智能手机天气预报软件大检阅

除了塞班的S60智能手机外,还有很多其他类型的智能手机,比如iPhone、Palm、Linux．Android和Windows Phone等,也都有适合的天气预报软件。不过,目前国内市场上,基于S60的智能手机占了很大的市场,所以我们就以S60系统上的天气预报软件来进行介绍。     

基于Web服务的天气预报网页程序开发

在主页上将某个城市的天气预报信息显示出来可大大增强用户界面的友好性,但若构建本地的天气预报数据库,天气预报数据量大,不能动态实时更新。Web服务是软件复用技术的重要方面,已有一些天气预报方面的Web服务,可提供每隔2.5小时更新的天气预报。介绍了利用Web服务来开发天气预报网页程序的过程。     

视景仿真技术在天气预报中的应用研究

天气预报节目是服务行业最广，人数最多的节目之一。但目前的天气预报节目形式单一，数据图表、词汇枯燥呆板．专业术语过多。把视景仿真技术应用于天气预报的节目制作中，把枯燥的数据转化成逼真的场蓑，使天气预报节日更贴近人民生活．更好地服务于大众。     

网站导航

W网上工具类天气预报http://weather．sina．com．cn／新浪的天气预报栏目,提供国内外24小时和48小时天气预报。还有短消息天气预报订制功能。万年历http:／／www．xichang．tv／calendar．htm提供电脑本机时间,世界各国主要城市即时时间,中国农历、节气日、传统节日等纪念日。IE修复http://www．k369．com／clear．htm美萍中文网站精选的IE在线恢复功能强大。能在线恢复系统默认的IE标题栏、主页被锁定、分级审查被设置密码等几十个被恶意更改的注册表项目。     

订阅Google的免费短信天气预报

一般订阅的天气预报短信服务都是收费的，是通过移动或者联通来订阅的，价格也不便宜。其实现在可以通过Google来订阅天气预报短信了，而且是免费的呢。下面就给大家介绍一下具体才订阅方法。     

让火狐界面“随天而变”

天气预报是我们生活中不可缺少的一个部分,可是每次想了解天气预报都要上网打开相应的网站才可以查询到,有什么方便简单的方法呢？如果你用的是火狐浏览器,那看天气预报就简单多了,我们可以利用一个插件来把天气情况直接显示在火狐浏览器的界面上,这样只要打开浏览器就可以看见天气情况。     

为博客添加3D旋转效果天气预报

不少朋友都有写博客的习惯,无论是借助于新浪、百度、搜狐之类的网站提供的博客服务,还是自己用程序架设的私人博客,总是希望更多的访客。除了充实且志内容以外,不妨借助于一些装扮元素来吸引访客,比如为博客添加一个3D旋转的天气预报,就能起到比较好的“炫酷”效果。Weatherlet（http：／／www．weatherlet．com）就是这么一个有趣的网站,它能提供具有旋转效果的天气预报服务,并且轻松地引用到你的博客中。     

Java实现Yahoo天气预报客户端

详细介绍了如何结合使用JavaSE中自带的JAXP以及Yahoo提供的天气预报XML信息服务来实现桌面版的Yahoo天气预报客户端。通过实际案例的开发,向读者介绍了如何使用Java获取网络上的XML文档,以及如何使用JAXP对XML文档进行解析。     

数值天气预报在UNICORE中的实现

中尺度数值天气预报为评估严重的天气灾害提供了有效的指导，因此中尺度天气预报占有越来越重要的地位。MM5模式是世界上应用最为广泛的中尺度模式．同时，网格中间件，如UNICORE、Globus，已经部署在世界上多个组织中，把科学、工程等领域的应用部署在这些网格中间件上，以获得无缝的计算能力和访问网格环境中资源的接口为目的的各项工作正在展开．提出了基于UNICORE网格平台的数值天气预报应用的设计和实现，对UNICORE的资源发现进行初步的探索．     

基于Android的个性化天气预报系统的设计与软件实现

Android是由Google公司推出的手机系统开发平台。本文对基于Android的个性化天气预报系统进行了研究及软件实现。采用JAVA语言设计天气预报程序,并进行了界面设计、利用Google天气预报API获取天气情况的XML数据并对XML文件进行解析。采用LocationManager方法获取终端所在位置,从而实现定位,直接得到所在城市天气情况来实现个性化。在开发过程中,利用Android平台的UI组件构架对界面进行进一步美化。     

改进粒子群—BP神经网络模型的短期电力负荷预测

为了准确、快速、高效地预测电网短期负荷,提出了改进的粒子群算法(MPSO),并与BP算法相结合,形成改进的粒子群—BP(MPSO-BP)神经网络算法,用此算法训练神经网络,实现了神经网络参数优化,得到了基于MPSO-BP算法的神经网络模型。综合考虑气象、天气、日期类型等影响负荷的因素,进行电网短期负荷预测。算例分析表明,与传统BP神经网络法和PSO-BP神经网络方法相比,该方法改善了BP神经网络的泛化能力,预测精度高,收敛速度快,对电力系统短期负荷具有良好的预测能力。     

基于改进粒子群算法的模糊神经网络及其在短时天气预报中的应用

提出一种基于改进粒子群模糊神经网络进行短时天气预测的方法,将粒子群算法与模糊人工神经网络进行融合,充分发挥粒子群算法全局寻优的优势。以上海地区天气预报作为实例,建立了基于改进粒子群算法的多模型模糊神经网络预报模型,试验结果表明该方法对于短时天气预报具有较好的准确度,得到了上海中心气象台有关专家的肯定。     

模糊化的Modular模糊神经网络降水预报模型研究

以广西西南部前汛期5、6月25个气象站平均逐日降水量作为预报对象,采用自然正交分解方法和模糊化方法对输入因子预处理后,结合Modular模糊神经网络建立了一种新的降水预报模型,并进行了逐日业务预报应用试验.结果表明,该降水预报模型比常规Modular模糊神经网络方法及逐步回归方法有更高的预报精度,具有较好的业务应用前景.     

基于Hadoop的GA-BP算法在降水预测中的应用

针对如何从海量的气象数据中挖掘出有用的知识,并提高气象预报的准确度,提出了在Hadoop平台上构建基于遗传神经网络算法的天气预报方法.该方法采用遗传算法与神经网络算法相结合,避免了传统算法容易陷入局部最优的问题,并以天津市13个台站1951–2006年的地面气候资料日值数据为基础,建立了遗传神经网络预测模型,最后以降雨量等级为决策属性进行了实验.结果表明,该方法对所有降水等级的预测准确率都要优于传统的神经网络算法,对于降水等级R₀的预测精度最高,达到了87%,不仅可以有效的处理海量气象数据,同时具有较高的预测精准度和良好的扩展性,为天气预报提拱了一种全新的思路和方法.     

基于最优阶次分数阶神经网络的交通流预测

建立基于最优阶次的分数阶神经网络的动态预测模型,给出数据预处理、最优阶次优化和预测算法流程步骤,给定模型预测精确度的性能指标。分数阶神经网络是从时频两方面分析数据,比BP神经网络具有更灵活有效的函数逼近能力;针对短时数据分析,分数阶神经网络局部性与小波神经网络一致具有多分辨力,且有更强的自适应能力、更快的收敛速度和更高的预测精度。以短时交通流量数据为例进行仿真,与基于小波神经网络和BP神经网络模型的短时交通流量预测仿真比较,分析评价性能指标,结果表明分数阶神经网络最优阶次下可实现灵活快速有效的交通流量动态预测。     

Air pollution forecasting based on attention-based LSTM neural network and ensemble learning

With air pollution having become a global concern, scientists are committed to working on its amelioration. In the field of air pollution prediction, there have been good results in experimental research so far, but few studies have integrated weather forecast information and the properties of air pollution drift. In this work, we propose a novel wind-sensitive attention mechanism with a long short-term memory (LSTM) neural network model to predict the air pollution - PM2.5 concentrations by considering the influence of wind direction and speed on the changes of spatial–temporal PM2.5 concentrations in neighbouring areas. Preliminary predictions for PM2.5 are then made by an LSTM neural network regarding neighbouring pollution; these predictions are “paid attention to” and we finally apply an ensemble learning method based on e X treme G radient B oosting (XGBoost) to combine the preliminary predictions with weather forecasting to make second phase predictions of PM2.5. The experiment is conducted using PM2.5 data and weather forecast data. Our results illustrate that the proposed method is superior to other methods in predicting PM2.5 concentrations, including multi-layer perceptron, support vector regression, LSTM neural network, and extreme gradient boosting algorithm.     

沙尘暴综合预报系统中场特征提取方法的研究

沙尘暴天气频繁发生,严重干扰和影响着人们的正常生活,对社会经济和生活环境均造成一定程度的危害.根据沙尘暴天气的成因及特点,在分析现有特征提取方法弊病的前提下,提出了ANN沙尘暴综合预报系统场特征提取方法.首先进行距平运算数据预处理,获取沙尘暴成因物理场样本;然后利用论文方法进行场特征提取.在此基础上,借助综合预报思想构建并实现了遗传ANN沙尘暴预测系统.仿真结果表明,论文所研究的场特征提取方法在提高沙尘暴预报的准确率方面做出了较大的贡献.     

饲草料地土壤水分动态变化规律及其预测的人工神经网络模型的研究

根据2005～2006年实测土壤水分资料和气象资料,研究分析了饲草料地土壤水分的动态变化规律和建立了考虑多个因素对土壤水分影响的BP人工神经网络模型,结果表明:表层土壤的含水率变幅较大,主要是受大气降水的影响,20～40cm和40～60cm土层土壤含水率的波动,除大气降水的影响外,还与植物的生长发育状况有关;土壤水分预测模型具有较好的预测效果,用神经网络建立土壤水分预测模型的方法是可行的,对于不同条件的地区具有广泛的适应性和推广应用前景。     

Numerical weather prediction revisions using the locally trained differential polynomial network

Meso-scale forecasts result from global numerical weather prediction models, which are based upon the differential equations for atmospheric dynamics that do not perfectly determine weather conditions near the ground. Statistical corrections can combine complex numerical models, based on the physics of the atmosphere to forecast the large-scale weather patterns, and regression in post-processing to clarify surface weather details according to local observations and climatological conditions. Neural networks trained with local relevant weather observations of fluctuant data relations in current conditions, entered by numerical model outcomes of the same data types, may revise its one target short-term prognosis (e.g. relative humidity or temperature) to stand for these methods. Polynomial neural networks can compose general partial differential equations, which allow model more complicated real system functions from discrete time-series observations than using standard soft-computing methods. This new neural network technique generates convergent series of substitution relative derivative terms, which combination sum can define and solve an unknown general partial differential equation, able to describe dynamic processes of the weather system in a local area, analogous to the differential equation systems of numerical models. The trained network model revises hourly-series of numerical prognosis of one target variable in sequence, applying the general differential equation solution of the correction multi-variable function to corresponding output variables of the 24-hour numerical forecast. The experimental results proved this polynomial network type can successfully revise some numerical weather prognoses after this manner.     

Cognitive reasoning using fuzzy neural nets

The paper presents a new model for cognitive reasoning using fuzzy neural nets. The analysis of the proposed model yields guaranteed stability of the temporal fuzzy inferences, derived from the network and conditional stability of the structure of the cognitive map, framed by the arcs of the network. The results arrived at in the paper have been illustrated with reference to a typical weather forecast system.