基于KPCA的台风强度神经网络集合预报方法研究

针对影响台风强度前期预报因子较多以及因子的非线性变化特点,首先采用逐步回归方法筛选出部分预报因子,再利用核主成分分析方法在剩余的预报因子中提取包含了原数据较多信息的核主成分与前期选入的预报因子共同作为模型输入.进一步考虑到神经网络集合预报中个体的准确性和差异性的权衡问题,在不同的初始条件下生成若干组神经网络,分别选择每组中性能最优的个体,建立了一种新的非线性神经网络集合预报模型.最后以西北太平洋海域2001-2010年5-10月的台风强度为研究对象进行了预报试验.结果表明,这种神经网络集合预报模型的预报结果符合实际应用的要求,其预报平均绝对误差明显小于同等条件下的神经网络方法和逐步回归预报方法.     

用遗传算法优化小波神经网络的结构

用遗传算法确定小波神经网络中输入层单元数和隐含层单元数,同时采用梯度法计算小波神经网络中的权系数、伸缩和平移系数,从而达到优化小波神经网络的结构的目的。     

基于BP神经网络模型的广西月降水量降尺度预报

应用1961～1998年的山东省40个代表站夏季降水资料及NCAR/NCEP再分析月平均资料,分析了山东夏季降水的气候特征,并对旱涝年的大气环流异常进行了合成对比分析。结果表明:山东夏季降水整体表现为旱涝同步,降水分布呈现由东南向西北递减的趋势。涝年与旱年的环流形势存在明显的差异:涝年,贝加尔湖及其以西地区的位势高度降低,我国东部到日本海的位势高度明显升高。东亚大槽、乌拉尔山阻高、副热带高压位置及强度的变化对山东夏季降水有重要影响。有三支暖湿气流在山东上空交汇,为降水提供了充沛的水汽来源;而在旱年,上述环流特征呈现相反的形势。     

吊舱式直升机航空电磁技术示范应用

吊舱式直升机频率域电磁、磁综合系统(以下简称“吊舱系统”)采用新型的宽带技术,数字化程度较高,系统较为灵活,尤其适合于地形较为复杂地区的矿产和水工环勘查工作。但由于吊舱系统在复杂山区飞行难度大,且没有实际工作经验,因此通过选择3个测区的吊舱系统试生产工作,在测量方法技术,数据处理方法和成果解释方面,以及基础地质研究、矿产勘查、地下煤火勘查方面均取得了显著成果。解决了航空电磁方法探测地下煤火区的电性结构特征问题,以及航空电磁方法直接寻找良导矿体的关键问题,弥补了航磁间接寻找多金属矿的不足,并取得了明显的勘查效果。     

多步预测的小波神经网络预报模型

采用小波分析与人工神经网络相结合的方法，进行了一种新的非线性长期预报模 型研究。结果表明，所构造的小波神经网络多步预测模型对历史样本具有很好的拟合效果， 独立样本的预报效果也令人满意。并且，该预报模型具有误差收敛快，预报时效长以及建 模所需阶数低等显著优点，具有很好的研究前景。     

冬小麦拨节—抽穗期水分盈亏量长期预报的岭回归分析

本文根据岭回归分析,结合逐步回归方法,以回归系数的估计精度和残差平方和作为两种目标函数,建立了冬小麦拔节——抽穗水期分盈亏量的长期预报模式。以期为预报农业气象干旱提供参考依据。     

利用定量矿物再造法恢复阜平群的原岩性质 介绍一种原岩恢复的新方法

恢复变质岩石的原岩性质,是在变质岩地区从事地质填图、矿产普查和勘探工作时所面临的重要而又困难的工作。目前人们利用野外地质产状、变余结构构造、岩石化学、地球化学、同位素地质学,副矿物等多种方法和手段来探讨这一问题,其中的一些方法已被广泛利用,有些方法在国内已有介绍。本文以阜平群为例介绍苏联学都鲁金科(B.     

最大可能蒸发量的计算分析

本文通过对彭门(Penman)原式的“干燥力”计算式是—Ea、几种主要的Ea修正式以及旬太阳总辐射气候学计算方法的研究,进行了旬最大可能蒸发量的计算,得到了较好的结果。     

阜平太古宙穹状复合褶皱群的构造样式及变形史

阜平地区位于河北省西部,太行山脉的中段。该处出露的岩层主要是太古宙阜平群。1963年马杏垣教授等在太古宙变质杂岩体构造特征的重要阐述中,曾指出阜平是一个片麻岩穹窿。1965年马杏垣等又对中国东部区域变质作用早于24亿年前后的变质岩系的构造变动类型及形成条件进行了广泛的讨论。其中对阜平穹窿作了专门的阐述。以后,河     

条件数在区域日降水量预报中的应用研究

针对前汛期广西北部暴雨洪涝灾害频发的问题，利用T213模式和日本细网格降水预报等数值预报产品，采用条件数计算选取回归因子的方法建立广西北部区域平均降水量的预报方程。进行了2004、2005年两年5-6月的前汛期业务预报应用试验。采用条件数方法建立的预报方程和传统的逐步回归预报方程的平均预报误差分别为6．3569mm和7．0096mm，同期T213模式的预报误差为7．9456mm。试验表明新方法比传统的逐步回归方程和T213模式具有更高的预报精度，有较好的业务应用前景。计算对比可知，采用条件数计算选择的预报因子间的复共线性较微弱，而逐步回归方法选择的因子间的复共线性很严重，影响了回归方程的预报效果。