基于Catboost和Stacking融合模型的 长江中下游短时临近降水预报研究

用中国自动站与CMORPH降水产品融合的逐小时降水量网格数据集、全球预报系统(Global Forecasting System, GFS)模式再分析资料,将机器学习特征算法筛选的特征变量作为模型输入数据,运用Catboost模型和以Catboost和随机森林为初级模型、径向基神经网络为次级模型的融合模型预测未来6 h累计降水等级,并应用公平TS评分(Equal Threat Score,ETS)、真实技巧评分(True Skill Statistic,TSS)、混淆矩阵、预报偏差(Bias值)、击中率(Probability of Detection,POD)对预报结果进行检验分析。结果表明:优化变量的输入有利于提高模型的准确率;Catboost模型和融合模型都可以在一定程度上辨别晴雨状况;仅非动力学变量参与的融合模型对雨区预报准确率最高,但容易将暴雨雨区预报得更加广泛。总体而言,融合模型具有更强、更稳定的预报性能,中到暴雨量级预报准确率还待进一步提高。     

底部透空不透水建筑物波压力研究

底部透空不透水建筑物是近海工程中的一种新型结构,与传统水工建筑物相比,其能灵活适应基床不发生变形、阻止波浪进入后方造成破坏。本文通过构建物理模型,在波浪水槽中进行试验,测试了底部透空不透水直立建筑物不规则波作用,得到了不同水深、相同波浪要素时,该型直立建筑物迎浪面和底面的水平总力最大时各测点正向波压力和负向波压力数据。对比分析了不同水深下底部透空不透水直立建筑物的水平总力及垂直力,总结了波峰和波谷作用下波浪力沿建筑物表面的分布规律,可为海岸工程结构设计提供依据。