检索结果-南通市图书馆

水文 2024年

作者：张淞淋柴志勇李建柱天津大学水利工程智能建设与运维全国重点实验室中水北方勘测设计研究有限责任公司

雷达观测的降雨数据相比雨量站观测的降雨数据更能反映降雨的时空分布，对研究流域的产汇流机理、延长洪水预报预见期有重要意义。为研究雷达在流域短临降雨预报的潜力，基于柳林实验流域雷达回波图像数据集，采用Farneback光流法和U-Ne... 详细信息

雷达观测的降雨数据相比雨量站观测的降雨数据更能反映降雨的时空分布，对研究流域的产汇流机理、延长洪水预报预见期有重要意义。为研究雷达在流域短临降雨预报的潜力，基于柳林实验流域雷达回波图像数据集，采用Farneback光流法和U-Net网络模型对雷达回波图像进行不同时间的外推，并基于动态Z-R关系对降雨进行定量估计，将短临降雨预报结果与雨量站实测数据进行对比分析。结果表明：在30 min预见期下，Farneback光流法的预报效果更好，POD达到0.933；而1 h和2 h预见期下，U-Net网络预报效果更佳，POD分别为0.956和0.948。Farneback光流法随着预见期延长，预报效果显著下降，U-Net网络预报效果与预见期关系不密切。

关键词：短临降雨预报雷达回波外推 Farneback光流法 U-Net网络动态Z-R关系

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

地基GNSS水汽反演与短临降雨预报方法研究

地基GNSS水汽反演与短临降雨预报方法研究

引用

作者：池钦安徽理工大学

学位级别：硕士

水汽是大气的重要组成部分之一,是造成暴雨、台风等恶劣气象灾害的因素之一,因此实时监测空气中水汽含量以及水汽含量的变化是进行降雨预报的必要条件之一,但水汽含量变化时间不稳定,变化速度快,难以监测。自从发展GNSS反演PWV方法以来... 详细信息

水汽是大气的重要组成部分之一,是造成暴雨、台风等恶劣气象灾害的因素之一,因此实时监测空气中水汽含量以及水汽含量的变化是进行降雨预报的必要条件之一,但水汽含量变化时间不稳定,变化速度快,难以监测。自从发展GNSS反演PWV方法以来,通过GNSS接收机实时接收在空气中传播的信号,分析并提取信号中的对流层延迟,进而转化为大气中的PWV这项方法,弥补了监测难这一缺陷。GNSS技术以其实时、不受时间、气候限制、高精度等优点被广泛应用于水汽反演中。大气再分析资料是通过融合数值预报产品与观测资料得到区域性的、高时空分辨率的、稳定的历史气象数据。本文在利用ERA5再分析资料建立中国区域的大气加权平均温度ERATM模型的基础上,继续研究基于LSTM的大气加权平均温度改正模型、反演PWV组合模型、基于机器学习和深度学习的短临降雨预报等方面的问题,主要的研究内容如下:(1)中国区域大气加权平均温度ERATM模型的建立。通过利用2014年～2019年ERA5再分析资料的多气压分层格网数据计算中国区域的Tm,再利用最小二乘估计构建估计年周期、半年周期和日周期项的ERATM模型,最后利用2020年～2021年ERA5再分析资料计算的Tm和国内85个探空站的站点Tm验证ERATM模型的精度。结果显示,ERATM模型对比GPT3、UNB3和Bevis模型在格网产品上的RMS值分别提高了0.13K、2.56K和0.48K,在探空站上的RMS值分别提高了0.11K、0.92K和0.14K,验证了ERATM模型在中国区域范围内的合理性、有效性、可行性。(2)基于LSTM的大气加权平均温度改正模型的建立。将2014年～2021年ERA5格网数据计算出的Tm格网与ERATM模型计算出的Tm格网作差,得到8年时间序列的d Tm格网数据,把14年～19年总计六年的d Tm数据作为训练数据,20年～21年总计两年的d Tm数据作为测试集,将每个格网点看作独立的个体输入LSTM模型中训练,对未来四个不同时段改正后的Tm与测试集进行对比分析。结果显示,四个时段改正后Tm的格网产品和站点的RMS值分别降低了1.86K、1.41K、1.00K、0.77K和1.37K、0.83K、0.47K、0.24K,精度有所提高但随着时间的推移,改进的效果会越来越差。(3)地基GNSS反演PWV的实验。根据ZWD和Tm计算方式的不同,建立十个组合模型,在长春、乌鲁木齐、北京、武汉、拉萨和香港六个地区的IGS测站上验证PWV的精度。结果显示,选择Saastamoinen模型与ERATM组合的效果是最好的,在CHAN、URUM、BJFS、WUH2、LHAZ和HKSL六个测站上的RMS分别为3.36K、2.47K、3.19K、4.07K、3.04K、2.55K,为后续研究测站上空的水汽变化提供有效的帮助。(4)基于机器学习和深度学习的短临降雨预报模型的建立。首先分析了六个IGS测站2020年～2021年的降雨与PWV、降雨次数较多的一个月内时间段与T、DPT、P、RH气象参数的变化关系,接着基于KNN、RF、NB、SVM和LSTM五个机器学习和深度学习构建短临降雨预报模型,建立基于当前时段的变量值、基于相邻时段的变化量和基于当前时段的变量和相邻时段的变化量组合的三组实验。结果显示,将变量值和变化量组合作为LSTM模型的输入所得到的预报结果是最佳的,能控制正确率和精确率平均在90%以上,错误率平均在10%左右,为地基GNSS在气候监测和降雨预报起到一定的指示作用。图 [33] 表 [19]

关键词：大气加权平均温度大气可降水量机器学习深度学习短临降雨预报

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于LSTM模型的降雨短临预报

引用

无线电工程 2021年第11期51卷 1278-1283页

作者：王式太张定红殷敏张博宇程波桂林理工大学测绘地理信息学院广西桂林541006 广西空间信息与测绘重点实验室广西桂林541006 山东省地质测绘院山东济南250002

为了利用大气可降水量(Precipitable Water Vapor,PWV)预报降雨,针对PWV在降雨过程中处于动态变化的现象,提出使用长短期记忆神经网络(LSTM)构建基于时序数据的多气象参数短临降雨预报模型。实验表明,当设置预报时间在1~6 h的情况下,模... 详细信息

为了利用大气可降水量(Precipitable Water Vapor,PWV)预报降雨,针对PWV在降雨过程中处于动态变化的现象,提出使用长短期记忆神经网络(LSTM)构建基于时序数据的多气象参数短临降雨预报模型。实验表明,当设置预报时间在1~6 h的情况下,模型短临预报降雨的整体性能优于其他时间尺度的预报,能预报目标区域约47%的降雨,模型的准确率为66%,略优于传统PWV分析方法;误报率为8%,优于传统PWV分析的预报方法。

关键词：短临降雨预报大气可降水量长短期神经网络多气象参数

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：