“列车效应”识别及预报方法

提出了一种对“列车效应”进行识别和预报的新方法,该方法首先从“列车效应”历史样本的雷达反射率图中寻找整体带状回波的规律,提取单体回波的特征,并利用基于粗糙集理论的数据挖掘技术寻找隐含在单体回波特征中的有用知识,从而建立“列车效应”识别客观模型。然后利用该模型分别从整体和局部的角度对预处理后的实时天气状况进行识别。对于识别出的“列车效应”,利用整体带状回波的移动距离和旋转角度以及单体回波的面积变化和Hu矩进行跟踪。最后,利用相邻时刻“列车效应”的相关数据,建立云团族谱关系,通过云团的运动惯性对“列车效应”进行外推预报。实验结果表明：“列车效应”正确识别命中率是82.77%,能准确地预报出“列车效应”在6 min和12 min后的情况。该方法科学有效,有助于减轻“列车效应”灾害天气造成的损失。     

哈尔滨机场雷暴分析预报系统的研制及应用

作者充分利用现有气象设备,采用多种高级编程语言,研制哈尔滨机场雷暴分析预报系统,其中利用现有气象信息网资源,实现初始数据自动读取和综合分析处理;采用相似分析技术,实现雷暴天气形势的自动相似判别;利用天气学方法和数理统计法,建立集成分析预报模式,实现0-24h雷暴概率短期预报;基于天气雷达回波,采用交叉相关算法,实现0-1h强对流临近预报预警。经应用表明,该系统运行及预报预警情况均达到了预期效果。     

一种雷达回波外推短临预报方法仿真

雷达回波外推结果是短临预报的基础,为获取准确短临预报内容,并提升预报内容的时效性,研究基于循环动态卷积的雷达回波外推短临预报方法.在动态卷积神经网络的基础上,参考循环神经网络结构特性,构建循环动态卷积神经网络,在卷积层内引入循环结构,生成外推雷达回波图像同过去一段时间内输入雷达回波图像序列间的相关性.在循环动态子网络内...     

强跟踪粒子滤波算法及其在故障预报中的应用

粒子退化和对突变状态的跟踪能力差是粒子滤波在故障预报应用中存在的主要问题. 再采样粒子滤波虽可缓解粒子退化, 但易导致样本贫化; 扩展粒子滤波也可在一定程度上解决退化问题, 但难以跟踪突变状态. 本文提出了强跟踪粒子滤波算法, 将强跟踪滤波引入粒子滤波更新粒子, 产生重要性密度, 缓解粒子退化和样本贫化问题, 提高跟踪突变状态的能力. 仿真结果显示该算法可行并能及时准确地预报系统故障.     

一类非线性时变结构系统的辨识方法和预报器

本文对一类非线性时变结构系统,给出一种新型的递推梯度法和结构适应式自校正递推预报器.这种算法能自动改变模型的结构.通过油田预报实践,表明这种预报器能跟踪系统结构性变化,从而提高变结构系统预报的精度.     

基于Halo注意力机制的双阶段临近降水预报网络

先前基于深度学习进行临近降水预报的方法试图在统一架构中建模雷达回波的时空演变,然而,这些方法可能难以完全捕捉到这种复杂的时空关系.本文提出了一种基于Halo注意力机制的双阶段临近降水预报网络,该网络将降水预测的时空演变过程分为运动趋势预测和空间外观重建两个阶段.首先,可学习光流模块对雷达回波的运动趋势进行建模并生成粗略的预测结果.其次,特征重建模块对历史雷达回波序列的空间外观变化建模并对粗粒度预测结果的空间外观进行特征细化重建,生成精细的雷达回波图.通过在CIKM数据集上的实验表明,本文所提出的方法与主流方法相比,平均的海德克技能得分和关键成功指数分别提高了4.60%和3.63%,达到了0.48和0.45;结构相似性提高了4.84%,达0.52;均方误差降低了6.13%,达70.23.     

基于区域模板匹配的多目标实时跟踪

研究视频目标实时跟踪问题,在智能视频监测系统中,对运动目标的跟踪是后续工作的基础.为了实时准确地跟踪多运动目标,提出一种基于改进帧间差分与区域模板匹配相结合的快速运动目标跟踪方法.根据改进的帧间差分法找到运动目标的所在的区域,建立相应的搜索区域,采用目标模板逐个与搜索区域进行匹配,匹配到目标后对其进行标记,并且对相应的目标模板进行更新,从而实现多个目标的跟踪.对三个目标进行跟踪平均的第Ι类错误率为11.11%,结果表明,改进方法能够比较有效、实时地对多个运动目标进行跟踪.     

基于多Agent的洪水预报系统研究

在分析洪水预报方法及研究进展的基础上,提出了一种基于多Agent(Multi-Agent)新型体系结构的洪水预报系统模型,给出了系统的整体结构及预报节点MAS结构.简要介绍了界面Agent、管理Agent、信息Agent的地位、功能和设计方法,并详细研究了预报Agent的结构、算法设计.针对所提出的系统模型及预报方法,结合渭河流域实例数据进行了预报与分析.结果表明了该系统的有效性.     

电力系统负荷的分解建模及预报方法

本文依据电力系统负荷变化的非平稳性,提出分解建模及预报方法,推导出建模及预报公式,并成功地应用于黑龙江省电力系统的负荷预报.     

基于随机摄动粒子滤波器的故障预报算法

针对粒子滤波算法在故障预报中的大计算量和粒子退化问题,提出一种基于随机摄动粒子滤波器的故障预报算法.当粒子退化严重时,对粒子用随机摄动方式进行再采样,一方面可改进样本的多样性,缓解粒子退化;另一方面可缩短再采样时间,减少计算量,从而提高粒子滤波算法的跟踪能力.仿真结果表明该算法可行,能及时准确地对系统故障进行预报.     

沙尘暴综合预报系统中场特征提取方法的研究

沙尘暴天气频繁发生,严重干扰和影响着人们的正常生活,对社会经济和生活环境均造成一定程度的危害.根据沙尘暴天气的成因及特点,在分析现有特征提取方法弊病的前提下,提出了ANN沙尘暴综合预报系统场特征提取方法.首先进行距平运算数据预处理,获取沙尘暴成因物理场样本;然后利用论文方法进行场特征提取.在此基础上,借助综合预报思想构建并实现了遗传ANN沙尘暴预测系统.仿真结果表明,论文所研究的场特征提取方法在提高沙尘暴预报的准确率方面做出了较大的贡献.     

Development of a recurrent Sigma-Pi neural network rainfall forecasting system in Hong Kong

At the moment, weather forecasting is still an art — the experience and intuition of forecasters play a significant role in determining the quality of forecasting. This paper describes the development of a new approach to rainfall forecasting using neural networks. It deals with the extraction of information from radar images and an evaluation of past rain gauge records to provide shortterm rainfall forecasting. All of the meteorological data were provided by the Royal Observatory of Hong Kong (ROHK). Preprocessing procedures were essential for this neural network rainfall forecasting. The forecast of the rainfall was performed every half an hour so that a storm warning signal can be delivered to the public in advance. The network architecture is based on a recurrent Sigma-Pi network. The results are very promising, and this neural-based rainfall forecasting system is capable of providing a rain storm warning signal to the Hong Kong public one hour ahead.     

机载光电跟踪平台脱靶量滞后的补偿方法研究

提出一种基于卡尔曼滤波的光电跟踪脱靶量滞后脱靶量补偿方法;在高精度光电跟踪设备中,光电跟踪器输出的脱靶量在时间上存在滞后,严重影响复合控制中的跟踪目标精度,使得跟踪存在较大滞后;为了在复合控制中能够得到更精确的目标速度信息,引入了kalman预测滤波技术,通过预测飞行物体的运动轨迹,进而提前进行方向预判,从而提高了跟踪精度;仿真试验表明,通过预测外推可以比较精确地预测目标运动速度,跟踪滞后性得到有效弥补。     

基于卡尔曼滤波和TITAN路径的雷电预警

雷电灾害是一种常见的自然灾害,受其发生的随机性、瞬时性、地域性影响,预警预报具有一定的难度;为提高雷电短临预报的准确性和及时性,文章提出了一种新型的基于clique聚类识别和卡尔曼滤波算法进行雷电识别及追踪外推的方法,并在自主开发的广州市雷电监测预警系统中采用该算法和传统的雷暴识别、跟踪、分析路径算法(TITAN)分别实现了未来1小时逐6分钟(即6、12、…、60 min)的雷电路径预报;通过2020年5月至10月广州地区闪电定位数据对两种算法的检验分析表明:两种算法基本性能接近,均能有效识别、追踪和预测出大部分雷暴移动路径,且经过优化的新算法在各时次的预测命中率上均已优于传统基于TITAN风暴路径的预测算法,对于提高雷电临近预报的准确性有一定参考价值。     

沿海风暴潮预警预报与灾情评估系统研究

台风是一种严重的自然灾害,引起的风暴增水会对沿海城市产生较大危害,快速准确的风暴潮预警预报及灾情评估是当前研究的热点和难点问题。结合实际业务需求,借鉴类似系统的开发模式,设计提出适用于沿海风暴潮预警预报与灾情评估系统的总体架构,开发预报与评估系统前端主要功能和服务器端相关功能组件,并在广东省进行应用部署。应用结果表明,预报和评估系统实用性和可操作性强,可为沿海防汛部门在台风期的防台会商决策提供强有力的技术支撑。     

基于高阶累积量的最大似然估计方法及其应用

讨论了高距离分辨率制导雷达的近距角闪烁抑制问题,提出了利用超分辨谱估计算法对混叠在同一距离分辨单元内的两个或多个散射中心进行离析,然后采用最大似然估计方法分别估计各个散射中心谐波分量幅度与相位信息的新方法.实验结果表明,该方法能够有效克服目标多散射中心之间的干涉现象,为解决末制导过程中目标的稳定跟踪问题提供了一种有效途径.     

航天器GNC系统单脉冲雷达闭环仿真方法研究

单脉冲雷达是航天器GNC系统中对目标测量的关键设备,在GNC系统闭环仿真中需要将雷达实物接入系统半实物仿真回路,针对现有的雷达闭环接入方式存在的如场地需求大、设备需求多等缺点,提出了一种射频模拟和星地同步角闭环跟踪闭环仿真方案。方案实现简单,设备需求小,对试验环境要求(如微波暗室)少,可适用多种场合。试验表明,上述方案合理可行,目标模拟精度高,能够满足雷达正常跟踪目标,连续稳定输出测量数据的需求,实现雷达在环的导航和制导控制半实物仿真验证。     

基于递归神经网络的风暴潮增水预测

风暴潮增水的准确预测能极大地减少人员伤害和经济损失,具有重要的实用价值。传统的风暴潮预报方法主要包括经验和数值预报,很难建立起相对准确的模型。现有的基于机器学习风暴潮预报方法大都只提取出静态数据间的关系,并没有充分挖掘出风暴潮数据背后的时序关联特性。文中提出了一种基于递归神经网络的风暴潮增水预测方法。本文对风暴潮时序数据进行特定的处理,并设计合适结构的递归神经网络,从而完成时序数据的预测。相较于传统的BP神经网络,递归神经网络能更好地应对时序数据的预测问题。将该方法用于潍坊水站的增水预测中,结果表明,相对于BP神经网络,递归神经网络能得到更好的预测结果,误差更小。     

跟踪雷达自适应带宽的数控伺服系统

介绍了以步进电机为执行元件的跟踪雷达伺服系统。该系统利用数字信号处理芯片精确控制系统的二维运动速度,可以在稳定安全的开环控制情况下实现较高的运动目标追随闭环控制精度。由于此跟踪雷达伺服系统实现数字化的控制,可以根据角度定向灵敏度性能,将目标跟踪经验公式和模糊控制原理方便的结合起来,达到系统带宽和跟踪精度的最佳状态。     

基于可观测度评价的雷达系统误差估计

系统误差估计是雷达组网融合跟踪系统的重要环节,而可观测度又是决定误差估计效果的关键因素.通常情况下,可观测度难以定量描述,直接衡量系统的估计性能也就不易实现.提出了一种间接的方法评价系统的可观测度,并根据评价的结果判定估计的精度.对于可观测度较低的情况,改进了基于EKF的系统误差估计算法,提高了估计的精度.仿真实验表明,方法不仅能够有效评价系统的可观测度,并且在低可观测度条件下,改进算法的误差估计精度明显优于原有算法.