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。     

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·     

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.     

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.     

模糊聚类分析在水文预报中的应用

基于聚类分析和模糊数学的基本原理,对影响水文预报结果的特征因子进行研究,运用特征加权模糊聚类分析方法对流域的历史洪水进行模糊聚类分析,然后对不同类的洪水分别进行产汇流参数率定.实验表明,该算法能明显提高曹娥江流域的洪水预报精度.     

基于PI法的门源MS6.4地震前震中附近地震热点图像异常变化研究

基于1980年以来青海省和甘肃省区域地震台网的定位地震目录,分析了研究区最小完备震级,选取空间网格尺度为0.2°×0.2°、地震活动异常学习时间段和预测时间段均为3 a,应用图像信息（PI）法,分析了门源M_S6.4地震发生前震中附近地震热点图像的异常变化过程。结果表明,在2013年1月1日至2016年1月1日的预测时间窗内,冷龙岭断裂和祁连山北缘断裂附近存在明显的地震热点,且地震热点图像颜色偏深,发震概率较高,向前滑动至2014年1月1日至2017年1月1日,2015年1月1日至2018年1月1日和2016年1月1日至2019年1月1日3个预测时间窗,此两断裂附近仍存在地震热点,地震热点图像颜色逐渐由深变浅,而门源M_S6.4地震就落在PI法得到的地震热点内。门源M_S6.4地震前存在明显的地震热点,且地震热点相对集中,地震热点图像颜色由深变浅,震后消失;在祁连山北缘断裂附近,地震热点持续存在,分布较集中,地震热点图像颜色也呈由深变浅的过程。未来需关注祁连山北缘断裂,附近有发生强震的可能。     

基于PI法的门源MS6.4地震前震中附近地震热点图像异常变化研究

基于1980年以来青海省和甘肃省区域地震台网的定位地震目录,分析了研究区最小完备震级,选取空间网格尺度为0.2°×0.2°、地震活动异常学习时间段和预测时间段均为3 a,应用图像信息（PI）法,分析了门源M_S6.4地震发生前震中附近地震热点图像的异常变化过程。结果表明,在2013年1月1日至2016年1月1日的预测时间窗内,冷龙岭断裂和祁连山北缘断裂附近存在明显的地震热点,且地震热点图像颜色偏深,发震概率较高,向前滑动至2014年1月1日至2017年1月1日,2015年1月1日至2018年1月1日和2016年1月1日至2019年1月1日3个预测时间窗,此两断裂附近仍存在地震热点,地震热点图像颜色逐渐由深变浅,而门源M_S6.4地震就落在PI法得到的地震热点内。门源M_S6.4地震前存在明显的地震热点,且地震热点相对集中,地震热点图像颜色由深变浅,震后消失;在祁连山北缘断裂附近,地震热点持续存在,分布较集中,地震热点图像颜色也呈由深变浅的过程。未来需关注祁连山北缘断裂,附近有发生强震的可能。     

2014年8月发生于温州市的一次大暴雨过程分析

对2014年8月19日08:00至20日08:00温州市大暴雨过程做技术总结. 通过对500 hPa环流分析,利用欧洲中心850 hPa和1 000 hPa细网格风场产品以及雷达拼图、实况雨量分析发现,该次过程为高空槽和低层偏南风急流控制下的系统性强降水,降水的时空分布极不均匀.该次降水过程分为19日白天和夜间2个时段,19日白天的暴雨过程由低层850 hPa中尺度辐合线所造成,辐合线上,有较强的风速辐合.19日夜间的暴雨过程由1 000 hPa风向和风速的辐合造成.该次降水过程降水时段集中、雨强强、累计降水量大.通过分析各家模式降水产品,总体来说,各家对于此次降水强度和落区的把握均较差,即使中尺度系统的位置预报正确,但对极端短时强降水(如3 h降水≥100 mm)的预报尚有较大误差.     

中尺度模式数值预报中初值的比较

本文利用Anthes-Warwer中尺度十层湿模式讨论了初始资料垂直分辨率的不同对次天气尺度和中尺度预报的影响对比试验结果表明,两组初值都能定性地把次天气尺度和中尺度过程的主要特点预报出来,都能揭示低层950毫巴正涡度中心与暴雨中心中对应关系以及两区上空、边界层顶附近湿暖盖的存在,但增加特性层温、湿和测风资料后,在降水量和暴雨中心位置的预报上更接近于实况 上述资料的增加使得与降水量和暴雨中心有直接关系的初始低层风场和水汽辐合场有了较大改进.     

基于支持向量机的多因子风速预测

针对目前数值模式预报的风速普遍存在小风预报偏大、大风预报偏小的问题,本文基于支持向量机的方法,结合WRF模式预报和自动观测站的实况数据资料,建立多因子SVM风速预测模型,对渔业避风港锚地风速进行预测修正.实验结果表明,新模型预测的风速和实际风速基本一致,相关性达到了99%,很好地表达了风速与WRF模式预报因子之间的非线性关系,验证了该模型能改进WRF模式输出的风速数据.与仅利用历史风速的非数值SVM和LSSVM风速预报的结果进行比较,进一步证实了多因子SVM风速预测的优越性.     

厄尔尼诺/拉尼娜事件与金华气候异数的对应关系

利用中国气象局整编的1968～2015年8月NINO综合指数和金华逐日降水量、日平均气温资料,采用合成分析方法研究了厄尔尼诺/拉尼娜事件与金华气候的对应关系,结果表明：1968年以来共发生12次厄尔尼诺事件和10次拉尼娜事件;金华年平均气温以0.033 ℃·a-1的速度上升,尤其是1985年至今呈明显波动增暖趋势,年降水量平均以1.14 mm·a-1的速度增加,且时段性分布特征明显;受厄尔尼诺事件影响的年份,金华年降水量偏多的概率大,在长期预测中有重要的指示意义,厄尔尼诺结束次年年降水量无明显规律可循;拉尼娜事件与年降水量对应关系的规律性不明显,受厄尔尼诺/拉尼娜事件影响的年份和结束次年年平均温度变化与全球气候变暖有很大的关系;1997～1998年、2014～2015年2次都是强厄尔尼诺事件,金华降水明显偏多,但持续时间不同,发展特点也有很大区别,后者将成为迄今为止持续时间最长的厄尔尼诺事件;据国家气候中心预测,2014～2015年厄尔尼诺事件至少持续到2015/2016年冬季,2015年金华年降水量偏多已成定局.     

CRM中序列模式分析与神经网络结合的应用研究

用序列模式挖掘方法进行商品销售的预测,其准确率受单个算法本身限制,如果先用序列模式挖掘对原始数据进行过滤,然后再利用神经网络的自适应性,通过学习和训练,找出客户特征与购买某种商品意向的内在联系,再利用神经网络的泛化功能对未经训练客户购买意向进行预测,其预测的正确率非常高.     

智能化网络性能分析与预测支撑系统设计

提出了一种将离线性能分析与在线性能实时预测相结合的网络性能分析与预测支撑系统设计方案.在离线性能分析中完成了特定网络节点的性能分析、节点间性能相关性分析以及长期网络性能历史数据的演化数学建模;在在线性能分析中则主要基于一种混合的实时预测模型来完成在线的网络性能预报,它采用模块化设计,具有良好的智能与很好的可扩展型和自适应性.实验表明,它为网络管理人员提供了强有效的网络性能分析与预测工具,是一个理想的性能分析与预测支撑平台.     

基于RNN-CNN集成深度学习模型的PM2.5小时浓度预测

针对目前大部分PM_2.5预测模型预测效果不稳定、泛化能力不强的现状,以记忆能力较强的循环神经网络（RNN）和特征表达能力较强的卷积神经网络（CNN）为基础,采取Stacking集成策略对两者进行融合,提出了RNN-CNN集成深度学习预测模型。该模型不仅充分利用时间轴上的前后关联信息去预测未来的浓度,而且在不同层次上将自动提取的高维时序数据通用特征用于预测,以保证预测结果的稳定性。最后,对集成之前的RNN、CNN和集成之后的RNN-CNN模型,以2016年中国大陆地区1 466个监测站点的空气质量数据为样本进行实例验证,结果表明,RNN-CNN在PM_2.5时间序列预测上的表现明显优于集成之前的RNN和CNN,而且泛化误差更低,在34%站点上的拟合度超过0.97,该模型可用于大范围区域的PM_2.5小时浓度预测。     

基于RNN-CNN集成深度学习模型的PM2.5小时浓度预测

针对目前大部分PM_2.5预测模型预测效果不稳定、泛化能力不强的现状,以记忆能力较强的循环神经网络（RNN）和特征表达能力较强的卷积神经网络（CNN）为基础,采取Stacking集成策略对两者进行融合,提出了RNN-CNN集成深度学习预测模型。该模型不仅充分利用时间轴上的前后关联信息去预测未来的浓度,而且在不同层次上将自动提取的高维时序数据通用特征用于预测,以保证预测结果的稳定性。最后,对集成之前的RNN、CNN和集成之后的RNN-CNN模型,以2016年中国大陆地区1 466个监测站点的空气质量数据为样本进行实例验证,结果表明,RNN-CNN在PM_2.5时间序列预测上的表现明显优于集成之前的RNN和CNN,而且泛化误差更低,在34%站点上的拟合度超过0.97,该模型可用于大范围区域的PM_2.5小时浓度预测。     

一种均值回复利率模型的求解与参数估计

首先运用随机微分方法求出了一种均值回复利率模型的显式解,并在此基础上求出了各个交易日浮动利率的期望值,然后利用从2009年7月1日到2009年11月18日的SHIBOR一周互换利率数据对模型进行了参数估计和显著性检验,最后运用这些参数和模型求解的结果对未来利率进行了预测,所获结果与实际较为吻合.     

拟合曲率综合预测裂缝方法建立及其在陆西凹陷中的应用

从陆西凹陷的实际资料出发，分析了裂缝在油气勘探中的作用及不同类型裂缝的特征，研究了影响构造裂缝发育的因素，认为构造裂缝的发育受构造部位，孔隙度断层等多种因素的影响，探讨了裂缝发育程度与相关影响因素之间的定量关系，给出了拟合求曲率的方法，与最近断层距离的计算方法，建立了裂缝密度的定量化预测方法-拟合曲率综合预测裂缝方法和相应的评价标准，并对陆西凹陷的裂缝分布进行预测。     

基于GIS的浙江省年降水量空间分布推算方法研究

高精度的空间化降水信息对于区域水资源管理、生态环境治理、作物适宜性评价等方面都具有重要意义.选取浙江省72个气象站点1971-2008年38年的年平均降水量资料,在地统计学和地理信息系统(GIS)支持下,结合了坡度、坡向、到海岸线距离、周围10 km范围内的平均海拔高度和周围10 km范围内的最高海拔高度等地形地理因素,采用回归逆距离权重插值法、回归克里金插值法、回归样条插值法和回归趋势面插值法等多种插值方法对研究区年降水量的空间分布进行了插值研究,通过10个检验站点的插值误差来分析不同插值方法,并对模拟的年降水量空间分布图进行了比较分析.结果表明:回归逆距离权重插值法误差最小,效果最好.     

基于动态模态分解的长江口海表温度时空分布特征重构研究

河口近海海域的海表温度分布特征对于深入理解海洋热力、动力过程及海气相互作用等自然过程及综合效应具有重要意义。卫星数据重构是精确获取动态大面积海表温度数据的重要手段,采用非线性系统的动态模态分解（dynamic mode decomposition,DMD）数据分析方法,利用2003年1月至2016年7月的MODIS\SST数据,经剔除异常数据、填补空白数据后,重构了2016年8月至2019年12月长江口海洋表面温度数据,并评估了重构效果。研究结果表明,在时序数据充足的情况下,DMD算法能很好地解决动态系统的采样问题。DMD结合正交三角（orthogonal right triangular,QR）分解算法能有效重构长江口的海表温度数据,平均均方根误差（root mean square error,RMSE）为0.007 6。进一步分析发现,无论是DMD算法还是DMD结合QR分解算法,还原结果精度都较高。