动态最优多因子组合的华北汛期降水模式误差估计及预报

利用国家气候中心季节预报1983—2009年27年模式预报结果,结合74项环流指数及美国国家海洋局和大气管理局提供的40个气候指数和美国气候预报中心实际降水分析资料,采用资料诊断分析和数值模拟实验相结合的方法,通过多因子的历史相似信息提取预报相似年,获得预报场的误差订正项.在这一订正思路的基础上,考虑前期关键影响因子的选取、多因子组合的优化配置,构建适用于不同预报年的区域动力-统计模式预报误差订正方案.以华北为例,探索多因子最优组合的多元客观相似判据,发展基于多因子动力-统计模式预报误差的动态订正新技术,改善华北夏季降水预报效果,提高预报技巧.通过2005—2009年独立样本回报结果表明,动态最优多因子组合相似订正方法距平相关系数评分相对于系统订正方法有着显著的提高,该订正方案对华北地区的夏季降水预测有着很好的业务前景,具有重要的应用价值,即将投入业务运行. 关键词： 关键因子集 模式误差估计 汛期降水 预测     

基于季节气候可预报分量的相似误差订正方法和数值实验

基于由历史相似信息对模式预报误差进行预报的思路,发展了一种针对季节气候可预报分量的相似误差订正新方法（FACEPC）,目的是识别模式预报结果中对初值相对不够敏感的可预报分量,将其作为对象进行历史相似选取和误差订正.该方法被应用到国家气候中心业务季节预报模式实验中,对不同区域给出有针对性的相似选取指标和预报方案.25年的交叉检验结果表明,夏季降水和环流的预报技巧评分相对于系统误差订正有明显提高,在发生中等及以上强度ENSO事件年和可预报分量贡献较大地区的预报技巧提高更为显著.特别是中国区域降水和关键区环流的 关键词： 短期气候预测 相似误差订正 可预报分量     

汛期降水相似动力预报——模式误差主分量相似预报方法

针对相似动力预报中模式预报误差的估计问题,提出将模式误差的直接相似订正问题转化成模式误差主分量的相似预报问题.客观上将模式误差主分量分成可预报和不可预报两部分, 对于可预报主分量采用最优多因子动态配置方案进行相似预报, 而对于不可预报部分则用系统平均代替.基于国家气候中心季节预报业务模式、 美国气候预报中心组合降雨分析资料及国家气候中心气候系统诊断预报室74项环流指数和美国国家海洋和大气管理局的40个气候指数,对东北区域汛期降水进行了预报试验. 2005—2010年6年独立样本检验预报平均距平相关系数为0.29,较系统误差订正预报的0.04有较大提高, 证实该方案能提高国家气候中心季节预报业务模式汛期降水预报水平.     

江淮流域夏季降水对前冬持续时间长短的响应

利用NCEP/NCAR再分析资料计算得到江淮流域1961–2011年前冬持续时间, 分析其时空变化特征, 并进一步探究它与后期江淮流域夏季降水的关系. 结果表明, 江淮流域前冬持续时间存在着明显的年际和年代际变化, 前冬持续时间显著偏长年份比偏短年份的前冬温度低、气压高、北风强, 表明温度、气压、经向风可能是反映江淮流域前冬持续时间的关键因子, 且不同区域各气象要素对季节长度的影响存在一定差异; 1961–2011年江淮流域前冬持续时间与该区域夏季降水呈显著正相关关系; 统计分析亦发现, 前冬持续时间显著偏长(偏短)的代表年份中, 夏季降水以偏多(偏少)为主; 对典型代表年份环流场进行合成分析发现, 前冬持续时间显著偏长时, 乌拉尔山与鄂霍次克海地区夏季易形成阻塞形势, 进而会对江淮流域夏季降水产生影响; 最后利用奇异值分解从空间场相关的角度探讨了两者的联系, 发现江淮流域夏季降水与前冬持续时间存在非常显著的关系. 关键词： 江淮流域 季节划分 前冬持续时间 夏季降水     

心磁信号广义S变换域奇异值分解滤波方法

针对心磁信号工频及背景噪声干扰问题, 提出了广义S变换奇异值分解(singular value decomposition, SVD)滤波方法.在离散S变换基础上, 导出了广义矩阵S变换和逆变换公式. 通过对采样信号进行广义S变换, 调节时频分辨率, 利用SVD分解方法确定有效心磁信 号区域, 实现自适应时频滤波. 实验结果表明, 该方法能有效滤除工频及背景噪声干 扰, 且在较少奇异值个数情况下可获得更好的滤波性能. 关键词： 心磁信号 S变换 奇异值分解 时频滤波     

长江中下游汛期降水模式预测误差相似性及其可预报度

对数值模式预测误差进行相似预报进而订正模式预报结果,是提高模式预报水平的有效手段之一.本文从数值模式预测误差场存在相似性的角度出发,研究了长江中下游汛期降水逐年模式误差场间的相似性及其可预报性,探讨了数值模式预测误差在历史资料中的相似信息量,发现利用相似误差订正可以明显提高模式预报水平.进一步对历史模式预测误差场进行经验正交函数(EOF)分解,着重研究了误差场前三个特征向量的空间分布及其时间系数演化规律,发现对各分量分别进行相似预报可以简化预报对象,并且针对性更强,可以提高其潜在预报水平.在研究数值模式预测误差场相似性的基础上,定义了数值模式预测误差的相似可预报度,用以衡量逐年模式预测误差的可预测性,发现模式预测误差场前三个分量的相似可预报度明显高于原始模式误差场,揭示出有针对性地分别预报模式预测误差各分量的潜在应用价值.     

基于集合经验模态分解和奇异值分解的激光雷达信号去噪

为了提高差分光柱像运动激光雷达(DCIM雷达)探测信噪比,提出了一种基于集合经验模态分解(EEMD)和奇异值分解(SVD)的混合降噪法.由EEMD获得含噪信号多层模态分量,根据各模态分量之间互相关系数的差分量确定主要噪声并予以滤除,利用奇异值分解识别模态分量中的残余噪声并提取有用信号.利用混合降噪法EEMD-SVD和EEMD方法分别对模拟仿真信号和实测激光雷达信号进行降噪处理.结果表明,当模拟噪声标准差在0.05~0.2之间时,相比与未降噪直接反演的湍流廓线,EEMD-SVD方法降噪后反演的湍流廓线信噪比提高了2.718 7dB~6.921 5dB,相应的EEMD方法提高了1.446 1dB~3.366 1dB;两个不同时段DCIM雷达降噪前后反演廓线与探空廓线的对比发现,EEMD-SVD和EEMD两种方法降噪后反演廓线较之于未降噪的反演廓线,信噪比最大提高了2.526 5dB和2.155 6dB.EEMD-SVD的降噪效果优于EEMD,能够更有效地识别和滤除噪声,较大地提高了原始信号的信噪比,获得更准确的大气湍流廓线反演结果.     

高压下固相硝基甲烷分解的分子动力学计算

基于ReaxFF, 采用NVT系综和Berendsen方法对0–7 GPa时和2500 K时固相硝基甲烷的 分解过程进行分子动力学计算, 通过分析硝基甲烷发生分解反应生成的碎片数量随时间的变化, 对不同压强下硝基甲烷的分解机理进行研究. 计算结果表明在0–3 GPa时, 初始分解路径为C–N键断裂和硝基甲烷的异构化; 在4–7 GPa 时, 初始分解路径为分子间质子转移和C–N, N–O键的断裂; 在硝基甲烷的第二阶段反应中存在H₂O, NO, NO₂, HONO, 硝基甲烷分子自身的催化反应. 硝基甲烷在高温高压下发生热分解反应生成碳团簇, 且团簇中碳原子的数量和碳团簇的空间构型随着压强的变化而变化. 关键词： ReaxFF 分子动力学 热分解 压强效应 碳团簇     

在SQUID心磁测量中基于奇异值分解和自适应滤波的噪声消除法

采用矩阵奇异值分解(singular value decomposition, SVD)的方法，对高温射频超导量子干涉仪(HTc rf-SQUID)采集到的单通道心磁信号进行处理.证明了对于近似周期性的心磁信号，在无参考噪声的情况下矩阵奇异值分解的方法与自适应窄带陷波相结合有较好的消除广谱噪声的效果. 关键词： 高温射频超导量子干涉仪 心磁信号 奇异值分解 噪声消除     

青藏高原地区土壤湿度的模拟及订正

本文利用RegCM3中的BATS陆面模型对青藏高原地区的土壤湿度进行了模拟.结果表明: 模式对土壤湿度年循环的模拟与观测较一致,但不同下垫面的土壤湿度模拟结果不同;对植被稀疏地区的土壤湿度模拟夏季偏大冬季较一致,对植被较好地区的土壤湿度模拟冬季偏大夏季较一致;土壤湿度模拟偏差较大的时期对应着降水和温度模拟偏差大的时期.利用后验订正对土壤湿度的订正表明,订正后土壤湿度与观测值的变化比较一致,尤其是对模拟偏差较大时段的订正效果比较明显;订正后的温度和降水基本消除了系统性的偏差.本文认为,订正后的土壤湿度和温度可以为青藏高原地区提供较准确的资料,并在青藏高原多年冻土分布的计算中得到了应用.     

基于峰值信噪比和小波方向特性的图像奇异值去噪技术

提出一种利用小波变换子图像不同的方向特性和峰值信噪比进行奇异值分解的图像去噪算法。由于图像经过小波变换后,低频子图像集中了原图像的大部分能量噪声,故仅作简单维纳滤波;而噪声则主要集中在小波域中的三个不同方向的高频子图中,且系数较小,因此可以利用奇异值分解进行去噪处理,即用较大的奇异值和对应的特征向量重构出去噪图像,然而由于奇异值分解固有的行列方向性,对于高频对角线子图重构出的图像去噪效果不理想,故采取旋转至行列方向后再进行常用的奇异值滤波;最后将去噪后的低频和高频子图进行小波反变换重构出最终的去噪图像,其中重构所需的奇异值个数由图像的峰值信噪比确定。 实验结果表明,该方法在有效去噪的同时较好的保留了原有的高频细节信息。     

基于奇异值分解的数字波前拟合算法

提出了基于奇异值分解、采用泽尼克多项式拟合干涉波前的算法,该算法直接从线性方程组入手,对矩阵进行奇异值分解分解,在求解逆矩阵的过程中,采用阈值法对奇异值的倒数进行非常规的置换(∞→0),可直接得到系数向量。理论分析和实验证明,相对于传统的格拉姆施密特正交法,该算法可首先通过求解条件数判断线性方程矩阵是否奇异,对于解决病态方程组或奇异矩阵的最小二乘问题,有很好的稳定性,避免了由最小二乘构造的法方程组出现病态而引入的计算误差,且易于编程。     

基于奇异值分解的运动模糊图像广义逆恢复方法

当线性模型应用于运动模糊模糊图像的恢复时,方程的最小二乘解是恢复图像的最优线性无偏估计。由于图像退化过程的不适定性,当观测值受到噪声干扰时,该解往往会远偏离真值。为了克服这个问题,通过对退化矩阵的奇异值分解,提取其不易受干扰的子空间,用该空间重构的逆矩阵具有良好抑噪能力,使图像在较长的运动模糊尺度内恢复时保持较低的失真。     

Singular value decomposition with normalized period for magnetocaridiography signal processing

In this paper, we have developed an algorithm based on singular value decomposition (SVD) for matrix. And the novel SVD algorithm with normalized period of cardiac cycles is presented. The results from real magnetocardiography (MCG) data processing show that the new algorithm is better than the standard one not only in suppressing noises, but also in providing high-fidelity MCG signals.     

基于截断奇异值分解的三维火焰温度场重建研究

利用CCD摄像机得到的火焰辐射能图像进行炉膛三维火焰温度场重建，但温度重建矩阵方程是一个不适定方程组，从而重建问题是一个不适定问题.应用截断奇异值分解(truncated singular value decomposition，TSVD)的正则化方法对该不适定方程组进行求解，并且采用了L曲线法对正则化参数进行选取.结合重建算例，采用奇异值分解(singular value decomposition，SVD)与离散Picard条件对这个不适定问题进行了分析.重建结果表明，在不同的模拟测量误差下，TSVD能够成功得到合理的解，重建温度场较好的再现了原始假设温度场的特征.     

Partial field decomposition of multi-source cyclostationary sound field

The cyclostationary sound field is a kind of special non-stationary field which has obvious modulation phenomena. Conventional planar near-field acoustic holography (PNAH) technique cannot exactly reflect its modulation characteristics. If the cyclic spectral density (CSD) instead of the complex sound pressure is adopted as the reconstruction variable, the modulating wave and carrier wave components of the cyclostationary sound field can be extracted effectively. A new technique called cyclostationary PNAH utilizing the CSD is proposed in this paper. Based on this technique, the problem of partial field decomposition by singular value decomposition (SVD) of multiple incoherent cyclostationary sound sources is researched. The results of numerical simulation and experiments show that the CPNAH technique and SVD decomposition method are effective.     

Noise reduction in multiple-echo data sets using singular value decomposition

A method is described for denoising multiple-echo data sets using singular value decomposition (SVD). Images are acquired using a multiple gradient- or spin-echo sequence, and the variation of the signal with echo time (TE) in all pixels is subjected to SVD analysis to determine the components of the signal variation. The least significant components are associated with small singular values and tend to characterize the noise variation. Applying a "minimum variance" filter to the singular values suppresses the noise components in a way that optimally approximates the underlying noise-free images. The result is a reduction in noise in the individual TE images with minimal degradation of the spatial resolution and contrast. Phantom and in vivo results are presented.     

基于图像的三维刚体运动估计算法比较

基于图像特征点对应估计三维刚体运动是计算机视觉的一个基本问题。对四种常用的运动估计算法,包括基于三维特征点的奇异值分解法、正交分解法、单位四元数法和基于二维特征点的"8点算法",通过大量仿真实验和一个机载目标运动光测系统进行了精度,稳定性和效率的比较。结论表明,基于三维特征的算法比基于二维特征的算法精度高、稳定性好,效率高。其中在基于三维特征的算法中,奇异值分解法效率更高,单位四元数法稳定性更好,在基于二维特征的算法中采用非线性优化是必须的,而增加特征点数和降低噪声水平对四种算法都能提高精度。讨论了这些结论对解决实际问题的作用。