【摘 要】
：
随着经济发展、城市化进程和全球一体化的推进,局地和区域的气象条件、空气质量水平和能见度也在不断发生变化。尤其是,能见度对交通出行、生产生活、军事行动等方面有着显著影响,低能见度等恶劣天气会严重威胁社会正常运转和人们的生命财产安全。江苏省是我国经济规模最大、最具活力的省份之一,近年来该地区低能见度天气现象频发,严重影响了人们的生产生活和身心健康。因此,结合江苏省能见度的时空分布特征和影响因子分析,开
论文部分内容阅读
随着经济发展、城市化进程和全球一体化的推进,局地和区域的气象条件、空气质量水平和能见度也在不断发生变化。尤其是,能见度对交通出行、生产生活、军事行动等方面有着显著影响,低能见度等恶劣天气会严重威胁社会正常运转和人们的生命财产安全。江苏省是我国经济规模最大、最具活力的省份之一,近年来该地区低能见度天气现象频发,严重影响了人们的生产生活和身心健康。因此,结合江苏省能见度的时空分布特征和影响因子分析,开展能见度的预报研究,有助于保障交通安全、促进经济发展和推进污染防治等,具有重要的意义。本文利用江苏省2020年交通气象站资料和环境监测站资料,包括能见度数据、气象数据和环境污染物数据,探讨了该区域能见度时空变化特征,整体上呈现出春季能见度北高南低、夏秋两季能见度东南高西北低、冬季能见度东部沿海高西部内陆低的态势;然后通过运用聚类分析,采用DTW距离划分为4个区域,进行区域内数据整合;改进的相关分析方法表明,能见度与相对湿度、PM2.5等其他多种大气污染物浓度呈负相关,与风速、温度呈正相关,并且Granger因果检验证明了影响因素对能见度的预测有作用。根据前文的数据处理与影响因子分析,本文首先构建了长短期记忆神经网络（Long Short-Term Memory,LSTM）预测模型,并通过与BP神经网络、SVM预测模型的评估对比,LSTM的平均绝对误差低于1km,对能见度的预测更准确。但LSTM模型不能很好地反映站点之间的空间特征关系,因此本文采用多尺度卷积核（Multiscale Convolutional Neural Networks,MSCNN）技术进行空间优化,得到区域内各因素在空间上的特征关系,再输入至参数调整完成的长短期记忆神经网络中,以此挖掘能见度和影响因素间的长期依赖关系。大气环境复杂多变,为进一步增强能见度实时估计和预测性能,本文引入集成算法思想,提出一种基于MSCNN优化后的LSTM-Adaboost能见度预测模型。在Adaboost权重调整过程中,采用自适应增强策略,在模型的输入数据更新时,弱预测器MSCNN-LSTM的权重系数也随滑动窗口实时优化,使得对能见度的预测精度进一步提高。最后,本文通过评价指标对文中所提出的模型进行对比评估,结合低能见度情况,充分考虑模型的适用性。实证结果表明,本文提出的基于MSCNN优化的LSTM-Adaboost预测模型,比LSTM模型的均方根误差和绝对误差分别降低了0.769和0.46;在对能见度等级预测中,基于MSCNN优化的LSTM-Adaboost对低能见度等级的预测更为精准,Kappa检验达到0.78,对各等级预测有高度一致性。因此本模型对能见度统计预测的实际应用范围进行了拓展,可以更好的为人们的生产生活和交通出行提供指导。
其他文献
目的 ：比较机械通气下采用CT与电阻抗断层成像（electrical impedance imaging,EIT）滴定最佳呼气末正压（positive end-expiratory pressure,PEEP）的差异，以证实采用EIT滴定PEEP的可行性。方法：先对7只小猪建立急性呼吸窘迫综合征（acute respiratory distress syndrome,ARDS）模型，然后在不同PE
统计过程控制和设备维修决策是保证生产系统稳定和提升产品质量的两大方法。前者通过监控产品的核心质量指标,防止产品偏离所期望的质量,以保证生产过程的稳定性;后者根据设备的运行情况以及故障的历史数据,制定最佳的维修方案,防止设备故障导致生产停滞,以保证生产过程的可靠性。对于多质量特性产品的生产过程,动态控制图能够及时监测到微小的质量偏移,及时发现过程异常。另外,将动态控制图与视情维修策略相结合,构建动态
机器学习近年来应用到气象、医学、环境和材料等领域。在环境材料领域中,具有高比表面积和多孔结构的吸附剂可以去除水体或土壤中的有机污染物以及重金属离子,吸引了众多学者的关注。然而,获得吸附容量和规律的批量实验复杂且耗时,并且目前的研究注重于吸附剂的物化性质,忽略了吸附质和环境因素的影响。机器学习不仅可以对自变量和因变量之间复杂的非线性关系进行建模和预测,还可以从实验数据中探究其隐藏的自然规律。因此通过
随着互联网技术的快速发展,在网络中进行资料生产和信息交流越来越便捷,但同时抄袭剽窃等不良现象也屡屡发生并有愈演愈烈之势,特别是在学术生产活动中此类现象更是被频繁曝光。遏制抄袭剽窃活动的发生与检测识别这些抄袭剽窃活动成为学者研究的热点之一。文本抄袭检测是一门针对文章内是否含有抄袭内容的研究课题,主要分为外部与内部抄袭检测两个框架。虽然目前的方法在复制粘贴和同义替换类型的抄袭形式上具有优异的性能,但仍
近年来,行人检测是目标检测热门研究领域之一,主要是利用计算机视觉技术检测图像或者视频序列中是否有行人存在,并且标出每个行人的确定位置。行人检测在智能安全监控、自动驾驶、人机交互等方面有着重要的研究价值和广泛的应用前景。现有行人检测方法大多采用特征金字塔进行多级预测,虽然能检测多尺度的目标,但易产生离物体中心较远的预测框,导致检测精度不高。在行人密集、遮挡严重的情况下,相关网络模型无法获取足够的目标
随着国内消费市场迎来新一轮消费升级，许多品牌通过品牌升级来谋求新的发展出路。面对新消费群体和新老烘焙品牌的挑战，成立30年的好利来用新模式实现了品牌年轻化，带动了国内烘焙行业发展，提高了发展水平，是本土品牌学习的对象和创新发展的风向标。本文从品牌为什么要年轻化、如何年轻化以及年轻化后的困境，以好利来为例进行分析，旨在为其他国货品牌创新升级提供思路，促进国货品牌长远发展。
随着车险费率市场化改革的进行,我国逐步将车险的定价权交由保险公司行使,因此识别客户风险、厘定差异化的车险保费也成为保险公司的研究重点。然而,目前我国使用的车险费率因子较为单一,费率厘定模式缺乏客观性,而且用于费率厘定的模型也较为传统和落后。为此,本文将更多的车险费率因子引入模型中,并改进现有模型对纯保费和自主定价系数进行研究,为保险公司创新车险产品提供参考。首先,本文在参考美国车险费率厘定模式的基
随着通讯技术与互联网技术的快速发展,形式多样的数据已渗入到人们日常生活中的方方面面,越来越多的用户选择将数据外包存储至云服务器中,如何确保外包数据的完整性成为了云存储中亟需解决的关键问题。云数据审计方案能够通过辅助信息对数据进行验证以判断数据的完整性是否被破坏,为用户外包于云服务器中的数据安全性提供了一定的保障。然而,传统的云数据审计方案着重于判断外包数据的完整性,而忽略了数据动态操作的性能需求和
双侧截断数据指受客观条件所限导致样本只有落在一定区间才可被观测的数据类型,这类数据常出现在天文观测,计量经济与生存分析领域。例如在天文观测等领域由于观测能力的上下限导致数据未被观测记录,在生存分析等领域由于观测时间有限导致的时序数列首尾截断等。多种双侧截断形式导致基于该类样本数据无法获得准确的数据特征和精准的参数估计结果。故而本文分别从特定模型下双侧截断数据的参数估计和基于深度学习的数据特征学习方
近年来,无论在中国还是世界其他地方,极端天气气候事件频发,严重影响了人们的日常生活,给许多国家造成了重大的经济损失。南半球海洋,是地球气候系统中一个非常重要的组成部分,它主要通过海温异常变化来对大气环流产生重要影响,从而调节和影响区域乃至全球气候。而作为南半球海洋之一的南大西洋,它的贡献必不可少。因此本文利用英国Hadley Centre提供的43年的逐月海温资料,采用经验正交分解（Empiric