台风中心定位中的螺旋线自动识别算法

本文是台风中心定位系统的核心算法，运用图象处理和模式识别技术进行云图螺旋线特征提取，得到有螺旋线特征的曲线段，最后运用曲线拟合技术进行螺旋线拟合定解决了台风中心定位依靠于工操作加工经验的判定方式而使台风预报准确偏低的问题，提高了台风预报的速度和精度。     

气象云图网络共享软件的开发与应用

传统的气象云图应用系统是利用一台计算机接收云图，并且只能在1台计算机上显示。通过快速搜索算法找到最新气象云图文件，利用图形转换控件可将BMP图形转换为JPG图形，将其发布到局域网的其他计算机上显示。文中对安康水调自动化气象云图网络共享的方案及软件功能进行了介绍。     

云图书馆中“基础设施即服务”模式的安全研究

云计算环境下的数字图书馆具有支持大量资源共享、具备强大计算能力等特点,但同时也因其支持多用户共享资源而带来了诸如存储数据被还原篡改、信息隐私泄露、通信数据被窃听等等安全问题。其中,以虚拟化技术为关键技术的"基础设施即服务"(IaaS)模式亦如此。鉴于此,论文从服务提供商、租赁用户、服务提供商和租赁用户间供求关系的角度出发,探讨了云图书馆服务架构中IaaS模式的资源共享安全问题,并提出了相应的安全策略。     

利用密度聚类支持向量机的气象云图云检测

为了提高气象云图云检测的判识精度和计算效率,提出一种基于密度聚类支持向量机(DC-SVM)的云检测方法。分析了MTSAT气象云图的特征提取和选择方案,建立了云和下垫面的分类样本集;在SVM学习中,通过引入样本集的纯度及充足度,选择关键样本,减少了噪声和异常样本的干扰,从而降低了计算复杂度,提高了分类精度。实验表明,该算法的分类正确率较BP神经网络及传统SVM的方法分别提高了2.54%和0.21%,训练时间及测试时间也明显减少;而且,该方法还克服了传统云检测方法需要根据先验知识确定阈值的缺点,检测结果与人工解译结果基本吻合。     

双叶片直线翼垂直轴风力发电机流场特性分析

针对双叶片直线翼垂直轴风力发电机的流场复杂多变的问题,采用k-ω(SST)湍流模型进行数值模拟,展开了对垂直轴风力发电机流场特性的分析,建立了风速与位置的关系,得到了风速最低位置以及风速恢复区域.研究结果表明,三维CFD仿真所得数据与风洞试验数据虽然有所偏差但对于研究垂直轴风力发电机的流场特性影响较小;通过对垂直于z轴截面和垂直于x轴截面的风速云图分析得出:低风速区域不关于x轴对称,其偏向于y轴负半轴;利用风速值曲线定量得出随着x/R的增大,低风速区的面积逐渐扩散,其值先减小后增大.这为建立垂直轴风力发电厂建立基础.     

基于互信息F统计量特征选择技术的地基气象云图分类

在地基气象云图的云状(云类)识别研究中,基于局部二值模式(Local Binary Pattern,LBP)描述子的特征选择技术由于它的简单性和有效性成为最通用的方法.然而,LBP特征的高维特性使得云状识别的性能和计算开销不能令人满意.为此,本文提出一种基于互信息构造的F检验统计量的LBP特征选择算法,可以实现高维LBP特征的有效降维,同时保证云状识别的准确性,极大减少了特征选择过程的计算开销.     

基于聚类分析和关联规则的降雨分析与实现

随着数字图像处理技术的发展,多角度、深层次挖掘卫星云图数据信息己成为一种必然发展趋势。根据卫星云图的特点应用了多种图像特征提取算法,包括图像的一、二阶距,分形维数特征和灰度梯度共生矩阵等算法。给出了K—means的改进算法,算法的出发点是确保发现聚类中心的同时使同一类内的相似度大,而不同类之间的相似度小。文中又引入了“事务模式”这一全新概念,基于它对Apriori算法改进后,算法用于云图和雨量数据间的关联规则挖掘,不仅获得了较好的实验结果,也满足了效率需求。     

基于过采样和随机森林的高压隔离开关发热故障诊断

云团运动的不确定性使得光伏系统输出功率较难准确估计,从而影响新能源并网的可靠性和经济性。为了有效利用卫星的云观测数据,提出了基于云图特征的超短期光伏发电功率预测模型。利用卷积神经网络对卫星云图进行特征提取,且和通过相关性分析后的4种气象特征进行融合,作为光伏发电功率预测模型输入。在此基础上,通过卷积神经网络解析这些特征之间的空间联系,并使用长短期记忆网络实现对光伏输出功率的时间序列预测。此外,考虑到一个自然日中不同时段数据对预测影响不同,引入多头注意力机制来确定关键时间点与关键特征,由此进一步提高所提模型精度。使用光伏电站实际数据以及对应的卫星云图和天气数据,对所提模型的预测效果进行验证。算例分析结果表明,该模型预测精度高且时效性好,特别对于正午辐照较大以及云团运动波动剧烈的时段,模型仍能保证较高的预测精度。     

基于机器学习的地基云图分类研究进展

基于机器学习的地基云图分类是光伏发电功率预测的关键技术。该技术主要通过传统机器学习和深度学习方法对地基云图特征提取提升地基云图分类准确率。全文归纳了地基云图分类标准和云图采集设备;简要介绍了地基云图分类数据集;从传统机器学习和深度学习两方面详细论述了典型的地基云图分类方法;比较了不同方法在Kiel F和MGCD地基云图分类数据集上的性能;最后对现有地基云图分类方法进行了总结,并针对目前地基云图分类面临的挑战进行了展望。