预报数据（共11篇）
预报数据 篇1
1 概述
海南省海洋环境预报数据传输网络以同步数字体系为主要组网技术, 建设实时资料传输系统和实时数据广播系统的平台, 在此平台的基础上建设气象、海洋基础资料 (准) 实时接收系统, 风暴潮、海浪灾害会商系统和信息发布系统。
海南省海洋环境预报数据传输网络系统的应用需求主要包括数据传输、视频会议、信息发布、升级与扩展等。根据需要, 设计需求有如下几方面。
1) 数据传输需求
本数据传输系统建设涉及大型分布式数据库和分布式应用系统, 对网络依赖性强, 数据传输量较大, 频率较高, 主要体现为国家、省、市 (县) 三级业务系统之间的数据传输。
2) 视频会议需求
为日常业务提供远程视频会商功能, 进行双向视频等多媒体信息的实时传输, 便于决策指挥信息的及时送达。
3) 信息发布需求
通过网络平台向防灾减灾决策部门提供风暴潮和海浪等灾害预警报信息服务。
4) 升级与扩展需求
随着今后业务的发展, 逐步提供升级和扩展的功能。
2 总体组网方案
本数据传输平台是以同步数字体系线路为骨干的数据传输网络。
同步数字体系 (synchronous digital hierarchy, SDH) 传输网具有路由配置能力智能化、上下电路方便、维护监控管理能力强、光接口标准统一等优点。主干网以SDH 线路组网, 建设一套连接国家海洋预报中心、国家海洋信息中心、国家海洋局南海预报中心的气象、海洋基础资料 (准) 实时接收系统和连接国家海洋预报中心、国家海洋信息中心、国家海洋局南海预报中心及沿海各市县的会商和信息发布系统。同时, 风暴潮、海浪数值预报数据资料的获取也将通过本网络平台实现。
在海南省海洋预报台建设省级中心节点, 通过二层交换机接入三层交换机, 进而接入主干网, 各沿海市县建设视频会议终端, 通过三层交换机接入省级中心节点。
2.1 网络结构
主干网建设采用星型网络结构, 网络拓扑图如图1所示。
2.2IP地址规划
IP地址规划是网络设计过程中的重要环节, 影响到网络路由协议算法的效率、网络的性能、网络的扩展及网络的管理, 也必将直接影响到网络应用的有效实施和进一步拓展。
由于是专用网络, 现在的路由器和交换机等网络设备都支持VLSM/CIDR (可变子网掩码/无类区间路由) , 所有IP地址统一采用10开头的A类私有IP地址 (10.x.x.x) 。路由器ID、路由地址、可网管设备地址、服务器地址和工作人员办公地址等分别使用不同的网段, 便于访问控制[1]6。
3 省级节点组网方案
3.1 网络拓扑
省级节点通过三层交换机接入主干网, 在三层交换机上配置OSPF路由协议, 将中心节点接入主干网之中。其中, 中心节点的内网借助一个二层交换机和三层交换机相连, 进而联接到路由器上, 省级节点内网网关及各虚拟局域网间的访问路由皆由省级节点的路由器完成, 各视频会议终端通过路由器接入省级节点 (图2) 。
3.2 虚拟局域网规划
虚拟局域网 (VLAN) 是一种将局域网 (LAN) 设备从逻辑上划分成一个个网段 (或者说是更小的局域网) , 从而实现虚拟工作组 (单元) 的数据交换技术。规划VLAN的优点在于控制广播域的范围、网络安全、第三层地址的管理和网络资源的集中管理。
为了便于进行网络维护和管理, 省预报台节点内部局域网采用根据网络层定义划分VLAN的动态划分VLAN的方式, 即根据网络层地址 (TCP/IP中的子网段地址) 来确定各网络成员的VLAN的划分[2]。通过二层交换机, 给服务器区、工作站区和网管区等不同的功能区域划分不同的VLAN。
4 网络安全防护
当前常见的网络安全防护系统包括防火墙、入侵检测系统、漏洞扫描系统和病毒防护系统等。
4.1 防火墙
为了保证中心节点网络管理平台内部网络的安全, 在接入路由器前设置一个硬件防火墙, 在硬件防火墙上针对各个功能区域配置相应的访问控制策略, 分别对各功能区域进行快速的流量过滤、访问控制和加密, 防止外部非法用户的侵入以及内部用户的错误操作[1]22。
所部署的硬件防火墙设备应支持分区策略、支持trunk模式、支持基于端口的VLAN划分等特性。
省级中心节点配置的防火墙, 采用包过滤的防火墙策略, 以保证网络高速、安全的运行。
4.2 入侵检测设备
选用基于网络的实时入侵检测产品, 放置在重要网段的关键点, 不停地监视网段中的各个数据包, 对每个数据包或可疑的数据包进行特性分析;所选设备应具备如下基本功能:实时网络数据获取、身份鉴别、规则匹配分析、入侵特征库升级更新、入侵报警、日志和记录查询。
4.3 漏洞扫描设备
选用包括脆弱性扫描、网络旁路检查、系统信息获取、端口和服务扫描和安全趋势分析评估等基本功能的漏洞扫描设备。
4.4 病毒防护
安装用于多个用户的企业版杀毒软件, 为网络用户提供防病毒服务, 用户通过WEB服务器下载并安装杀毒软件。通过一个管理服务器, 所有中心节点内部Windows服务器、工作站以接受管理的方式安装杀毒软件, 病毒库由管理服务器主动下发到各个客户终端。
病毒库升级方面, 可采取手动升级方式, 即管理员下载离线升级包, 手动升级管理服务器的病毒库, 再由管理服务器自动分发病毒库[1]46。
5 结束语
通过SDH组建的海洋环境预报数据传输网络, 将承担起海南省海洋预报台与国家海洋预报中心、国家海洋局南海预报中心、国家海洋信息中心等部门的信息交换、数据获取和视频会商任务, 并可更高效、快捷地为海南省各沿海市县海洋灾害防灾减灾工作提供决策服务。
摘要：介绍海南省海洋环境预报数据传输网络及其构建方案。该网络以同步数字体系为主要组网技术, 建设实时资料传输系统和实时数据广播系统的平台, 在此平台的基础上建设气象、海洋基础资料 (准) 实时接收系统, 风暴潮、海浪灾害会商系统和信息发布系统。
关键词：同步数字体系,主干网,省级节点,网络安全
参考文献
[1]国家海洋局.国家海域使用动态监视监测管理系统数据传输网络建设总体技术方案[S].2008.
[2]李海龙, 沈贤方, 周婕.局域网工程从入门到精通[M].北京:电子工业出版社, 2008:41.
预报数据 篇2
利用天气预报业务中使用的JMH、MM5、中央气象台、MOS以及预报员5种预报产品资料,对10月至9月绍兴市降水和气温预报按自然天气季节、量级和主要影响天气系统进行了检验评估.结果表明:对中雨及以下量级的.降水预报,JMH和中央气象台降水预报准确率较高,但对大雨及以上量级降水预报,各种方法都不太理想.冷锋、气旋和台风影响下的降水预报准确率明显高于暖锋和副高影响下的降水.MM5气温预报系统性偏低,MOS气温预报则呈现一定的季节性.
作 者：张建海 诸晓明 Zhang Jianhai Zhu Xiaoming 作者单位：张建海,Zhang Jianhai(南京信息工程大学大气科学系,210044;浙江省绍兴市气象台)
诸晓明,Zhu Xiaoming(浙江省绍兴市气象台)
预报数据 篇3
摘要：随着为农服务“两个体系”建设的进一步发展，农用天气预报不能简单的以普通天气预报代替，而是应该有一套完整的农用天气预报体系。为农服务发展的初期，农用天气预报的预报因子只有温度、降水、天气现象等少量常规预报因子，并没有专业性的、针对性的预报因子，因此，早期的农用天气预报不能满足农业发展的需要。那么，研究具有专业性的、有针对性的农用天气预报具有重要的意义。
关键词：农业预报；预报因子；预报制作
中图分类号：P49 文献标识码： A 文章编号： 1674-0432（2014）-18-59-1
1 农用天气预报的含义
农用天气预报是指根据气象条件与农业生产之间的关系，针对农业生产的需要而进行的专业性气象预报。即根据前期气象因子、生物因子、农业水文因子等状况，结合农业生产需要和未来天气变化趋势，对未来农作物、牲畜等的生长发育状况、产品产量和质量、主要农事活动以及一些重要的农业气象条件进行预报，其作用是为农业部门合理利用有利天气条件、防御不利气象条件提供依据，估算农业生产量，并协助有关部门制定经济计划，为合理安排贮藏、运输、供销等工作服务。
2 农用天气预报的制作
2.1 农用天气预报的制作流程
县级农用天气预报的制作主要是在上级天气预报和天气会商的指导下制作的，县局在上级指导产品的基础上，根据当地的历史资料和观测资料进行订正，制作本地区实用的预报产品，制作完成后，通过有效的途径，及时地把预报产品发布出去；县级农用天气预报不仅制作大田作物预报，而且制作特色农业预报，因为特色作物比大田作物对气象条件更加敏感，例如制作木耳专报，为耳农提供可靠的气象保障。
2.2 年初制作全年的年景预报
制作年景预报为农民合理选择作物种子提供依据，例如年平均气温低/高，就可以选择早/晚熟品种，或者选择抗低温冷害能力强的种子，汪清地区近年来有春季降水量少，夏季多的特点，可以选择播种期比较晚的品种。
2.3 制作为农服务专报
从4月下旬开始，大田作物开始播种，到作物收割完成，每个重要的生育阶段都要制作相应的专报，例如播种期，这期间的农用天气预报主要针对作物的播种预报，开始制作“汪清县春耕春播服务专报”，密切关注作物的播种期间，前期的天气状况和未来天气变化，为农民播种保驾护航，再比如开花授粉期，收获期等都要制作相应的专报。
2.4 常规农用天气预报的制作
从5月中旬开始制作常规的农用天气预报直到作物收获结束，例如制作农业气象旬月报，常规农用天气预报的制作，从始至终与农业紧密配合，例如遇到低温冷害、干旱、洪涝灾害等自然灾害，农用天气预报能为农民尽可能地减少损失提供科学的办法。
3 预报因子的划分
气象因子：汪清地区受季风气候影响，四季分明，其中温度，降水，日照，风的季节性变化明显，对作物的生长发育有很大的影响；人为因子：人为因子主要是指为了获得高产，优质的作物，人为的排灌、施肥、除草、病虫的控制等；生物因子：包括作物等的种类和品种特征、物候期、叶面积光合强度，呼吸强度、蒸腾量等。
4 生育期里的不同生育阶段预报因子的选择
作物的整个生育期可分为营养生长期，以根茎叶等营养器官生长为主；营养生长和生殖生长并进期，从幼穗开始分化到抽穗；生殖生长期，从分化形成种子开始到作物成熟。
4.1 营养生长阶段
气象因子和人为因子共同作用的阶段。例如土壤冻结与解冻预报，农作物播种期气象条件预报，农作物生长期间的土壤水分预报，动植物病虫害发生、消长、迁飞的气象条件预报，喷洒农药时晴雨和风向、风向风速预报，因此，在这个阶段的农用天气预报中，要把气象因子和人为因子结合考虑，因为人为作用在这个阶段起了重要的作用。
4.2 营养生长和生殖生长并进阶段
气象因子和生物因子共同作用的阶段，同样包括动植物病虫害发生、消长、迁飞的气象条件预报，喷洒农药时晴雨和风向、风向风速预报，水稻田间蓄水量的调节等，因此这个阶段的农用天气预报要充分考虑作物的种类，生长状况结合气象因子做预报，指导农业生产。
4.3 生殖生长阶段
气象因子，生物因子，人为因子，三者共同作用，其中气象因子占主导地位，在作物的生殖生长阶段，因为作物已经完成结实，这个阶段各个因子对作物产量的影响最大，气象因子的影响有洪涝、大风、冰雹，低温冷害以及收获期的晴雨预报，初霜日期等，因此这个阶段农业预报的重点就是预报出灾害发生的时间、地点、强度等，防止这些灾害的发生，保证作物产量和品质。
5 结语
农用天气预报是为农服务的主要途径，也是“两个体系”建设的主要内容。要制作本地区为农服务产品，就要很好的了解本地区的农业生产结构。制作好的为农服务产品，选择合适的预报因子是关键。
参考文献
[1] 马树庆，王春乙.我国农业气象业务的现状、问题及发展趋势[J].气象科技，2009，（01）.
[2] 王春林，郭晶，罗艳，唐力生.广东特色农业气象服务现状、问题与对策.第四届粤港澳可持续发展研讨会论文集[C].2008.
[3] 张英，徐晓红，田子玉.我国设施农业的现状、问题及发展对策[J].现代农业科技，2008，（12）.
[4] 徐向峰，杨广林，王立舒，高晶晶.我国设施农业的现状及发展对策研究[J].东北农业大学学报，2005，（04）.
作者简介：赵彦，硕士学历，汪清县气象局，工程师，研究方向：农业与气象。
网络出版时间：2014-9-10 11：41：53
基于测斜仪数据的边坡灰色预报 篇4
但如何分析已有测斜仪的监测数据, 预测边坡变形的发展趋势仍然有待深入研究。边坡变形破坏是受内外应力多因素综合作用的结果。由于边坡变形破坏机理的复杂性和人们认识的局限性, 仍有许多因素、参数及其相关性, 因此, 可以认为边坡变形系统是一个灰色系统。
1 钻孔测斜仪的工作原理及应用方法
1.1 仪器的组成
钻孔测斜仪由测斜管、传感器、数字式测读仪三部分组成。测斜管在监测前埋设于要测的土体内, 测斜管内有4条十字型对称分布的凹型导槽, 作为测斜仪滑轮上下滑行轨道, 测量时传感器的导向滚轮卡在测斜管内壁的导槽中, 沿槽滚动将传感器放人测斜管, 并由此引出的导线将测得的数据显示在测读仪上。
1.2 测斜仪的工作原理
测斜仪的工作原理是通过摆锤受重力作用来测传感器与铅垂线之间的倾角φ, 进而计算垂直位置各点的水平位移。当土体产生位移时, 测斜管的位移量即为土体的位移量。放入测斜管内的传感器测各个不同测段斜管的倾角, 而该分段两端点的水平偏差可由测得的倾角φ表示
式中:δi为第i量测段的水平偏差值, mm;Li为第i量测段的长度, 通常取为0.5 m、1 m等整数;φi为第i量测段的倾角值, (°) 。
当测斜管埋设的足够深时, 管底可以认为是位移不动点, 管底第n量测处测斜管的水平偏差总量
应注意:只有埋设测斜管的轴线是铅垂线时, 水平偏差才是对应的水平位移值, 但要将测斜管的轴线埋设成铅垂线几乎是不可能的, 测斜管埋设好后, 总有一定的倾斜和挠曲。因此, 首次测量值只能作为基本值, 其后将传感器水平转180°后所得测量值与首次测量值的水平偏差值才是各个测段的水平位移
式中:c为仪器参数;δ1n为首次测量时点的位移值, mm;δ2n为旋转180°测量时点的位移值, mm。
测斜管可以用于测单向位移, 也可以测双向位移, 测双向位移时, 由两个方向的量测值求出其矢量和, 得出位移最大值和方向。
1.3 测斜管的埋设技术
1) 采用钻具定位开孔, 成孔偏斜度不允许大于1°, 钻孔应钻至下卧硬土层或基岩内50～100 cm, 若软土层深厚难以进入硬土层时, 钻孔至足够深度不产生水平位移, 视管底端的水平位移为零, 作为固定端, 否则导管顶端应校正。
2) 第一根导管管底用塑料板封死, 用芯模将两管槽口对准, 涂抹粘合剂, 固定接头导管, 减小槽口纵向扭曲。
3) 将接装好的测斜管平直地移向孔口, 底端朝向孔口, 用人力或机械拉住两根护绳索, 对正施测的方向、均匀弯曲测斜管、绳索随测斜管同步放到孔底。埋设孔较深, 地面接成全管向钻孔内放置有困难时, 可分段在地面接成, 整体在孔口埋设时连接。
4) 导管埋至预定深度后, 校正导向槽的方向后, 在导管与钻孔壁之间用砂或小瓜子片填充。导管埋设完成后停留一段时间, 使钻孔中填土密实紧贴导管, 进行零点读数测试, 并测量管口高程。
1.4 测试技术
1) 连接与检查。
将电缆一端插入传感器内, 拧紧螺帽以防漏水, 电缆另一端则插入测读仪内并拧紧螺帽、开电源, 将功能开关置子电池位置, 检查电源电压是否正常, 正常后再将功能开关置于工作位置, 将测斜管竖起并向正反两个方向倾斜, 视显示器数字是否变化, 若倾角增大, 数字也增加, 表示仪器正常。
2) 测读。
将测斜管感应方向对准水平位移方向导槽内, 将传感器轻轻滑入管底位置片刻使其稳定, 提起传感器测量管底至管口距离, 并测其读数, 以后每隔0.5 m测读一次, 直至管口;然后, 将测斜器旋转180°, 放另一组导槽内, 再按上述方法进行测试, 这样可以消除仪器本身误差。
2 灰色系统预测
灰色系统预测理论是将随机量看作一定范围内变化的灰色量, 将随机过程看作是在一定幅区、一定时区变化的灰色过程。它把无规则的原始数据序列进行累加生成有规律的数据序列, 然后进行建模预测。
2.1 数据累加生成
模型建立之前首先需要得到一个变形时间序列, 在具体工程中可以通过边坡位移监测来实现。通过对数据处理产生新的具有规律性的数列。通常非负的数据, 累加会使数据的随机性弱化, 极易找到其变化的规律性。可使非负的摆动数列或任意无规律性的数列转化为非减的、递增的数列。
把数列x各时刻数据一次累加的过程叫作累加过程, 记作AGO。将原始变形时间序列做一次累加生成可以得到x (1) , 设原始序列为
累加生成序列
x (1) 、x (0) 之间的关系为
2.2 灰色GM (1, 1) 建模
设满足条件的原始序列
先对原始数据序列作一次加权累加生成序列为
假定x (0) , 具有近似指数变化规律, 则白化方程 (影子方程) 为
将式 (1) 离散化, 微分变差分, 得到GM (1, 1) 灰微分方程为
式中:α是主要控制系统发展态势的大小称为发展系数, 反映了序列x (0) 的增长速度;μ为灰作用量 (内生变量) 。用最小二乘法求解α、μ。在此基础上可以建立x (1) 预测公式
对方程进行最小二乘法求解得
式中:Y=[x (0) (t2) , x (0) (t3) , …, x (0) (tn) ]T为数据向量;
为数据矩阵;为待
求参数。计算α后要考虑它的取值范围:
1) 当-α≤0.3时, GM (1, 1) 可用于中长期预测;
2) 当0.3<α≤0.5时, GM (1, 1) 可用于短期预测, 中长期预测慎用;
3) 当0.5<α≤0.8时, GM (1, 1) 用于短期预测应十分谨慎;
4) 当0.8<α≤1时, 应采用残差修正GM (1, 1) 模型;
5) 当-α>1时, 不宜采用GM (1, 1) 模型。
x (1) (tk) 为预测的一阶加权累加位移, 对其进行一阶加权累减, 则可得出原位移序列的预测拟合值x (0) (tk) 。
3 工程实例分析
某边坡测斜仪实测数据与灰色模拟预测情况, 见表1。
4 结 论
边坡稳定性受地质和工程等因素的综合影响, 它是一个介于已知 (白色) 和未知 (黑色) 系统之间的典型的灰色系统, 因此, 可以运用灰色模型对边坡的发展趋势进行预测。本文通过对高边坡的一个测点建立灰色模型, 最后得出以下结论:
1) 通过一次残差建立高边坡的GM (1, 1) 预测模型, 通过精度检验得出模型预测精度较好。
2) 从表1看出边坡施工期间预测值与实际值接近, 而边坡施工完成预测值与实测值相差较大, 并且差值随着时间的增加而增大, 说明通过灰色理论建立起来的位移预测模型对稳定性边坡并不适用, 但是可以作为预警预报的参考。
参考文献
[1]二滩水电开发有限责任公司.岩土工程安全监测手册[M].北京:中国水利水电出版社, 2003.
[2]夏元友, 李梅.边坡稳定性评价方法研究及发展趋势[J].岩石力学与工程学报, 2002, 21 (7) :1087-1091.
[3]殷坤龙.滑坡灾害预报[M].北京:中国地质大学出版社, 2004.
[4]邓聚龙.灰色预测与决策[M].武汉:华中理工大学出版社, 1986.
[5]黄润秋, 许强, 陶金莲, 等.地质灾害过程模拟和过程研究控制[M].北京:科学出版社, 2002.
[6]刘汉东.边坡失稳定时预报理论与方法[M].河南:黄河水利出版社, 1995.
太阳气象预报 篇5
因此，来自每个重要的人造卫星、射电望远镜或太阳观测站的数据，对于空间环境服务中心的太阳气象预报人员来说都是有用的。空间环境服务中心是美国国家海洋及大气管理署和美国空军的前哨站点。它全天24小时工作，旨在设法屏蔽或过滤掉太阳辐射中最有害的部分，使太阳气象学家们能整天安全地注视着他们的“猎物”。太阳预报员们所追踪的，有些仅仅是由波形线条组成的从太阳蒸发出来的叫做太阳风的带电粒子流。
当然，太阳技师们所关注的是太阳整体而不是叙述它的美丽。他们注视着叫做太阳黑子的小斑点。与地球上的飓风不同，这些斑点区域没有名称，只有编号。前不久的一天早晨，技术人员注视着的是编号为AR8739和AR8742的两个活动区域。太阳预报者们为什么专注于太阳表面的这种“黑痣”呢?因为太阳就将到达其11年活动周期的顶峰。太阳看上去是在稳定地发光，但每隔11年，它会像一口沸腾的大锅一样，烟气滚滚，飞沫四溅。
1989年3月，太阳一个活动区域AR5395的爆发，导致加拿大魁北克省供电中断达9小时之久，使600万人在黑暗中冷得瑟瑟发抖。那时正值前次太阳活动周期的高峰，在美国和瑞典也都发生了断电事件。新泽西州一座核电站的变压器被彻底破坏，不得不换装一台新的变压器。
那时，高级太阳预报技师加里·赫克曼是空间环境服务中心的管理人员，他正在为预报工作台配备人员。那时和现在一样，预报工作台就像一个票据交换所，什么事情都通过电话联系，白天黑夜都有人守在电话机旁。从1965年开始就干起预报太阳气象的赫克曼，当时接到来自加拿大北极地区一个军官的电话：“太阳真的出现了一个大耀斑。我们正在受到太阳风暴的袭击，但确切时间难以预测。”
1989年的太阳风暴事件使空间环境服务中心启用了对地静止环境监测卫星。果然，该卫星很快便探测到自太阳涌来的强烈X射线。更多的耀斑出现了，其中的一个竟持续12小时，这是从未有过的。“这就如同在一个地方观看到了连续几个小时不断的闪电，”赫克曼说：“许多人试图了解这次耀斑的出现对人造卫星、信息渠道、导航系统以及其他各方面会带来哪些问题。在预报中心，我们超负荷地工作，接待这些访问。这类询问持续了半个月之久。与此同时，空间跟踪操作人员给所有空间位置出现偏差的人造卫星进行了重新定位。”这时，为了预防出事，各有关工业企业也做了不少的准备工作。
由于太阳内部活动的复杂性，我们又缺乏足够的信息，太阳气象的预报不可能总是像预报地球上的天气那样准确。空间环境服务中心的预报人员虽然小心谨慎，但仍漏报过较大的事件，也偶尔出现过错误的预报。
正如太阳预报工作领导人乔·孔切斯指出的那样，太阳爆发除了可能导致在两极区域出现宏伟壮观的极光外，在绝大部分时间里对地球没有直接的影响，但当太阳活动达到最高潮时，太阳周期性变化的磁场强度达到峰值。历史清楚地记载着地球上所发生的一切灾害。一个特殊的太阳活动区域会突然向地球方向喷射出几千亿吨的物质和足以导致电力网瘫痪的巨大能量，这种大规模的太阳事件被称为日冕物质抛射。虽然这种可怕的偶发事件出现的概率不大，但太阳耀斑、太阳黑子和冕洞都会将物质或能量甚至将两者同时向我们抛过来。在正常情况下，太阳每秒发射出的能量为4×1023千瓦，其中许多能量是我们的肉眼所看不到的。如果把它们都变成“能看见的”，那么太阳的亮度会比现在亮上100亿倍。在活动达到峰值时，它还要通过电磁波谱(X射线、电子、质子、中子、伽马光子)增加其能量输出。例如，在正常情况下，太阳风的传播速度为每小时约160万千米，估计在2000年太阳活动最剧烈时可以达到上述速度的3倍。
为了尽量减少这场太阳风暴所造成的影响，科罗拉多州的太阳观测师和太阳气象预报工作者们通过热线电话、传真机、电子函件和网页，与最易在太阳风暴中遭受损失的单位保持着密切的联系。熟练的技术人员知道，太阳磁性活动最强的时间可能要持续好几年，但究竟多长，则不可能像计算日蚀那样给出准确的答案。
虽然对太阳事件的预报能力还有种种缺陷，但比之最初的太阳黑子寻觅者们来说还是大有进步了。公元前800年，中国人便有了关于太阳黑子的记录，但限于观测设备，未能对太阳黑子做出精确的研究 。直到欧洲文艺复兴时期，意大利科学家伽利略和另三位欧洲人才用望远镜看到了日面上的斑点。但当时对此仍有争议，因为中世纪的欧洲流行着古希腊哲学家亚里士多德的观点——太阳是一个不变的、没有任何缺陷的火球。17世纪初叶与伽利略同时代的科学家们更愿意相信太阳是没有瑕疵的，但太阳黑子的真实存在却很快被大家接受了。1947年拍摄到的最大的太阳黑子的面积达180亿平方千米，足以遮住40个地球。即使是一般的太阳黑子，也与地球上的一个大陆不相上下。
太阳黑子的温度比它们邻接的太阳表面的温度约低1800℃，因而显得暗些。它们的实际温度约为4200℃，是太阳上面最冷的场所。但是每个黑子和其他太阳现象的关键都是电磁现象，和地球一样，带着电自转的太阳被包裹在一个茧状的环形磁场内。有的磁场围绕着太阳，其他的则存在于太阳大气内。在11年的太阳活动周期内，有一个科学家们还不能解释的时期，此时一些磁力线将它们自己向外推，穿过人们可以见到的太阳大气的主要层次——光球层。
“太阳黑子之所以暗黑，是由于磁场抑制了光球深处的热量通过对流向上传输而形成的。”克雷格·德福雷斯特这样解释。他是绕太阳飞行的太阳日光层观测器卫星的常驻观测者，“那些突然出现的磁力线是肉眼看不见的，但它们刺穿和重新进入光球层之处是看得见的，这是因为在这些地方，日常的太阳活动过程不那么光焰十足。”
德福雷斯特说，太阳黑子是成对出现的，酷似磁棒。如果一对黑子中的一个呈北磁极性，那么另一个则是南磁极性。它们为什么和怎样形成如此的排列呢?“坦率地说，对于太阳的有些问题我们还弄不清楚。”他如是说。最惊人的发现之一是喷射，即气流。在太阳表层的下面有几万千米长的气体在缓缓流动，这可能有助于说明，在太阳内部某些汹涌澎湃的却是我们看不见的周期性对流，同清晰可见的太阳表面的磁场的不规则现象(如太阳黑子)之间是有联系的。
德福雷斯特说，了解太阳内部结构的另一个线索可能不是它的发光情况，而是其响度。太阳像一口敲响的钟一样在鸣响，振动来源于其汹涌澎湃的内部。“太阳确实在以声波的形式振荡，而且会突然激荡起近100万种不同的声音。声波来源于光球层下面对流层内气体对流的激励，而气体对流是异常喧闹的。”由于对流的结果翻腾到光球层，在太阳表面表现为无数的光粒状组织，“这些‘火粒’有如美国德克萨斯州那样大，不停地翻滚并会在5分钟内消失，那种情景是嘈杂的。”
预报数据 篇6
1 数据挖掘技术在气象预报中的研究
1.1 数据挖掘技术中的人工神经网络方法
所谓的人工神经网络就是由数量众多的节点连接形成一种计算模型[1]。该计算模型中的每一个节点都是一种相应的函数,其所具有的良好性能应用在解决系统中各种不同的问题,这类函数人们通常将其称之为激励函数。人工神经网络还是一个规模较大的自适应系统,它能够利用各种方式建立相关的记忆,然后通过相关的模式和方法将其未来的情况同记忆中最接近的部分进行对比。人工神经网络系统与传统气象预报中所使用的方法,有着十分类似的特点,这些类似的特点使得人们可以通过利用人工神经网络方法进行气象预报。人工神经网络方法应用在气象预报中,相较于传统的气象预报的方法具有更高的准确率和良好的效果,但是在实验过程中还是存在着一些缺陷,阻碍了其在气象预报中的发展和应用。
1.2 数据挖掘技术中的遗传计算方法
遗传计算方法是通过利用生物遗传而采取的一种新的搜索算法,在运行的过程中不需要依靠相关的信息,拥有良好的通用性,在处理一些全局优化问题时,拥有明显的优势[2]。其所具有的上述特点同传统气象预报中所使用的方法相比较拥有十分类似的特点,这些类似的特点使人们可以通过利用遗传计算方法进行气象预报。遗传计算方法在天气预报中的使用能够更好地完成集成性的天气预报,并且预报准确率相较于人工神经网络方法也更高。虽然遗传计算方法具有以上较良好的性能,但是也还存在很多的缺陷,例如,其在进行局部搜索时,搜索的能力较差;遗传计算方法在进行分析计算时,所消耗的时间相较于传统方法也较长。如何解决其所存于的缺陷,是促进其进一步应用于天气预报的关键所在。
1.3 数据挖掘技术中的支持向量机方法
支持向量机在近些年以来,逐渐受到了相关工作者和研究人员的重视,同传统的方法相比较拥有很大的优势。最重要的是该方法能够适用于各种模型之中,不受维数等因素的影响,且具有较高的精准度、运行速度快等优势,特别适用于解决样本较小的数据模型中所存在的问题。另外,其还拥有性能良好的泛化与抗过敏能力,在对较为复杂的气象就行预报时,与其他方法相比较分析出来的数据更加准确。相关研究人员在对该方法进行实验时,所得出的实验数据表明其整体的性能非常适合应用于实际气象预报的工作中。虽然该方法整体性能十分优秀,但还是存在以下两点不足之处:首先,在处理规模较大的问题时,速度还是相对较慢;其次,在解决种类较多的问题存在着一定的困难。这两点不足之处在一定程度上使其还不能够应用在实际的气象预报工作中。
1.4 数据挖掘技术中的贝叶斯方法
贝叶斯方法的基本原理是将未知参数的相关信息进行全面地综合,通过利用贝叶斯公式运算出最后的信息作为气象预报的信息[3]。该方法在使用过程中是否具有高准确性,主要是取决于先前所取得信息的准确性,先前信息准确性越高,最后所得出预报信息的准确性也会相对较高。贝叶斯方法主要的优势在于拥有较强的推理能力,并且在相关数据信息不够完整的情况下,也能够完成推理工作,拥有良好的气象预报效果。这种较强的推理能力和良好的气象预报效果使得贝叶斯方法应用在气象预报中具有一定的可行性。但阻碍其应用在实际工作中的重要原因是因为其本身方法理论还有很多没有得到解决,所采用的方法也欠缺一定的合理性。
1.5 数据挖掘技术中的关联规则挖掘方法
关联规则挖掘方法的基本原理是通过调查分析以往的数据,从庞大的数据库中找到所需的资料[4]。在实际的应用过程中,相关研究人员在此基础上做进一步深化,并通过相应的方法进行预测。根据最终的研究数据表明,这种方法相较于其他方法更加通俗易懂,便于人们熟练运用。关联规则挖掘方法通过对以往的数据进行分析和预测,大大提高其对气象预报的准确度,对于预测气象的变化也十分精准。但其本身所使用的方法却有两个很大的缺点,一是有可能出现数量众多的候选集,二是有可能会对现有的数据库进行重复扫描。这两种缺点直接导致该方法无法应用到实际的气象预报工作当中。
2 数据挖掘技术在气象预报中的未来研究方向
在传统的气象预报中,所采取的方法已经很难再得到进一步的提升,所以,相关的研究人员通过利用计算机技术研究新的气象预报方法,基于这种背景,数据挖掘技术得到了发展和提升。尽管到目前为止,我国在该方面的研究资料相对较少,但在研究过程中还是获得了很多成果以及突破性的进展。然而,其本身还拥有很多的缺陷急需相关研究人员进行解决。因此,研究人员应进一步研究数据挖掘方法,确保其能够准确地预报出气象情况。另外,由于计算机的不断改革和发展,增强了其所拥有的强大计算能力,促进了数据挖掘技术的进一步完善,使得人们开始关注其对于更长时间气象的预报[5]。
3 结语
总之,气象系统是一个十分复杂的系统,只要其内部发生一定的变化都造成自然界气候的变化。所以,如何提高人们预报气象的质量、发现自然界气候变化的趋势,成为当前全社会重点关注的问题。该文所介绍的数据挖掘技术则是一项能够实现人们准确预报和发现自然气候变化的重要方法,笔者通过对数据挖掘技术中每一种方法进行说明,分析其所存在的优缺点,为以后相关研究人员在这方面的研究奠定良好的基础,从而促进数据挖掘技术尽早地应用在实际气象预报工作中。
参考文献
[1]彭昱忠,王谦,元昌安,等.数据挖掘技术在气象预报研究中的应用[J].干旱气象,2015,1(1):19.
[2]段文广,周晓军,石永炜.数据挖掘技术在精细化温度预报中的应用[J].干旱气象,2012,1(1):130.
[3]邱声春.数据挖掘和数据融合技术在天气预报和气象服务中的应用研究[J].山西气象,2007,9(2):34.
[4]乔梁.数据挖掘技术在气象服务中的应用研究[J].信息通信,2016,3(2):96.
预报数据 篇7
农用天气预报是围绕农业生产活动的专业性预报, 通过把农业栽培专家技术、农业气象专家技术、作物病虫防御技术知识结合起来, 建立专家知识库, 基于农业气象作物、土壤观测业务, 充分利用天气预报的前瞻性, 预报未来天气条件对农业生产的影响程度, 提出农业生产建议, 告诉农业生产和管理者农事活动适宜时间和适宜方式, 为农业“看天管理”提供业务化指导, 把农业栽培专家经验和天气预报业务、农业气象技术结合起来, 对减灾防灾、增产稳产具有重要作用。
农用天气预报作物对象种类多, 栽培技术复杂, 生产过程天气类型多样, 涉及大量的气象资料的输入输出, 指标和标准的统一, 天气预报和农气报文编码的翻译, 产品运算和对策措施选择等, 工作量大。本项目科学设计农用天气预报数据库和业务服务系统, 实现数据处理自动化、规范化, 减轻业务人员工作量, 为湖南农用天气预报业务提供经验和技术支撑。
1农用天气预报数据库设计
1.1设计目标
一是要满足资料规范化、标准化的需要:农用天气预报需要的资料包括地面气象数据、天气预报数据、农业气象观测资料、作物栽培技术知识、农事活动知识、病虫防御知识、农业气象指标等, 数据类型多样, 必须要对其进行规范化、标准化管理。
二是要满足业务拓充和完善的需要:农业气象知识、栽培技术、农业气象指标必然有一个不断完善和充实的过程, 因此, 数据库的设计要满足对作物添加、指标和措施修改、删除、充实和完善等操作需要。
三是数据表要设计合理、满足业务自动化的需要:农用天气预报运算复杂, 需要从指标数据、天气预报、气象监测、作物资料、 措施知识等多种数据表中存取数据, 并自动生成农事活动天气适宜度预报产品, 科学合理的数据库设计显得尤其重要。
1.2数据库内容和结构
根据业务需要, 农用天气预报数据库内容包括基础资料数据、 专家知识和措施、业务指标、服务产品、业务参数等多种数据。具体如下:
1.2.1基础资料数据。主要包括天气预报产品、地面气象资料、 自然物候资料、作物观测资料、土壤墒情数据等。
1) 气预报产品数据:包括天气预报产品表和天气预报量值表。前者是城镇天气预报电码数据, 数据表字段包括区站号、发报日期、发报时次、预报时效、天气现象1、天气现象2、风向1、风速度1、风向2、风速2、高温、低温。后者是将天气预报产品的文字要素转换成量值, 如:将雨量级别转换成雨量值、风速级别转换成风速值等, 数据表字段包括区站号、预报日期、预报时次 (08或20) , 预报时效 (24h、48h、72h、96h、120h、144h、168h) , 资料日期, 天气编码, 天气量值, 风速编码、风速量值、高温、低温、日照时数等。
2) 地面气象资料:包括气象自动站逐时数据和气象自动站逐日数据表, 前者来源于自动气象站逐时资料文件, 数据表字段包括区站号、日期、时间及各种监测要素;后者则由前者统计生成。
3) 自然物候资料:来源于农业气象观测数据文件, 数据表字段包括台站名称、物候对象、物候年份、物候名称、物候程度、出现日期。
4) 作物观测资料:来源于农业气象观测数据文件, 数据表字段包括台站名称、作物名称、作物年份、发育期名称、发育程度、 观测日期、生长状况、距平值、高度、密度;
5) 土壤墒情数据:包括土壤墒情逐时资料和逐日资料。前者每小时存储1次, 后者由逐时资料自动生成, 数据表字段包括:台站号、日期、10cm、20cm、30cm、40cm、50cm、60cm、70cm、 80cm、90cm、100cm相对湿度。
1.2.2专家知识与措施。专家知识和措施是制定科学、合理的农作物栽培与管理方案的重要参考, 是农用天气预报业务中专家建议的资料来源。把不同专家的经验进行收集、整理, 并通过专家座谈和田间试用等去伪存真, 建立专家知识库, 以便农用天气预报业务服务参考和应用。主要包括标准栽培方案、天气应对方案、病虫防御方案三个数据表 (见表1) 。
1.2.3业务指标。农用天气预报业务指标包括农事活动天气指标和灾害性转折性天气指标二大类。由于农事活动天气指标和灾害性转折性天气指标都可能是多个天气因子的复杂组合, 这为指标数据管理增加了难度。为此, 我们采用单因子指标表和多因子组合表二种, 用单因子数据表确定指标包含的因子及单因子数值, 多因子组合表确定各因子之间的关系, 有利于数据输入与运算。
1) 农事活动天气指标单因子表。主要包括作物名称、农事项目名称、指标类型、适宜等级、资料始日、资料终日、气象要素、 表达形式、上限值、下限值、农事对策等。
2) 农事活动天气指标组合因子表。基于单因子指标表, 以作物名称、农事项目、指标类型、适宜等级、资料始日、资料终日、 气象要素组合作为主键, *表示指标为“和”的关系, +表示指标为“或”的关系, 将各种影响单因子指标组合起来, 组合因子表中同一种作物、农事项目、指标类型、适宜等级的组合因子是唯一的。
3) 灾害性转折性天气指标表。与农事活动天气指标相类似, 灾害性转折性天气指标组合因子表是在单因子指标表的基础上, 以作物名称、发育阶段名称、天气类型、气象要素组合作为主键, * 表示指标为“和”的关系, +表示指标为“或”的关系, 将各种影响单因子指标组合起来, 组合因子表中同一种作物、发育阶段、天气类型、气象要素的组合因子是唯一的。
1.2.4业务服务产品.产品由系统自动运算生成, 并经人工修改确认保持, 包括农事活动适宜等级产品和灾害性转折性提示预报产品二种表。
农事活动适宜等级产品:数据表字段包括区站号、作物名称、 农事项目名称、起报日期、起报时次、预报日期、适宜等级、指标标识串、指标标识串结果。指标标识串结果采用0或1表示, 1表示该因子为指标作用因子, 是农事对策生成的依据。
灾害性转折性提示预报产品:数据表字段区站号、作物名称、 发育阶段名称、起报日期、起报时次、预报日期、天气类型、指标标识串、标识串结果。标识串结果中1表示该因子为指标关键作用因子, 是应急对策生成的依据。
2业务应用
业务系统采用DELp HI7.0和VISUAL C#.NET联合开发, 实现了资料采集与管理、数据分析与浏览、产品运算与制作等功能。
资料采集与管理:主要提供人工录入和自动采集两种方式。基础业务资料是从湖南省气象局资料服务器获取的, 通过一定的格式检查和质量控制后分析入库。指标和知识措施等资料则是通过多种方式收集, 经专家确认后, 可以手工方式录入。
数据分析与浏览:按作物、农事项目、天气类型、作物发育期等要素对专家知识和指标进行查询、浏览;对土壤湿度和各种气象要素进行任意时段的统计查询。
产品运算与制作:自动调用作物参数、农事活动项目、天气类型等要素, 计算生成各农事活动天气适宜等级产品和相应的农业生产对策, 并能以表格或图形方式输出。
3结论
农用天气预报是围绕农事活动开展的专业性预报, 预报未来天气对农业生产和农事活动的影响。因此, 为了提高农用天气预报服务质量, 首先需要提升天气预报质量, 同时不断完善农用天气预报业务指标, 丰富和创新专家知识、农业气象评估技术等。
本系统基于长期业务积累, 经过广泛的资料收集、田间试验和试用, 加强部门合作, 把农业专家栽培经验、病虫防治专家经验、 农业气象灾害防御知识结合起来, 建立了农用天气预报专家知识库, 为开展农用天气预报服务提供了丰富的知识和经验, 为业务服务的开展具有重要帮助。
摘要：采用SQL2000建立湖南农用天气预报业务系统数据库, 实现农作物栽培专家知识、作物病虫防御知识、天气应对措施等资料规范管理;通过单因子和组合因子解决农用天气业务指标间逻辑“与”和“或”等复杂关系的资料存取;系统采用DELp HI7.0和VISUAL C#.NET联合开发, 实现了湖南农用天气预报业务系统数据资料的存取管理与应用。
关键词：农用天气预报,数据库,指标,设计
参考文献
[1]姜丽霞, 杨晓强, 王晾晾, 等.基于大宗粮食作物的黑龙江省农用天气预报研究进展[J].安徽农业科学, 2012, 40 (20) :10538-10539.
预报数据 篇8
漏钢是连铸过程中最具危害性的事故。开发实时、准确的漏钢预报系统,对漏钢趋势提前预警,是防止漏钢事故发生的主要手段[1,2]。热电偶测温法凭借其极强的实时性与可操作性成为目前普遍采用的漏钢预报方法[3,4]。热电偶测温法的预报原理是依靠结晶器铜板内所埋设的热电偶测得温度,实时地对铸坯表面状况进行监测,热电偶测温实质上是一种动态温度波形的模式识别问题,即从热电偶监测的温度波形中识别出具有漏钢征兆的波形。
由于连铸现场工况复杂,干扰很多,热电偶所采集的温度数据中不可避免地存在一定的噪声信号及异常值,而这些噪声及异常值的存在严重制约着漏钢预报系统的准确度。笔者在对连铸现场所采集的大量温度数据做了详细分析后,把小波分析理论引入到板坯连铸漏钢预报系统中,对温度信号进行噪声消除处理,在很大程度上提高了系统的反应速度及预报准确度。
1 小波分析降噪原理
由于在正交小波中,正交基的选择比传统方法更接近实际信号本身,所以通过小波变换可以更容易地分离出噪声或其他不需要的信息,因此小波分析在信号降噪中有着传统方法无可比拟的优势[5,6,7]。
一般情况下,所采集的信号s(n)由目标信号f(n)和噪声e(n)组成:
s(n)=f(n)+σ e(n) (1)
式中,n为信号长度;σ为噪声强度。
小波变换的目的就是要抑制e(n)以恢复f(n)。采用小波分析进行信号降噪的过程如图1所示。
图1中,Fδ为阈值算子,作用阈值算子后,模值小的系数被置为零,模值大的系数项被保留,即
式中,cm,n、Fδcm,n分别为阈值处理前后的小波系数值;δ为设定参数。
Mask为掩码算子,其作用是保留特定系数并把其他系数置零,即
式中,Mcm,n为阈值处理后的小波系数值;Q为系数条件。
掩码算子是阈值算子的推广,可以通过引入系数模值的掩码算子来实现阈值算子。
由图1可以看出,采用小波分析进行信号降噪的过程可分为以下3个步骤:
(1)小波分解。用选定的小波函数对信号进行N层小波分解。
(2)作用阈值。为小波分解的各层系数选择阈值,并对各层系数作相应的阈值处理。
(3)信号重建。将阈值处理后的系数通过小波重建得到降噪后的目标信号。
在小波分解系数上作用阈值,是小波分析用于信号降噪过程中最为核心的步骤。将信号进行多层小波分解后,通过对各层分解系数做相应的阈值处理来抑制信号中的噪声成分,从而达到信号降噪的目的。
2 小波分析在漏钢预报中的应用
2.1 数据前处理
热电偶实时采集的温度数据是一组动态的时间序列,为了将这组动态数据转化为静态数据,本文采用了延时网络技术(TDNN),见图2。
在仿真程序中,先定义一个移位寄存器,将单个热电偶所采集的时间序列温度数据输入该寄存器,形成一个“先进先出,后进后出”的队列。利用该寄存器便可以从动态的时间序列温度数据中截取相应长度的静态温度数据序列。
通过对某板坯连铸厂漏钢温度记录进行分析,发现典型的漏钢事故发生前热电偶所测温度的波动过程所需时间约为25s;为包含温度波动的整个过程,取单个热电偶温度波动模式识别的时间为30s,热电偶的采样间隔为0.25s。文中给出了一组粘结漏钢发生前30s所监测的温度波形,见图3。
由图3可以看出,连铸现场所采集的温度信号中包含了高频的噪声信号和低频的目标信号。
2.2 温度信号的小波分解
笔者用多种小波分解方法做了尝试,通过分析比较分解结果,最终选择了db3小波函数对温度信号进行5尺度小波分解,分解结果如图4所示。
s:原始信号 caN:第N次小波分解后的近似系数 cdN:第N次小波分解后的细节系数(N=1,2,…,5)
从图4可以看出,前4层的细节系数幅值范围多在4℃内;在分解到第5层时,细节系数的幅值发生了很大变化,高达20℃,近似部分也变得过于平滑,降低了对温度变化趋势的描述。因此在对温度信号做多尺度小波分解时,只分解到第4层。
2.3 各级阈值的确定
在各层小波分解系数上作用阈值是应用小波分析进行信号降噪过程中最为关键的步骤,阈值的选取结果会直接影响到信号的降噪效果。在小波变换中,各层系数降噪所需的阈值一般是根据原信号的信噪比,即式(1)中的σ来选取的。从s(n)中提取σ的方法有多种,本文选用原信号各层小波分解系数的标准差来对噪声强度进行估计。
虽然目前存在几种阈值确定理论及其对应的经验模型,但是这些理论或模型都有一定的局限性和使用范围,没有一种阈值确定模型是可以通用的。因此,本文分别采用缺省阈值确定模型、Birge-Massart策略确定的阈值模型和小波包变换中的Penalty阈值模型对小波系数进行处理,并将各阈值作用结果进行比较。
(1)缺省的阈值确定模型为
式中,λ为阈值。
(2)Birge-Massart策略确定的阈值可以通过以下规则求得。
给定一个分解层数j,对于j+1以及更高层,所有系数保留;对于第i层(1≤i≤j),保留系数绝对值较大的ni个系数,ni的表达式为
ni=M(j+2-i)α=L(1)(j+2-i)3 (5)
其中,M和α为经验系数,降噪情况下取α=3;M满足L(1)≤M≤2L(1),L(1)为第一层小波分解后的系数长度。
(3)小波包变换中的Penalty阈值确定。
假设当分解层数t为满足条件的特定值t*时,函数
式中,ck为小波包分解系数中第k大的系数。
取得最小值,则阈值:
λ=|ct*| (7)
2.4 温度信号的小波重建
分别采用以上3种阈值确定模型确定小波分解各级系数的阈值,并分别将其作用在各层系数上,最后进行温度信号的小波重建。通过分别作用不同阈值得到的降噪结果,如图5所示。
通过以上3种阈值模型所获得的目标信号的能量均占原信号能量的90%以上。从图5可以看出,Penalty阈值和Birge-Massart阈值降噪结果比较理想,而缺省阈值降噪结果在第0～10个采样点之间存在较大的局部跳动,有悖于信号降噪的光滑性准则,进而排除了缺省阈值降噪方法。Penalty阈值和Birge-Massart阈值降噪结果与原信号的标准差分别为19.87和17.51;因为信号降噪的相似性准则是降噪后的信号和原信号的方差估计应该是最坏情况下的最小值,所以Birge-Massart阈值降噪结果是最好的。
因此,在将小波分析降噪方法应用于漏钢预报系统进行温度数据处理过程中选用了Birge-Massart阈值确定方法。
3 结语
文中采用db3小波函数,对热电偶所采集的温度数据进行4尺度的小波分解,然后采用Birge-Massart阈值对小波分解系数进行处理,最后重建温度信号,去除了温度信号中由于现场干扰所引起的噪声。去除噪声后的温度信号包含了原信号96%的能量,并且符合信号降噪的光滑性及相似性准则,能够更好地反应出热电偶所采集温度的变化趋势,为漏钢特征的识别提供了更为准确的数据。
参考文献
[1]何涛焘,田陆,黎锋果,等.基于热电偶测温的漏钢预报系统[J].传感器世界,2010(11):29-33.
[2]Lee D,Moon C H,Moon S C,et al.Development ofHealing Control Technology for Reducing Breakout inThin Slab Casters[J].Control Engineering Practice,2009,17(1):3-13.
[3]蔡娥,许军,白居冰,等.漏钢预报新技术研发及应用[J].钢铁研究,2009,37(4):29-32.
[4]秦旭,朱超甫,高光河,等.板坯漏钢机理及基于热电偶检测的漏钢预报技术研究[J].钢铁研究学报,2011,23(2):7-11.
[5]袁昌茂,文鸿雁.变形监测数据处理的小波去噪方法[J].地理空间信息,2009,7(4):136-138.
[6]唐桂文,江恒彪,左建章.基于小波阈值去噪理论的监测数据处理方法[J].测绘科学,2009,34(1):117-118.
预报数据 篇9
关键词：相似预报,大数据,图谱计算
1前言
大气和海洋环境变化中广泛地存在着相似性现象, 利用历史相似进行未来天气和气候演变的预报, 早己成为一个经典实用的方法, 在现在天气预报和短期气候预测中仍广泛采用。其基本依据是初始场很接近的大气或海洋状态, 在未来一段时间也会保持接近, 但它也面临着历史观测记录缺乏的困境, 选取相似本身也有难度。相似预报的使用大概已有100年的历史, 在预报员面对天气图时, 头脑中会很自然地浮现某个历史相似情景并以此来改善预报。
相似作为一种随流型而变的非线性演变现象, 具有广泛的用途, 不但被大量用于短期和长期天气预报, 也被用来进行可预报性研究以及集合平均和概率预报, 还有大气低频流型研究、非线性动力学应用、模式误差订正等, 相似路径法很早就被用于台风预报, 近年亦有新发展[1]。
相似预报的核心是找寻未来预报与过去浩瀚的历史数据的关联关系, 其预报能力严重依赖于历史资料的数量和质量,随着模式的不断发展和历史资料的大量积累, 这种新方法无疑具有强劲的生命力和发展前景, 这为相关研究提供了根本动力。关联关系即为图论中的边和节点的关系, 如何快速找到边和节点的关系, 是从大量历史数据中找出相似关系, 快速做出预报的关键。随着大数据技术在处理海量数据尤其是海量科学数据方面的成果不断涌现[2], 尝试利用新兴的大数据中的Graph Chi技术来解决此问题。
2 Graph Chi
2.1概述
Graph Chi由卡耐基梅隆大学计算机科学家设计 , 可以在个人计算机上高效进行大规模计算的框架, 多用于社交媒体或网络搜索分析类任务, 比如搜索引擎。都知道推荐引擎专注的是图谱计算 (Graph Computation), 分析社交媒体用户之间的关系; 但是这类计算通常需要海量的内存, 并出现在高性能计算集群上。Graph Chi可以将很多应用在单个个人计算机上运行, 例如数据挖掘、图挖掘、大图的机器学习等[3]。
与将图谱存储在内存中不同, Graph Chi利用了个人计算机上的海量硬盘, 将图谱存储在硬盘上。为了弥补硬盘与内存之间的速度差距, 设计了快速并少量随机读写的硬盘访问方法。同 时 , Graph Chi还能处理 “流图谱 ”( StreamingGraphs), 流图谱能通过显示关系随时间的变化建立起精确的大型网络模型[4]。
Graph Chi其主要目标是在单台机器上进行大数据量的图计算, 可以有效计算含有数以亿计边的图的一个系统。将一个大图分解为若干个小图, 采用并行滑动窗口 (Parallel Sliding Windows,PSW) 进行处理 , 其核心是用连续读写来代替的随机读写。此处主要由i FUB算法处理。
2.2 i FUB算法
记G= (V,E) 为一个无向无权图, u为节点集合V中的一个节点。记以u为根的广度优先搜索算法 (BFS) 树为Tu, Tu的高度记为ecc(u), 记Fi(u)为与节点u的距离为i的节点的集合 ,Bi (u)=maxz∈Fi(u)ecc(u), 由此可知 , 如果存在Fj(u) , 使ecc (y) >2× (i-1), 那么对于任一点Fj(u), 均有ecc(x)≤ecc(y)。这启发人们如果在某一层i上找到满足j=ecc(y)>2(i-1)的y, 那么便不需要继续遍历层数小于i的那些层上的点。
进而由i=ecc (u) 层开始遍历, 计算出该层的Bi(u)记之为M, 如果M>2× (i-1), 那么返回M作为该图直径的下界 (如果M=2ecc (u), 此时M便为该图的直径), 否则i=i-1, M= max {M,Bi(u)}, 重复上述过程。该过程仅给出了图直径的下界, 对于其上界在M≤2 (i-1) 时, 上界为2 (i-1)。具体实现算法如下:
输入: 图G, 节点u, 直径下界l, 阈值k。
输出: 满足D-M≤k的直径估计值M。
如果所选的节点u处于图中较为中心的位置时, 2*ecc (u)便是该图直径的较为合理的近似, 此时算法初始条件ub-lb也会尽可能的小, 从而利于方法快速收敛。假设入边较为多的节点处于图的较为中心的位置, 因此可以选取这样的点作为源点u, ecc (u) 作为初始的直径下界lb。
3设计与实现
在Graph Chi实现中, 设计的重点和难点是如何将已给算法与Graph Chi结合, 设计以i FUB为核心的更新算法。
3.1系统设计
(1) 观察i FUB算法 , 其基础可以认为是广度优先搜索算法, 它巧妙地发现了在求解直径时外围点的ecc与内层点的关系, 从而在某种条件成立时, 便可以舍弃对内层点求解ecc的过程, 避免了暴力地对所有节点逐个求解ecc的资源和时间的浪费。那么, 既然i FUB算法的基础是广度优先搜索, 是不是可以在Graph Chi上实现广度优先搜索, 再通过i FUB算法求解出图的直径呢?
这种方法会在每次进行广度优先搜 索时启动 一次引擎 ,例如在上i FUB算法中第01步计算ecc (u) 时启动一次, 在第05步计算Bi (u) 时会启动引擎|Fi (u) |次。在第01步计算ecc(u) 后 , 由于需要记录下图中其他点与节点u的距离便于Bi(u) 的计算 , 在此次迭代终止后 , 需要使用“get_top_vertices”函数, 由距离节点u由大至小记录下每个节点的信息。
(2) 遍历距离为ecc (u) 的节点 , 并对其中的每个节点做一次广度优先搜索, 由于update() 函数的参数接口固定, 不能将广度优先搜索源点作为参数引入。一个较为可行的方法是再定义一个广度优先算法以及相应的update() 函数。之后再由“get_top_vertices”记录下每个节点的ecc, 进而取其中最大者作为Bi(u), 这样的思路虽然可以 , 但是操作上略显啰嗦, 并且不满足老师的只启动一次引擎的要求。于是放弃此种实现, 转而希望只启动一次引擎达到最终结果。相对于多次启动, 对于只启动一次引擎, 首先应当解决的是如何将ecc(u) 和B_i (u) 的求解放入到一个update() 函数中的问题。针对不同的情况, 使用switch-case语句实现相应的功能。
在文中有两大主要功能需要实现: ecc (u) 和Bi(u)。通过swithc分配 , case1做ecc (u) 的求解 , case2做Bi(u) 的求解。Bi(u) 包含两个过程 : 其一 , 寻找与源点u距离为i的节点 ;其二, 对这些节点求解ecc。这里需要注意过程终止, 一个简单的方法是对求过ecc的节点进行标记, 直到Fi (u) 中的节点全部标记, 这一过程可以放在“寻找与源点u距离为i的节点”这一环节执行。
switch中的case可分为3种情形 :
case1求解ecc (u);
case2寻找F (u) 并判断其中的节点是否都已求解ecc (u);
case3对F_i (u) 中的节点求解ecc (u)。
在介绍具体实现思路之前, 必须考虑到节点及边的数据类型。由于每个节点事实上有两种距离, 一个距离是距离源点u的距离, 另一种距离便是与F (u) 中节点的距离, 于是将节点的数据类型定为一个结构, 包含这两种距离。如下:
对于每条边上的值, 虽然所给图为一个无向无权图, 但是为了理解上的方便, 仍使用出边和入边的概念, 将每个节点的值加一传到其所有出边上 (依所求确定, 若要求ecc (u), 则传值depth Fromu+1到出边上 , 若求与F (u) 中节点的距离 , 则传值depth Fromz+1到出边上)。回归主线, 对于case1, 首先判断当前节点是否为源点。对于当前节点为源点的情形, 置源点u的depth Fromu为0, depth Fromz为infinity (为事先给定的一很大的正数, 表征无穷远)。并对其所有出边置值为1。对于非源点的节点, 需要完成3项任务。判断当前节点值是否需要更新 (即比较其所有入边传入的值是否比当前节点的depth Fromu小, 若是则需要更新)、更新节点 (包括更新当前节点的depth Fromu和发布其更新的值到所有出边上供其相邻节点使用)、更新ecc (u)。
case3与case1类似 , 实现的是以Fk(u) 层上节点z为源点求解ecc (z) 的过程。与case1最大的不同是, 若当前节点为源点且节点首次作为源点时, 需将该点的depth Fromu置为k, 此种做法是用来标记该节点已经被作为源 点求解过ecc。另外的不同便是每次节点需要更新depth Fromz及求解相应的ecc (z)。对于case2, 确定Fk(u) 上点已取完的终止条件便是判断图中已不存在depth Fromu值为k的点。
这里有个问题, 迭代中何时知道已经求出ecc (u) 或ecc(z) 这里采用一个bool型的变量finish进行标示 , 除首次迭代时置finish为false, 其余全置为true。在case1和case3中如果节点的值 (depth Fromu或depth Fromz) 有更新, 则将finish的值置为true。也就是说当所有节点的值均已固定, ecc的值已经可以求出, 此时finish的值始终为true。update() 函数的主体部分 已经介绍 , 当然其中 还涉及初 始化的问 题。对于case1中的初始 化 , 将所有节 点的值 ( depth Fromu且depthFromz) 置为infinity, 并且由于每个节点均会被初始化 , 在其初始化的同时, 寻找出入边最多的节点作为源点u。此外, iFUB算法中的第02、03及06~09步在update () 函数中没有体现, 它们大体上在before_iteration() 及after_iteration() 函数中实现。before_iteration () 是对每次迭代前的某些必要的值进行重新赋值, 而after_iteration () 则大体相应于3种case进行每次迭代后lb, ub以及状态 (决定下一次迭代进入哪个case)的更新。
3.2结果分析
设计的程序对一个较小规模的自定义的图进行测试, 自定义的图如图1所示。
从图1可知: 其直径为4, 所设计的程序处理图1的结果也为4。此外, 也对图1进行增减节点进行测试, 程序处理的结果也与真实结果相同。因此, 可以认为所设计的程序较为正确可靠。此外, 对实验数据进行处理, 得出的图的直径如表1所示 (注 : 以下的运行时间均为迭代1000次的运行时间)。
4结语
商务预报 篇10
一、食用农产品价格小幅回落
全国36个大中城市食用农产品市场价格比前一周小幅下降。其中，蔬菜、蛋类、禽类、肉类、食用油价格不同程度下降，粮食、水产品、水果价格均小幅回升。
蔬菜价格小幅回落。受蔬菜上市量增加以及节后蔬菜需求回落等因素影响，18种蔬菜平均价格比前一周下降1.8%。其中，芹菜、冬瓜、油菜价格跌幅居前，环比分别下降11.3%、9.8%和4.6%。
鸡蛋价格小幅下降。鸡蛋价格比前一周下降1.3%。其中，北京、青岛、合肥鸡蛋价格环比分别下降6.5%、5.5%和4.7%。
禽类价格小幅回落。白条鸡价格比前一周下降0.6%。其中，青岛、哈尔滨、银川白条鸡价格环比分别下降6.7%、3.7%和3.1%。
肉类价格有涨有跌。猪肉、牛肉价格比前一周分别下降0.9%和0.5%，羊肉价格上涨1.1%。其中，青岛、成都、兰州猪肉价格分别下降7.4%、5.7%和5.5%；西安、银川、西宁牛肉价格分别下降3.8%、1.9%和1.9%；合肥、北京、乌鲁木齐羊肉价格分别上涨4.2%、3.1%、2%。
食用油价格略有波动。豆油价格比前一周下降0.5%，菜籽油、花生油价格环比分别上涨0.4%和0.1%。其中，深圳、呼和浩特、大连豆油价格分别下降3.2%、2.3%和1.9%；深圳、成都、西安菜籽油价格分别上涨3.5%、2.7%、1.3%；合肥、西安、青岛花生油价格分别上涨4%、2%和1.1%。
粮食价格小幅波动。粳米、面粉价格比前一周分别上涨0.4%和0.3%，籼米价格比前一周下降0.2%。其中，郑州、呼和浩特、济南粳米价格分别上涨3.5%、2.4%和2.2%；成都、呼和浩特、青岛面粉价格分别上涨2.8%、1.7%和1.6%；成都、贵阳、福州籼米价格分别下降2.6%、1.3%和0.4%。
水产品价格小幅上涨。水产品价格比前一周上涨0.4%。其中，鲤鱼、大带鱼、鲫鱼价格涨幅居前，分别上涨1.7%、1.7%和1.5%。
二、生产资料价格上升
上周，全国31个省（区、市）流通环节生产资料价格小幅上扬。其中，纺织原料、成品油、有色金属、化工原料、化肥价格上涨，煤炭、建材价格持平，木材、钢材价格下降。
化肥价格普遍上涨。农用化肥需求增加，下游采购积极性提升，化肥价格普遍上涨。上周化肥价格环比上涨0.3%。其中，氯化钾、磷酸二胺、三元复合肥和尿素分别上涨0.6%、0.5%、0.2%和0.1%。
有色金属价格小幅调整。节后市场交易依然清淡，有色金属价格小幅调整。上周铜价环比上涨1%，铅、锌、镍、锡、铝价格分别下降0.7%、0.5%、0.4%、0.1%和0.1%。
橡胶价格低位波动。橡胶主产区进入停割期，市场供应有所减少，但需求无明显改善，橡胶价格低位波动。其中，天然橡胶价格上涨0.1%，合成橡胶价格下降0.2%。预计后期橡胶价格仍将保持小幅震荡走势。
煤炭价格基本平稳。上周煤炭价格与前一周基本持平。其中，无烟煤价格上涨0.1%，动力煤价格基本与前一周持平，炼焦煤价格下降0.3%。下游电厂耗煤量维持偏低水平，库存量仍处于高位，预计煤炭价格将继续低位运行。
钢材价格回落。上周钢材价格环比回落0.3%，降幅与前一周持平。其中，等边角钢、工字钢、热轧带钢价格分别回落0.6%、0.5%和0.5%。2月中国制造业PMI为49.9%，较上月微幅回升0.1个百分点，但仍在荣枯线以下，预计钢材价格仍将低位震荡。
（商务部网站）
预报数据 篇11
在飞行试验任务中, 飞行器落点预报数据是对当前飞行状态的直观描述, 是对飞行器实施安全控制、飞行监视和落点预报的主要判决依据[2], 因此, 准确的预报飞行器落点信息是实时数据处理过程中的重要任务之一。本文基于飞行器的外测数据信息, 设计了一种较高精度的落点实时预报软件。
1 相关坐标系及定义
1.1 发射坐标系 (或叫做假定坐标系)
原点O:取在给定或交汇计算确定的空间点, 例如起飞点、点火点, 分离点等。
Ox轴:取在过O点的椭球体水平面内, 指向给定或计算确定的大地方位角或坐标方位角, 当考虑原点垂直偏差影响时, 取在过O点的椭球体切平面内。
Oy轴:过O点沿铅垂线指向上方, 当考虑垂线偏差时, 取过O点的法线指向上方。
zO轴:与Ox、Oy轴构成右手坐标系。
1.2 发射坐标系与地心坐标系之间的转换
(1) 发射坐标系到地心坐标系的转换。
(2) 地心坐标系到发射坐标系的转换。
速度:
其中:
其中L0, B0, H0分别为发射坐标系原点的大地经纬度和高程;TA为基准方位角;, 为总参考椭球体的长半径;e2=0.00669438499959为总参考椭球体的子午圈椭圆的第一偏心率。
2 落点实时预报软件设计
2.1 落点实时预报原理
落点实时预报的工作原理主要是利用从测量装备接收的实时外部测量信息, 由实时数据处理软件计算飞行器空间轨道、姿态数据, 并利用这些不断更新的信息实时计算飞行器落点值。计算时, 首先将飞行器的位置及速度转换为地心坐标系下相应信息, 然后根据据飞行器受力情况建立不同的受力模型[3], 选用龙格库塔法积分方法进行计算直到目标落地为止, 同时按照时间、计算精度等要求来进行修正。由于飞行器在做无动力飞行时其运动轨迹信息通常由GPS、雷达、光电经纬仪等多种外测装备测量信息融合获得, 因此落点计算的精度与测量装备的精度有关。
2.2 点实时预报软件结构
飞行器落点实时预报软件结构如图1所示。
2.3 落点参数计算模型
实时落点预报可将飞行器无动力段的运动视为质点运动, 运动轨迹方程的初值条件取飞行器瞬时点发射坐标系下的速度位置, 作为关机点或分离点时刻的运动参数。
计算公式为:
其中, , Cxd为飞行器在不同飞行马赫数下的气动阻力系数, 软件中采用线性插值方法进行赋值, r0为海平面大气压力、密度, Sdm为飞行器最大横截面积;md为飞行器质量, t*为飞行累积时间, Vx.Vy.Vz为发射坐标系中速度分量, x.y.z为发射坐标系中坐标分量, 分别为引力加速度、牵引加速度和柯氏加速度在发射坐标系各轴上的分量, 计算终止条件为飞行器落地 (或高度为零) , 积分计算方法采用龙格-库塔积分。
3 落点预测软件仿真显示
在设计的落点实时预报软件中, 以COM组件的形式封装软件系统主要算法, 包括落点计算、外测数据融合处理以及坐标计算等。为了验证提出方法的可行性和有效性, 采用实测数据进行分析。飞行器落点的参数有时间T、经度L、纬度B、在发射坐标系中的纵向分量Lx、横向分量Lz、纵向偏差△Lx和横向偏差△Lz。其中, 除时间T以外的所有参数均可表示为以时间T为自变量的函数。
实测数据采用的是某高空飞行器试验数据, 该次试验飞行距离为N>200 km, 计算时选取的时段为t0~t0+187 s (t0为起算时刻) , 实时落点计算周期为1s。经计算得到飞行器实时落点散布预报数据如图2所示。
4 结语
本文研究了基于飞行器外测数据位置和速度数据解目标运动方程和实时落点预测软件设计的方法。通过实测试验表明, 本飞行器预报落点软件计算精度较高, 在实际工作中具有一定的参考应用价值。
摘要：飞行器落点预报是根据飞行器当前所处的位置、速度、和姿态等信息, 确定其到达地面的时间、坐标位置及其他参数的数据[1]。当飞行器由于某种因素导致发动机关机或停止工作后, 飞行器本身依靠惯性飞行。本文通过对飞行器的无动力飞行段进行了详细的受力分析, 考虑大气动力影响, 对运动轨迹进行外推预测。综合利用纵向和横向的射程数据, 设计了一种较高精度的基于外测数据的飞行器落点实时预报软件。
关键词：外测数据,落点预报,实时
参考文献
[1]李连登, 朱丹.基于统计分析模型的飞行器落点预报方法[J].飞行器测控学报, 2014, 33 (1) :88-92.
[2]葛兵, 高慧, 等.基于经纬仪测量数据的落点预测方法研究[J].光机电信息, 2011, 28 (11) :38-42.