简介:根据安全网络的要求,利用先进的网络安全技术与设备,针对大连市气象局局域网在网络结构、网络安全方面存在的问题及隐患,提出网络系统改造方案及加强网络安全的措施:网络改造方案中采用子网划分技术重新规划网络结构,实现子网划分;针对可能存在的内、外部网络攻击,部署了多层次防线,对边界防毒和应用服务器防毒及客户端防毒均作了相应的部署。采用虚拟专用网络(virtualprivatenetwork,VPN)技术、虚拟局域网(virtuallocalareanetwork,VLAN)技术、网络版病毒防护软件、网关防毒产品、防火墙技术和物理隔离等多种专业网络安全产品,构建整体安全网络系统。实施后表明:网络安全得到保障,网络通信质量显著提高,达到了建设安全、畅通、高速局域网络的目的。
简介:根据2002—2007年北京朝阳医院逐月慢性阻塞性肺病(COPD)入院患者例次和北京朝阳气象站同期逐月地面气象资料,利用统计方法,进行相关分析,旨在探讨慢性阻塞性肺病与气候因素、气候变化的关系,分析人类免受不利气象条件的影响,利用有利的气象条件和气候资源增强体质,预防疾病。结果表明:慢性阻塞性肺病与气温、相对湿度、气压和风速等气象因子有密切的相关性,当平均温度大于等于19.5℃时,慢性阻塞性肺病的发病例数较低;当平均温度小于19.5℃时,发病例数较高。当平均相对湿度大于等于53%时,慢性阻塞性肺病的发病例数较低;当平均相对湿度小于53%时,发病例数较高。当平均气压大于等于1009hPa时,慢性阻塞性肺病的发病例数有升高的趋势;当平均气压小于1009hPa时,有下降的趋势。当平均风速大于等于3.0m/s时,慢性阻塞性肺病的发病例数较高;当平均风速小于3.0m/s时,发病例数较低。慢性阻塞性肺病发病的高发期相对于风速极大值滞后15d。慢性阻塞性肺病发病存在着明显的月际变化和年际变化,从月际变化曲线来看,慢性阻塞性肺病发病最高例数出现在4月,最低例数出现在7月;从年际变化曲线来看,慢性阻塞性肺病发病例数有逐年升高的趋势。根据气候变化、季节变化对慢性阻塞性肺病进行预测预防,以减少慢性阻塞性肺病的发生,可为该病的气象预报预警提供参考。
简介:江西省地处亚热带湿润季风气候区,是暴雨天气多发区。根据资料统计表明,我省5~8月的大暴雨过程平均超过13次,具有发生机率高、强度大、覆盖面广的特点,因此破坏性大,成灾率高。暴雨引发的洪水灾害平均每两年就有一次。八五期间,我省有四年出现了严重的洪涝灾害;其中1995年出现了百年一遇的洪涝灾害,对我省的工农业生产、交通运输和人民的生命财产安全造成了极其严重的影响,直接经济损失高达180亿元。因此,加强暴雨监测通信预报服务系统的研究及建设,对于减轻暴雨灾害,振兴地方经济有着十分重要的意义。了严重的洪涝灾害;其中1995年出现了百年一遇的洪涝灾害,对我省的工农业生产、交通运输和人民的生命财产安全造成了极其严重的影响,直接经济损失高达180亿元。因此,加强暴雨监测通信预报服务系统的研究及建设,对于减轻暴雨灾害,振兴地方经济有着十分重要的意义。
简介:利用张掖国家湿地公园冬季水域结冰厚度观测资料和张掖观象台的气温、地温气象资料,运用统计学方法和BP神经网络方法建立了张掖国家湿地公园水域结冰厚度预报方程。通过对不同的预报方法进行预报效果验证,该结冰厚度的预报模型能够对结冰厚度有比较理想的预报效果,流动水域结冰厚度预报历史拟合率分别为:80.6%(多元回归)、74.6%(逐步回归)、100%(BP神经网络);模型试报准确率分别为:72.7%(多元回归)、72.7%(逐步回归)、81.8%(BP神经网络)。静止水域结冰厚度预测历史拟合率分别为:76.9%(多元回归)、71.8%(逐步回归)、93.5%(BP神经网络);模型试报准确率分别为:76.0%(多元回归)、72.0%(逐步回归)、84.0%(BP神经网络)。结果表明:多元回归方法优于逐步回归方法,而BP神经网络又明显优于传统的统计学方法,数据显示该结冰厚度的预报模型能够对结冰厚度有较好的预报效果,预报模型能够对水域结冰厚度进行有效的短期预报,其性能指标符合实际要求,具有很好的实际应用价值。
简介:将BP(BackPropagation)神经网络方法引入到奥运空气质量预报工作中,利用MATLAB神经网络工具箱搭建运行平台,将高时效性的观测结果与多模式集成实时预报系统的模式输出结果相结合,做出BP神经网络拟合预报结果。在对北京大学医学部站点2008年7月7日到8月26日模式模拟结果、观测结果以及BP神经网络拟合结果的对比研究中发现:BP神经网络能大大提高模式预报效果,平均误差率减少34.7%,相关系数提高39%,特别是在模式模拟效果较差的情况下,对提高预报效果更明显。对BP神经网络样本问题进行敏感性实验结果表明,样本数目多少并不是决定拟合效果的决定性因素,应选取具有稳定映射关系的样本,才是提高拟合预报效果的关键。
简介:利用1961-2002年ERA-40逐日再分析资料和江淮流域56个台站逐日观测降水量资料,引入基于自组织映射神经网络(Self-OrganizingMaps,简称SOM)的统计降尺度方法,对江淮流域夏季(6-8月)逐日降水量进行统计建模与验证,以考察SOM对中国东部季风降水和极端降水的统计降尺度模拟能力。结果表明,SOM通过建立主要天气型与局地降水的条件转换关系,能够再现与观测一致的日降水量概率分布特征,所有台站基于概率分布函数的Brier评分(BrierScore)均近似为0,显著性评分(SignificanceScore)全部在0.8以上;模拟的多年平均降水日数、中雨日数、夏季总降水量、日降水强度、极端降水阈值和极端降水贡献率区域平均的偏差都低于11%;并且能够在一定程度上模拟出江淮流域夏季降水的时间变率。进一步将SOM降尺度模型应用到BCCCSM1.1(m)模式当前气候情景下,评估其对耦合模式模拟结果的改善能力。发现降尺度显著改善了模式对极端降水模拟偏弱的缺陷,对不同降水指数的模拟较BCC-CSM1.1(m)模式显著提高,降尺度后所有台站6个降水指数的相对误差百分率基本在20%以内,偏差比降尺度前减小了40%-60%;降尺度后6个降水指数气候场的空间相关系数提高到0.9,相对标准差均接近1.0,并且均方根误差在0.5以下。表明SOM降尺度方法显著提高日降水概率分布,特别是概率分布曲线尾部特征的模拟能力,极大改善了模式对极端降水场的模拟能力,为提高未来预估能力提供了基础。