC是描述电离层特性的一个重要参量,利用GPS观测数据(包括广州站接收的GPS-TEC数据和国际GNSS提供的IGS-TEC数据)与IRI-2007模型计算的TEC预测值对太阳活动低年2008年的广州地区TEC周日和季节变化以及年变化特征等进行了多方面的对比分析。结果表明:TEC观测值白天较高且变化迅速,夜间较低且变化缓慢,同时表现出明显的季节依赖性和半年变化特性,全年在春秋分季节出现两次峰值,IRI-TEC预测值能较好地反映GPS观测值,但局部上也存在着一些偏差,并对其中的物理机制和产生差异的原因给出了合理的分析和解释。 相似文献
3.
4.
本文研究了用摄影测量光束平差法处理经纬仪观测值以解决工业应用中控制网精确测量的。为了证明光束法等效于传统的三维网解法,需要将角度观测值转换成虚拟的像片坐标并进行相应的误差传播,文中为此提出了一种投影的数学模型。此外,还研究了在光束平差法中使用未置平经纬仪的观测值。研究中对两个网进行了试验:一个是工业测量中的控制网,另一个是实验室试验控制网。利用第一个网对光束平差法和传统的三维网法进行比较,结果是: 相似文献
5.
提高无定向导线可靠性的一种方法 总被引:1,自引:1,他引:0
本文针对无定向导线本身约束条件少,成果可靠性差的问题,提出了一种在无定向导线测量中进行“附加观测”的方法,此方法不仅可以提高无定向导线成果的可靠性,同时还有助于确定观测值中粗差发生的区间位置。 相似文献
6.
针对基坑施工安全和能够快速地发现基坑变形的问题,该文提出用遗传算法的灰色神经网络对基坑沉降观测数据进行处理,并预测变形大小。实例数据表明,通过预测变形值与实际变形值进行比较,可知遗传算法的灰色神经网络模型的收敛速度较快,训练时间较短,预测精度较高,能满足工程精度的要求。通过与GM(1,1),BP神经网络模型和灰色系统和神经网络的组合模型进行比较,本模型是最优的。 相似文献
7.
8.
2021年6月,具有广泛影响力的全球业界市场分析平台MarketWatch(市场观察)发布全球天气信息技术市场的分析和预测信息,指出2019年全球天气信息技术市场2019年已经达到94.1亿美元,未来该市场还将以8.5%的增长率提升,在2020年跨越100亿美元(预测值为100.6亿美元)基础上,2027年将达到181... 相似文献
9.
Seasonal Prediction of Summer Temperature over Northeast China Using a Year-to-Year Incremental Approach 总被引:4,自引:0,他引:4
下载免费PDF全文
![点击此处可从《Acta Meteorologica Sinica》网站下载免费的PDF全文](/ch/ext_images/free.gif)
We present a model for predicting summertime surface air temperature in Northeast China (NESSAT) using a year-to-year incremental approach. The predicted value for each year's increase or decrease of NESSAT is added to the observed value within a particular year to yield the net forecast NESSAT. The seasonal forecast model for the year-to-year increments of NESSAT is constructed based on data from 1975-2007. Five predictors are used: an index for sea ice cover over the East Siberian Sea, an index for central Pacific tropical sea surface temperature, two high latitude circulation indices, as well as a North American pressure index. All predictors are available by no later than March, which allows for compilation of a seasonal forecast with a two-month lead time. The prediction model accurately captures the interannual variations of NESSAT during 1977-2007 with a correlation coefficient between the predicted and observed NESSAT of 0.87 (accounting for 76% of total variance) and a mean absolute error (MAE) of 0.3℃. A cross-validation test during 1977 2008 demonstrates that the model has good predictive skill, with MAE of 0.4℃ and a correlation coefficient between the predicted and observed NESSAT of 0.76. 相似文献
10.