说明     

《时间频率公报》2016,(4):1

正中国科学院国家授时中心承担国家的授时任务,保持着我国高精度的原子时基准,负责目前由国家授时中心(NTSC)、上海天文台(SO)、北京天文台(BAO)、测量与地球物理研究所武昌时辰站(WTO)和北京无线电计量测试研究所(BIRM)共同组成的我国综合原子时TA(JATC)的归算工作,通过专用长、短波授时台发播我国的标准时间与标准频率信号,并通过本刊向用户提供广泛的授时业务信息。  相似文献   

夏季亚洲阻塞高压识别及其对中国东北气候异常的可能影响:不同再分析资料对比          下载免费PDF全文

刘刚  徐士琦  廉毅 《气象学报》2019,77(2):303-314

基于阻塞高压（阻高）客观识别方法,利用1979-2016年夏季（6-8月）NCEP-Ⅰ、NCEP-Ⅱ逐日再分析资料和ERA-interim逐6 h再分析资料对识别结果进行对比分析;并以D类（130°-160°E）阻高为例,讨论其对6月中国东北地区气候的可能影响。结果表明:NCEP-Ⅰ和NCEP-Ⅱ再分析资料对阻高活动天数、发生频次及年代际变化的识别结果差异较小,而ERA-interim与前两种资料的结果差别较大。3种再分析资料下,夏季各类阻高活动天数均与500 hPa高度场存在相应的显著相关区,且形态相近。但前两种资料对于各类阻高的表征结果较为一致,而ERA-interim再分析资料对各类阻高面积和范围的表征偏小。6月D类阻高活动日数与东北地区气温和降水关系密切,D类阻高活跃年,大气环流以经向型为主,东北地区低层低温、暖平流,高层高温、冷平流的结构指示大气层结不稳定,且东北上空为异常低压环流控制,上升气流较强,有利于6月东北地区出现低温多雨天气。鄂霍次克海地区是6月罗斯贝波的重要来源地之一,而6月D类阻高的形成可能与海-陆温差有关。   相似文献   

人工智能在冰雹识别及临近预报中的初步应用   总被引：1，自引：0，他引：1       下载免费PDF全文

张文海  李磊 《气象学报》2019,77(2):282-291

基于广东10部S波段多普勒天气雷达的三维拼图资料,利用机器学习技术开发了一种冰雹识别和临近预报的人工智能算法。算法设计时以雷达回波反射率的垂直和水平扫描数据为基础训练集,将冰雹云的雷达反射率扫描数据作为正样本,将其他雷达反射率扫描数据作为负样本,通过贝叶斯分类法对正、负样本数据集进行机器学习,训练人工智能识别冰雹云内在规律的能力。训练时以广东省2008-2013和2015-2016年的数据作为训练集,使用了2014年广东省12次冰雹过程的数据做检验。对比检验的结果表明,人工智能法比传统的概念模型法击中率高9个百分点。研究结果表明了人工智能对冰雹这类非线性强天气过程具有较强的识别能力。   相似文献   

台风“摩羯”与“温比亚”环流中龙卷小尺度涡旋特征及可预警性分析          下载免费PDF全文

刁秀广  孟宪贵  张立  任钟冬  赵海军 《山东气象》2019,39(3):19-28

利用多普勒天气雷达探测资料,结合常规气象观测资料和天气实况及灾情调查,对2018年8月14日台风“摩羯”（1814）和8月19日台风“温比亚”（1818）产生龙卷的环境物理量及龙卷风暴强度结构特征进行了分析,对诱发龙卷和未诱发龙卷的小尺度气旋性涡旋特征进行了对比。结果表明：两次台风减弱低压东北象限是龙卷发生的关键区,低层高湿,强的低层垂直风切变和大的相对风暴螺旋度是关键物理量;龙卷出现时都伴有ΔV＞20.0 m·s-1的小尺度气旋性涡旋,且基本出现在2.0 km高度以下,但并不是所有这种低层小尺度气旋性涡旋都能诱发龙卷;以ΔV＞20.0 m·s-1为阈值,龙卷识别具有较高的命中率,识别准确率为31.8%,空报率为67.4%,漏报率为6.7%;约35.7%的龙卷没有识别时间提前量,半数龙卷几乎没有预警时间提前量。  相似文献   

内蒙古冬季极端多雪气候事件环流演变特征及季节预测信号     

高涛  乌兰  司瑶冰  关彦如  杨泽龙  任晓萌  张晓梅 《内蒙古气象》2019,(1):3-8,I0002

文章研究关注了内蒙古冬季极端多雪气候事件的季节预测问题,在对大量降水观测资料、海温及大气环流场资料进行统计、分析、研究的基础上,确定了历史上58a(1960—2017年)内蒙古冬季极端多雪和少雪气候事件样本,通过对大气环流场的对比分析发现极端多雪或少雪冬季环流场特征显著不同,分析后确定了影响内蒙古冬季降雪的主要环流系统,包括西太平洋副热带高压、极涡、东亚大槽、环流E型及南方涛动等系统。同时,探索了对这些主要环流系统具有预测意义的来自海洋和大气场的预测信号,对预测信号关键区做了标准化定量提取,确定了预测信号综合指数分段判别阈值,给出了预测概念模型,取得了较好预测效果。  相似文献   

基于脑电信号评价情绪状态及听觉激励对改善情绪的研究     

王慧  邱义波  骆永乐 《南京气象学院学报》2019,11(2):158-164

如何从脑活动数据中发现具有生物学意义的知识及规律,正成为当今神经信息学理论与实践研究的热点与难点.基于脑电的情绪识别和情绪及其脑机制的关联研究已经成为神经工程和生物医学工程领域的热门课题.本研究基于脑电信号评价情绪状态,尝试借助脑电耳机来监测"毫无头绪"的脑电波,重点开展了听觉激励对改善焦虑情绪状态的实验研究.借助特定中国古风纯音乐产生听觉信号激励,激发出被试者平静放松的情绪状态,从而改善焦虑,发现音乐和情绪之间可能存在的关系.将来在BCI技术研究的基础之上,情绪识别可以进一步满足患有特定疾病（ALS症、脑瘫、脑干中风、脊髓损伤等）的患者人群的某些更高级的需求,即通过脑电分析出其对事物的喜好度,比如音乐的选择,从而设计出更加友善和智能的BCI系统,在医疗康复领域具有很好的应用前景.  相似文献   

基于S-LSTM模型利用‘槽值门’机制的说话人意图识别     

王子岳  邵曦 《南京气象学院学报》2019,11(6):751-756

对说话人意图的识别极大地推进了自然语言理解任务的发展.之前的工作大多采用Bi-LSTM即双向LSTM模型进行词汇特征与词汇之间语义关系的提取,但这并不能很好地使句子整体和构成句子的词汇个体之间的信息进行交流.而S-LSTM（Sentence-state LSTM）模型,即句子状态LSTM模型可以很好地将自然语言中句子整体与词汇个体的信息相结合,以便于我们挖掘与利用意图检测与槽值填充之间的关系成立联合模型来更好地理解应答系统中蕴含的语义.因此,本文引入了‘槽值门’机制解决S-LSTM应用于意图检测与槽填充的联合任务时最新迭代时刻的句子状态信息没有得到充分利用的问题.最终的实验结果在ATIS数据集和Snips数据集上均取得了优于目前最先进算法的结果.  相似文献   

基于不同邻近标签数选择的LANDMARC定位算法研究     

谢亚琴  王超 《南京气象学院学报》2019,11(5):621-624

对于基于射频识别的LANDMARC室内定位算法而言,该系统采用"k近邻"算法,通过选取k个与待测标签相邻且符合特定条件的参考标签,最后根据这些标签的位置结合权值估算出待测标签的坐标信息.但是在实际的操作过程中,最近邻参考标签数的选取无指导原则,具有一定的盲目性.针对这一问题,通过选取与待定位参考点最近邻的参考节点作为未知点,通过搜索法获得最优的邻近标签数k,在随后的未知节点的定位过程中,选取k个邻近标签进行定位.经过多次实验,最终得出结论,使用改进后的LANDMARC算法的性能要优于原来经典的LANDMARC算法,精确度提升了10%左右,同时避免了k值选取的盲目性.  相似文献   

来自大别山深成侵入岩图像深度迁移学习的可解释性研究     

陈忠良  袁峰  李晓晖  郑超杰 《地质论评》2023,69(3):2023030017-2023030017

岩石图像识别是以深度学习为代表的感知智能在地质领域的典型应用场景。已有研究显示网络结构简单的深度卷积神经网络能够在岩石图像上取得比复杂网络结构高的分类准确率。这与ImageNet数据集上网络结构越深越好的趋势相悖。如何解释这一现象？深成侵入岩为显晶质,自形—半自形粒状结构,块状构造,其分类的依据是其矿物成分及相对含量。大别山地区岩浆活动广泛,中生代深成侵入岩广泛出露。岩石类型包括超镁铁质岩类、辉长岩类、闪长岩类、正长岩类、二长岩类和花岗岩类,基本覆盖IUGS推荐的深成侵入岩分类方案中的岩石类型。选取大别山地区中生代深成岩图像开展不同网络结构预训练模型迁移学习对比试验,能够专注于深度学习对矿物成分特征的学习解释,降低构造因素的影响。借助局部可理解的模型解释技术和特征图可视化技术,分别从全连接层分类决策区域可视化和卷积隐层可视化两方面对深度学习模型开展可解释性研究。结果表明简单网络结构的卷积神经网络能够提取不同矿物所表现出的颜色特征以及不同矿物组合所表现出的纹理特征。AlexNet模型的削减试验进一步证明：对于岩石图像深度学习,网络结构并不总是越深越好。  相似文献   

区域地质调查文本中文命名实体识别     

邱芹军  田苗  马凯  谢忠  金相国  段雨希  陶留锋 《地质论评》2023,69(4):1423-1433

作为我国地质调查领域最重要的数据源之一,地质调查报告中蕴含着丰富的地学知识及地质体描述等关键信息,准确高质量地抽取地质命名实体为地学知识图谱构建、知识推理及知识演化提供基础。笔者等在阐述地质命名实体识别任务基础上,分析地质实体不仅包含大量专业术语,还存在实体嵌套、大量长实体等领域特性,进一步增加了地质命名实体识别难度。笔者等提出一种基于轻量级预训练模型(ALBERT)—双向长短时记忆网络(BiLSTM)—条件随机场(CRF)模型的地质命名实体识别方法。首先利用ALBERT对输入字符上下文特征进行建模,并采用BiLSTM对其进行进一步上下文特征表征,最后采用CRF实现标注序列预测。实验结果表明,在构建的地质命名实体识别数据集上,相比于主流的命名实体识别模型算法,本文所提出的方法具有更好的抽取性能,提出的命名实体识别模型能为领域实体识别提供借鉴,同时为地学领域实体关系抽取和地学知识图谱构建提供有力方法支撑。  相似文献