简介:简要介绍了精细化天气预报和气象数据挖掘应用的现状,在对BP神经网络预测方法详细分析的基础上,研究了基于时间序列数据挖掘实现精细化温度预报的方法。该方法基于时序分析技术,建立起适合于BP神经网络的输入样本模型,通过反复学习从温度时序中建立预测模型,将其用于未来24h的精细化温度预报。同时,对BP神经网络算法和步骤做了简要介绍,针对原有的BP算法存在的不足,做了一些改进。最后,通过对预测挖掘系统的设计和在Matlab6.5仿真平台上的试验,建立了温度预报模型,以兰州市观测站数据为时间序列研究对象,对精细化温度预报进行了仿真实现。对基于时序的数据挖掘理论的应用和开发精细化温度预报方法做了有益的探索。
简介:利用Matlab二次开发编制teqcplot程序模块,实现质量检查结果的图形显示和可视化查询,将GPS观测数据中存在的电离层延迟和多路径效应的影响定量地表示出来,提高了数据处理的工作效率。并用实测数据进行验算,根据检查结果对GPS观测数据进行相应的处理,通过对比分析结果表明,经TEQC预处理后的观测数据,有效地提高了GPS基线解算的质量。
简介:为提高数值求解大气方程的速度,研究了预处理JFNK(Jacobian—FreeNewton—Krylov)方法及其在大气方程中的应用。这是一种非线性外循环Newton迭代与线性内循环Krylobv迭代相结合的快速算法,其优点是进行外循环Newton迭代时不要求Jacobian矩阵的形成和存储;它的有效性取决于内循环中线性系统的预处理。首先介绍了JFNK算法,然后以浅水波方程为例,描述了非线性残值的形成、预处理矩阵的构造及其在JFNK算法中的应用。试验结果表明:对内循环线性系统进行适当的预处理,能大幅度提高JFNK算法的运算速度。因而,JFNK是一种值得在大气方程中推广应用的方法。