基于统计降尺度的黄河源区气象极值预测

针对全球气候变化对水文过程及极值事件的影响,在HadCM3的A2、B2情景下,应用统计降尺度模型(SDSM)预测了黄河源区未来气温、降雨和蒸发极值的变化趋势,并讨论了模拟效果。结果表明,模型对温度极值的捕捉效果不错,但降雨和蒸发略差,尤其是降水量、蒸发量较大的夏秋季。多数降水极值指标的变化趋势能成功模拟,而对量的捕捉能力是随指标变化的,黄河源区未来不同季节平均气温、蒸发的平均值、极值均呈增加趋势,最大持续干旱日显著减少,极端降雨强度在春秋季节大幅增加。这些变化将对高原寒区的水文及生态环境带来积极影响。     

统计降尺度法在黄河源区未来降水变化分析中的应用

利用统计降尺度方法对黄河源区的未来气候变化中可能产生的降水变化进行了模拟分析,采用黄河源区的10个水文站点共41a的日降水资料为预报量,以NCEP再分析资料和英国HadCM3模式的大气变量为预报因子,研究了黄河源区月降水的降尺度方法。结果表明:采用建立回归关系和逐步线性回归分析方法可很好地选出有效的预报因子;SDSM模型可有效模拟黄河源区月降水过程,但SDSM模型对降水模拟的量值偏小;在2021～2050年间,黄河源区的降水将会出现一个较大变化,夏季降水呈上升趋势,降水集中于8月附近,上半年降水减少更易发生干旱,下半年发生极端降水事件的频率增加更易发生洪水。     

IPCC-A2情景下我国21世纪风能变化的统计降尺度方法研究

利用全国500多个地面观测站1971～2000年共30年的逐日10m高度风观测资料以及IPCC 20C3M和A2情景下GEDL2.0和HADCM3模式模拟的1971～2000年和2051～2080年各30年的海平面气压场和500hPa风场资料,根据以风速Weibull分布二参数为基础的统计降尺度方法对我国未来风能变化进行降尺度分析.检验了统计降尺度方法对风能分布特征的分析能力以及其可用性,结果表明这种基于Weibull分布的统计方法在我国风能资源气候评估降尺度分析中是可用且合理的.同时分析了统计降尺度方法得到的我国未来风能变化分布特征,其结果显示在IPCC A2情景下,我国未来大部分地区的风能资源可能呈减小趋势,特别是东北地区;而新疆东部地区风能将有明显的增强.     

基于SMOPS降尺度的蒸发比估算研究

针对研究区土壤湿度观测资料匮乏、无法准确估算区域蒸发比的问题,提出一种完全基于遥感数据的陆面蒸发比模拟估算方法,选取美国南大平原地区2019年52个晴天的MODIS和SMOPS数据,利用特征空间框架下的地表能量平衡原理计算了M_(MTVDI),同时对SMOPS数据进行了粗分辨率的像元降尺度,最终得到1km分辨率下的土壤水分和蒸发比,并与站点数据进行了对比验证。结果表明,该方法可有效模拟出蒸发比的空间分布,并解释了蒸发比与其他影响因素之间的关系。     

基于GWR模型的海河流域地下水储量降尺度研究

利用GRACE重力卫星数据联合GLDAS数据反演可得到地下水储量变化,能够在大尺度范围监测研究区域内的地下水储量变化,但得到的数据空间分辨率仅有0.25°,在小尺度范围内难以应用。基于GRACE陆地水储量及GLDAS浅层地表水储量与降水、NDVI之间的空间关系,提出一种基于地理加权回归模型(GWR模型)的地下水储量变化的降尺度方法,将地下水储量空间分辨率降尺度到1 km。结果表明,GWR模型降尺度方法成功应用于海河流域地区,降尺度后的地下水储量数据变化与46个验证点实测地下水位数据的相关系数均大于0.6,模拟结果合理可靠。进而利用降尺度结果分析了海河流域与北京平原的地下水储量的时空变化特征,结果与现有数据高度吻合,表明基于GWR模型的降尺度方法能有效提高地下水储量变化数据的空间分辨率。     

基于GRACE重力卫星云南陆地水储量变化的降尺度分析

利用GRACE重力卫星数据反演得到陆地水储量变化,可监测大尺度区域水储量变化,但该数据空间分辨率低,在中小尺度上很难应用。基于GRACE陆地水储量变化和其他水文要素的关系,提出一种基于GRACE陆地水储量变化的统计降尺度方法,即将GRACE反演得到的空间分辨率为1°的水储量变化数据降尺度到0.25°,并运用地下水及土壤含水量的变化总量来验证降尺度之后数据的可靠性。结果表明,该统计降尺度方法成功应用于云南中部地区,降尺度后的水储量变化和实测的水储量变化的时间序列在三个验证监测点的相关系数均超过0.82,而相对误差低于5.5%,并利用降尺度的结果分析了2009年7月~2010年6月西南大干旱期间水储量及干旱的时空变化特征,发现统计降尺度方法可有效提高GRACE数据的空间分辨率,但也具有一定的不确定性。     

基于星地多源数据与GA-DNN模型的江苏省GPM产品降尺度研究

针对GPM降水产品低空间分辨率的缺陷,基于多源环境数据提取了表征区域地形、水汽、地表覆被、海陆位置等20个辅助变量,采用遗传算法(GA)提取最相关变量做为降尺度因子,运用深层神经网络(DNN)算法建立2019年江苏省GPM逐月产品的降尺度模型,并利用地面站点数据进行验证。结果表明,GA算法能很好地排除冗余信息、约简降尺度模型;基于地面资料的独立验证表明降尺度后数据的决定系数R~2介于0.43～0.93之间,相对误差M_(RE)在7.47%～23.77%之间,平均绝对误差M_(AE)、均方根误差R_(MSE)分别为2.18～26.84、3.23～29.54mm;与GPM原始产品相比,降尺度后的平均R~2增加了0.05,M_(AE)、R_(MSE)分别减小了1.44、2.04mm,M_(RE)降低了2.97%。提出的GA-DNN降尺度模型可为粗级降水产品的精细化提供技术参考。     

降水资料匮乏地区不同再分析数据降尺度效果的评价

匮乏的降水基础资料不利于分析研究天山西部区域,因此研究外源降水资料的适用性、校验及降尺度,可更好地服务于水资源的高效利用、提高洪水预报的精度及极端水文事件的应对能力等。基于现有的26个实测站点1979～2005年的日降水量数据、同期NCEP/NCAR、ERA-interim、CFSR和CanESM2数据,借助极限学习机法研究了资料匮乏地区降水降尺度及修正方法。结果表明,基于四种不同数据集所建立的统计降尺度模型基本上能够模拟各站点的降水时空分布情况;综合对比四种数据集,ERA数据模拟降水的效果最佳,但不同站点最佳的外源降水存在一定的差异;相较于比例缩放法,分位数映射法修正降水误差更能充分考虑降水的变异性,能有效地提高降水模拟精度。     

基于主成分分析与逐步回归法的降尺度预报模型及应用

全球气候模式(GCM)的空间分辨率较低,缺少趋于气候信息,很难精确预测区域尺度的气候变化,而统计降尺度法简单,可弥补此缺陷。结合NCEP数据和国家气象观测站的站点数据构建月平均降水量的统计降尺度模型,选取HadCM3、ECHAM5和CSIRO-Mk3.0模型的SRA2气候排放情景,并采用主成分分析及多元线性回归相结合的方法预测了淮河流域蚌埠上游地区未来30年的降水变化趋势。结果显示,检验期逐月降水量拟合结果较好,未来30年年平均降水量与基准年相比有上升的趋势。     

基于地理加权回归的吉林省微波土壤水分降尺度研究

微波遥感是土壤水分监测的重要手段,但微波遥感土壤水分产品的空间分辨率较低,难以满足区域尺度的应用需求。使用地理加权回归模型,以1 km MODIS产品的遥感地表温度(LST)和归一化植被指数(NDVI)作为辅助数据,将空间分辨率为9 km的SMAP被动微波土壤水分数据降尺度为1 km,利用吉林省地面实测土壤水分数据,对降尺度后的SMAP数据进行了精度验证。结果表明,该降尺度方法在吉林省适用性较好,降尺度结果与SMAP数据在空间分布上保持了较高的一致性,小幅度提高了SMAP数据的精度,显著提高了SMAP数据的空间细节和纹理特征。     

基于人工神经网络的钢铁冶炼终点预报模型

全面地综述了人工神经网络在“烧结-炼铁-炼钢(铁水预处理、转炉、电炉)-炉外精炼(LF精炼、RH精炼)”整个钢铁冶炼工艺过程的各生产环节中的终点成分和温度预报方面的开发应用工作。还简单讨论了人工神经网络与回归模型和专家系统的特性。人工神经网络技术在冶金过程终点预报应用方面具有广阔的应用前景。     

基于不同人工神经网络的CNG发动机排气温度预测模型研究

为了提高CNG发动机排气温度预测精度,基于BP、RBF和GRNN神经网络建立了3种排气温度的预测模型。开展了CNG发动机台架实验,测量了不同工况条件下发动机的排气温度,利用实验值对模型进行训练,并预测了不同发动机转速、空气进气量、点火提前角等条件下的排气温度,将预测值与实验值进行了对比分析,评估了不同预测模型的准确性。结果表明:BP、RBF和GRNN 3种神经网络的误差分别为3.5%、2.8%和3.1%。RBF神经网络的预测误差比BP和GRNN神经网络的误差小,稳定性强,更适合CNG发动机的排气温度预测。     

基于气象因素的短期电力负荷ANN预报模型

提出了一种基于气象因素,利用人工神经元网络进行电力系统短期负荷预报的方法,该方法比较全面地考虑了气象因素对电力系统负荷的影响,操作方便,易有,仿真计算和实例预报结果表明,预报准确较高。     

西安市供水水库群优化调度函数的神经网络求解方法

水库群联合优化调度函数的传统求解方法难以表示出水库调度决策变量与影响因子间的非线性关系,也不能很好地反映水库之间的相互关系。用改进ＢＰ网络可弥补这方面的缺陷。将该方法用于寻求西安市城市水源供水的三个水库的联合优化调度函数,结果表明,该方法行之有效,且应用简便。     

用于制冷机组性能分析的神经网络模型

本文建立了制冷机组性能神经网络模型，并用测试数据进行了训练。结果表明，人工神经网络方法是分析制冷机组性能的一种有效途径。     

基于模糊识别神经网络的淮北市水质综合评价

人工神经网络和模糊识别理论作为模拟生物体的信息处理系统。在实践中得到广泛的应用。结合二者的优点构造了模糊人工神经识别网络,并将其运用于淮北市水质的综合评价中。利用淮北地表水观测资料,对该市水质进行了较为客观地评价,为水环境治理及水资源保护提供了科学、客观的依据。     

昭平台水库调度函数的人工神经网络模型

根据昭平台水库综合利用特点，建立了水库调度函数的人工神经网络(ANN)模型，并与多元线性回归模型进行了对比。研究结果表明，ANN模型能够更好地反映水库月末水位与影响因素(水库月初水位、来水量、灌溉用水量)问的复杂非线性关系，而且水库实时调度结果多年均值接近多年平均最优情况。