基于WRF数值模式的SDAE-SVR风速预测模型研究

风速预测是风力预报中的核心与基础, 采用天气研究和预报(Weather Research and Forecasting, WRF)模式进行风力预报往往存在风速预测误差较大的问题. 为了提高风速预测精度, 提出了一种基于深度学习和支持向量回归(Support Vector Regression, SVR)相结合的风速预测模型. 该模型以WRF模式预报输出的多种气象变量为基础, 结合气象自动观测站传感器的实测风速, 引入堆栈降噪自动编码(Stacked De-noising Auto-Encoder, SDAE)深度网络来学习样本数据中隐含的深度特征, 然后将该深度网络最后一层输出的深度特征置入回归器SVR中, 利用SVR良好的回归预测性能对WRF模式预报的未来1h风速进行预测订正. 结果表明: 所建立的SDAE-SVR风速预测模型具有较高的风速预测精度, 在对典型日的WRF模式预报未来1h风速的预测订正中, 其平均百分比误差与均方根误差仅为8.28％与0.8 066 m·     

基于IFOA-FSVM的WRF模式台风期阵风精细化预报

为提高天气预报模式(Weather Research and Forecasting Model, WRF)输出中台风期阵风的预测精度,将WRF模式输出与某观测站实况数据相结合,提出一种台风期阵风精细化预报方法.针对影响台风风速的因素众多,而传统依据人工经验预判的风速存在较大误差的现状,该方法构建了台风期阵风预测的模糊支持向量回归模型,同时为解决模糊支持向量回归模型中惩罚因子C和核参数g难于确定的问题,将果蝇优化算法(Fruit Fly Optimization Algorithm, FOA)引入到模糊支持向量机(FuzzySupportVectorMachine,FSVM)的参数寻优中,并根据风速回归的特点,把果蝇优化算法引入到三维空间,结合增强因子γ以提高传统果蝇优化算法的全局寻优能力.实验结果表明,本文构建的模型预测风速与实际风速基本一致,相关性达到99%,不仅提高了WRF模式风速的适用性,而且风速预测精度明显优于传统FOA-FSVM和FOA-SVM方法,具有更强的泛化能力.     

近海和登陆热带气旋路径预报的数值预报释用方法

基于数值预报的释用技术,将支持向量机（SVM）回归方法应用于近海和登陆热带气旋（TC）的路径预报.从气象要素预报场与TC中心相关联的极值网格区域导出的中心相关点,以及TC线性外推位置,组成相关因子,建立预报模式,用来预报12,24,36,48,60和72 h之后的TC位置.应用GFS数值预报资料对2009和2010年14个TC进行实际业务应用检验,6个时次的距离绝对值误差分别为69.3, 106.4, 134.6,169.0,222.4和264.4 km;距离标准误差为63.1,89.2, 80.1,84.1,104.6和 124.1 km.前48 h模式预报与中央气象台的预报结果相近,72 h预报优于中央气象台预报,所有时次预报的涡度中心位置均优于GFS模式直接输出,表明此技术可以作为台风路径预报的另一个工具,投入业务应用.     

矿产预测中的成矿因子选择方法：以滇东南金矿预测为例

由于矿产地质信息的复杂性和不确定性,难以建立精确的数学模型来确定矿产资源的分布状况.非线性分析建模技术,如人工神经网络（Artificial Neural Network,ANN）、支持向量机（Support Vector Machine,SVM）等,给矿产预测工作提供了新的途径.这类方法在处理数据时可以避免数据分析和建模的困难,即不须理解各种成矿因子与矿床（点）之间的相互关系,只须选择已知的矿床（点）和非矿产（点）,进行＂黑箱＂学习.虽然经过合理的训练,这类方法能够得到较高的预测精度,但由于其分类过程的非线性特性,难以获得容易理解的分类规则,提供成矿因子的知识.本文采用基于SVM的迭代特征消去（Recursive Feature Elimination,RFE）技术（SVM-RFE）,即在SVM模型的训练过程中,采用RFE特征选择方法,从所有输入的成矿因子中选择出对矿床（点）能正确预测的重要因子,以提供对输入模型的成矿因子的客观评价.通过对滇东南地区金矿预测的实践表明,采用SVM-RFE技术从原始10类成矿因子中自动选择6类进行预测的精度从68.42%提高到94.74%,并且得到该区域进行矿产预测的成矿因子重要性依次是：Au异常、As异常、侵入岩、下三叠统与中三叠统之间的平行不整合面、上二叠统与三叠系的平行不整合面、断裂交汇点密度、石炭系和下二叠统间的平行不整合面、中上泥盆统和石炭系间的平行不整合面、Sb异常和Hg异常,从中选取前6类成矿因子进行SVM训练得到的预测精度最高.这一结论可为在该区域进行矿产预测的资料选取,以及对成矿因子的理解提供支持.     

应用云迹风资料同化的江南飑线模拟试验

运用WRF模式对2006年6月10日发生在浙江地区的一次飑线过程进行了数值模拟及云迹风资料同化实验研究.将常规测站、自动站资料同化试验和加入了云迹风资料的试验进行比较,结果表明,用WRF模式进行同化模拟,较好地再现了此次江南地区飑线的发生、发展、维持和消亡过程.主要分布在对流层高层的云迹风资料能有效地改善高空风场质量,在模式中增加了云迹风资料之后,使模拟的雷达反射率图像增加了清晰度,原来有些地段较为零星逗点状的反射率图像可被连成带状,尤其明显的是模拟的主降水强度和落区与实际降水分布更加接近;模拟也改变了后半程的大风区的分布并增强了风速,比控制试验稍接近于实况,且略缩小了降水和大风的虚假区域.同时,通过不同质量控制阈值的云迹风模拟试验比较发现,进入模式的云迹风数量与模拟效果并不是简单的线性正相关,因此,在云迹风资料的运用上,质量控制对模拟有一定的影响,恰当地应用云迹风资料同化能在一定程度上改善强对流系统的数值模拟,对提高降水、大风等预报质量是较有效的途径.     

SVM回归法在汛期旱涝预测中的应用研究

研究基于统计学习理论的支持向量机（SVM）回归在汛期旱涝预测中的应用．根据浙江省38个测站的降水量资料，用正态化Z指数对汛期旱涝等级进行划分，得到了能够反映全省旱涝状况的指标．以此指标作为预测量，通过相关分析从前期大气环流场、海温场中选取高相关预测因子，应用逐步回归和SVM回归技术分别建立浙江省汛期旱涝短期气候预测模型，并进行了对比分析．结果表明：SVM回归模型集中了众多预测因子的预测信息，有效地利用了支持向量机方法的非线性映射能力，无论在历史样本拟合的精度上还是模型实际预测的能力上都比传统的逐步回归方法有一定提高，具有较好的应用效果．     

台州市夏季高温特征和短临预报探讨

利用常规探测资料和逐日模式预报资料分析台州市夏季高温的时空分布特征及其短临预报方法,结果表明：（1）台州各地夏季高温日数呈现了一定的年际、地域变化特征.年际变化南部小,中北部大;20世纪50年代以来,台州高温日先减少后增加,夏季高温日存在10~16 a的年际振荡周期,南部洪家、温岭2站90年代后期以来出现明显的2~5 a周期振荡;高温日数由西北向东南递减,极端高温分布总体上由内陆向沿海递减.（2）浙江省气象台数值预报系统平台提供的WRF、NCEP、T639、ECMWF和JAPAN5家模式,以ECMWF和NCEP为最佳;各家模式预报都习惯性偏低,其中最高温预报偏低比最低温预报偏低明显;低温、高温预报应分别根据月份和日照情况调整模式误差.（3）根据模式预报和当日实况气温建立线性回归方程预报当天高温,预报误差较小,即在上午8：00就可较准确地判断当日最高气温.     

基于神经网络集合预报的台风路径预报优化

针对目前台风路径预报研究中存在的预报精度不高、预报时次高耦合等缺陷，提出了一种基于神经网络集合预报的台风路径预报优化模型。运用混合模式集合预报思想和反向传播的多层前馈训练机制，充分挖掘数据特征，解决了单集合预报的固化性问题和单神经网络预报模型的随机性问题，为现有台风数值预报方法和人工智能技术的结合提供了新思路。以2018年活动在西北太平洋、南海地区的台风为样本进行对比实验，结果表明，60 h内的预报精度均得到了提高，一定程度上反映了该模型的实际应用价值。     

舟山群岛浮标站和海岛站风力对比分析

利用舟山浮标站和海岛自动站2011年全年测风数据资料,对舟山海域浮标风力和附近非遮蔽高海拔海岛站以及不同海域无遮蔽海岛站、遮蔽海岛站的风力进行了对比分析,结果表明：1） 浮标站大风日数比非遮蔽海拔较高海岛站以及传统大风指标站嵊泗明显偏少,比遮蔽海区海岛站多. 2） 浮标站年平均风速小于非遮蔽高海拔站,同嵊泗、西磨盘接近,大于遮蔽海区海岛站. 3） 浮标站大风日数和平均风速具有明显的月际变化特征,秋冬季明显多于春夏季. 4） 对比不同风向的大风过程可得：浮标站与其他海岛站的风速差值不仅与季节变化、海拔高度有关,还与风向密切相关. 5） 浮标站和陆地站风速的日变化明显不同. 6） 对于沿海海面的风力：浮标站的北风代表性较好,南风偏小;另外,西磨盘站也可以作为沿海海面大风预报的一个指标参考站.     

模糊聚类支持向量机的区域空气PM_(2.5)浓度预报

在分析模糊C均值聚类算法与支持向量机回归的特点后,将二者结合,提出了模糊聚类支持向量机回归(FCM-SVR)算法,对空气中颗粒物浓度PM2.5进行预测.该方法首先利用模糊C均值聚类算法把一个复杂的数据集分成多个群体,再在每个群体上建立支持向量机回归(SVR)模型,然后进行集成,对区域空气的PM2.5浓度进行预测.预测结果分别与自组织竞争神经网络支持向量机回归(SOM-SVR)模型和单一的支持向量机回归(SVR)的结果进行比较.结果表明,FCM-SVR模型的预报准确率高于SOM-SVR模型和SVR模型.     

2个SVM霾识别预报模型的对比试验

支持向量机方法（SVM）是基于统计学理论的一种较为新颖的学习方法,应用该方法解决小样本条件下的非线性问题既有坚实的理论基础,也十分有效.基于2013～2014年金华站的地面自动站资料、探空气象资料以及大气污染物浓度数据,采用SVM分类方法建立2个金华SVM霾识别预报模型,即初始模型和订正模型,并对其8种核函数最优模型进行对比试验.结果表明：（1）初始模型的正样本分类Ts评分在0.45以上,均高于订正模型,故初始模型分类结果较为理想,可以给实际霾日识别预报提供参考;（2）初始模型的分类结果优于订正模型,且前者的漏报次数明显少于后者,究其原因可以发现14:00气象条件和大气污染物条件对当日是否为霾日的判断非常重要,即14:00前后是灰霾出现比较频繁的时段.     

新疆地区季节性融雪洪水模拟与预报研究

新疆春季积雪融化极易引发融雪性洪水,给当地的农牧业生产和人民生活都带来严重影响和财产损失.融雪中包含复杂的水-热耦合过程,融雪水产流机制受冻土影响,融雪洪水模拟与预报十分复杂,一直是水文研究的难点.新疆大学刘志辉研究团队长期开展季节性融雪洪水模拟与预报研究,在积雪特性监测、冻土融雪水产流机制、分布式融雪径流模型以及融雪洪水预警等方面进行了深入研究.首次提出冻土条件下的融雪水的三个产流机制,即冻土未融化时的超渗产流、冻土部分融化时的饱和产流以及冻融期的交替产流;基于热量平衡和水量平衡研制出分布式融雪径流模型,耦合WRF(Weather Research and Forcasting model)模型实现融雪洪水预报;研制出新疆融雪洪水预警决策支持系统,实现融雪洪水预警系统的应用.研究成果有助于融雪洪水模拟的进一步研究,也为政府部门融雪洪水预警决策提供科学依据.     

基于SVM的固化土无侧限抗压强度模型

为实现较少试验次数下固化土无侧限抗压强度(qu)的准确预测, 提出了基于支持向量机(SVM)的固化土qu的预测模型. 以固化剂各组分掺入比、龄期、初始含水量、固化剂掺量等因素为输入量, 固化土的qu作为输出量, 以径向基为核函数, 采用网格搜索法和交叉验证法进行参数优化, 建立了基于SVM的固化土qu的预测模型. 算例分析表明: 该模型适用于任意条件下固化土qu的精确预测, 且在较小试验成本下实现与响应面法相当的预测精度.     

基于SCE-UA算法的多模式降雨集成预报技术研究

高精度的降雨预报对于防汛决策具有重要指导意义. 以中国气象局GRAPES_MESO模式、中国气象局T639模式、美国国家环境预报中心GFS模式和上海区域中尺度SMS-WARMS模式为基础, 采用SCE-UA算法估计各预报模式权重系数, 通过加权平均建立多模式降雨集成预报, 并以宁波市2016年8月1日至2016年10月31日和2017年9月1日至2017年11月30日的降雨过程为例, 从均方根误差、相关系数、TS评分等多个方面分析集成预报的预报效果. 结果表明: 基于SCE-UA算法的多模式降雨集成预报的预报效果不仅优于各单一预报模式, 而且优于遗传算法和BP神经网络集成预报, 表现出较好的适用性.     

用调整边界层湍流系数的QNSE方案模拟夏秋季沿海大风的应用研究

利用WRF模式,采用YSU、QNSE边界层参数化方案以及调整参数后的QNSE边界层参数化方案（MQNSE）,对2009年7月梅雨个例、2015年苏迪罗台风以及2013年10月的近海大风进行了模拟试验,并对模拟结果进行对比检验,着重检验参数调整后的QNSE方案模拟沿海大风效果.研究结果如下：参数调整后的QNSE边界层参数化方法改进了对沿海风场的模拟效果,尤其是当风速小幅脉动时,参数调整后的QNSE方案较接近于实况风速的波动.通过登陆台风个例模拟试验和对沿海10个岛屿观测站的490个样本统计检验表明,参数调整后的QNSE方案较YSU和原QNSE方案的绝对误差（AE）和相对误差（RE）小,表明调整后的方案对海上风速模拟能力有了一定提高.在对连续1个月的沿海风场模拟试验对比中发现,参数调整后,海上过大的风速模拟值明显降低,模拟效果更趋近于实况.     

利用WRF数值模拟分析小型超强台风“桑美”

利用中尺度数值模式WRF,结合WRF Var三维变分系统,同化了雷达资料和常规、非常规观测资料,对2006年第8号小型超强台风“桑美”进行数值模拟试验.结合实况验证,WRF较好地模拟本次台风暴雨过程,基本反映实况台风演变过程.利用模式输出的具有高时空分辨率的模拟结果对“桑美”台风短时强暴雨进行诊断分析,表明“桑美”台风具有较好的对称性结构,涡旋结构紧密,云团内部气流强烈辐合上升,这是降水高度集中的动力因素;中尺度辐合带以及强回波带始终环绕中心眼区呈同心圆形状逆时针旋转,验证了台风螺旋云带的形成是产生台风暴雨的一个必要条件,“桑美”螺旋辐合带靠近台风中心,范围小、弧状明显;风切变所产生的低层辐合为强对流低层发生的动力之一;“桑美”引起的暴雨属于台风区内暴雨,具有相当充沛的水汽条件,并且水汽对降水的作用主要在中低层,以低层最强;各物理量场相互之间都有很好的对应,说明台风暴雨的发生和维持需要大尺度环境场、动力条件和水汽条件等的配合.     

浙江省东阳市紫色土坡面土壤侵蚀和降雨因子关系的初步研究

紫色土分布区是我国南方水土流失区的重要组成部分.木文通过对东阳市紫色土坡面土壤侵蚀和降雨因子之间的相关分析,建立了利用降雨量和平均降雨强度对土壤流失量进行预测预报的回归方程,为紫色土地区土壤过度侵蚀的治理提供了定量方法,并为紫色土的综合开发利用提供了科学根据.     

蜂窝材料在面内压缩下的动力坍塌(英文)

基于我们近年来的实验研究和数值模拟,主要概述了蜂窝材料受面内压缩时的准静态和动态坍塌行为.在准静态加载条件下,对圆胞蜂窝材料的方形试件施行了面内的双向等量压缩实验,观察到非均匀变形模式的发生和演化.为了研究加载速率的影响,对此过程也进行了有限元模拟,揭示了当加载速度增加到某一临界速度时,试件的变形由总体坍塌模式向渐进坍塌模式(即冲击波模式)转化.最后,将根据几种模型所作数值模拟得到的临界冲击速度同波的陷阱理论作了比较.     

基于决策树和粗糙集的高分辨率短时临近雷电预报模型

雷暴天气造成众多人员伤亡及巨大经济损失,给人类社会带来极大危害,目前对高分辨率短时临近的雷暴天气的预报研究比较少。决策树有描述简单、分类速度快、易于理解、精度较高等优点,特别适合大规模的数据处理。根据气象数据的超高维而实际样本数又是有限的,并且很多属性是线性相关的特点,本文提出运用粗糙集进行属性约简,降低问题的复杂度,然后用决策树对约简后的样本进行模式识别。本文基于江西省的雷电活动设计出高分辨率雷电临近预报方案。通过实验表明本文所提出的预报模型比原有的SVM预报模型有更高的预报准确度。     

融合图卷积神经网络和注意力机制的PM2.5小时浓度多步预测

PM_2.5小时浓度多为单步预测。为实现PM_2.5小时浓度的多步预测,基于“编码器-解码器”的序列-序列预测（Seq2Seq）模型,集合图卷积神经网络提取非欧式空间数据特征的能力以及注意力机制自适应关注特征的能力,提出了融合图卷积神经网络和注意力机制的PM_2.5小时浓度多步预测（GCN_Attention_Seq2Seq）模型。并与Seq2Seq模型和使用了图卷积神经网络、未使用注意力机制的GCN_Seq2Seq模型进行了对照,以2015—2016年北京市22个空气质量监测站点的空气质量数据为样本进行实例验证,结果表明,Seq2Seq模型和图卷积神经网络（GCN）可对PM_2.5小时浓度数据的时空依赖进行有效建模,注意力机制有助于减缓多步预测中的预测精度衰减,提升PM_2.5小时浓度多步预测的精度。GCN_Attention_Seq2Seq模型可有效应用于多种长度的PM_2.5浓度预测窗口。