排序方式： 共有3条查询结果，搜索用时 93 毫秒
1
1.
利用大气科学和地球流体力学数值模拟国家重点实验室（LASG）气候模式F-GOALS的大气谱分量SAMIL，设计了有、无欧亚地形的对比试验，并与NCEP/NCAR再分析资料进行比较，通过分析其流场、高度场、温度和涡度的差异，得到欧亚大陆地形对夏季大气环流场日变化的影响特征。结果表明，欧亚大陆地形对大气环流和气候日变化的影响主要集中在青藏高原地区。由于青藏高原上空大气对太阳辐射加热场的日变化最为敏感，随着日间加热场的增强，热力适应造成白天高原低层大气气旋性环流加深，相应地使周边地区向高原辐合增强，引起高原地区日间的上升运动更为强盛，而使大气高层反气旋环流增强，引起高原上空向外辐散气流增强。也就是地形效应在白天增强了高原“感热气泵”的效率，使其产生明显的日变化，随之带来高原及周边地区局地环流强烈的日变化。由于上升运动的日变化，引起高原南部地区降水的日变化，同时降水的增加正反馈于上升运动，使得上升运动在高原南部地区日变化尤为强烈。 相似文献
2.
现有的面实体多指标几何匹配方法在计算综合相似度和确定最终匹配实体时面临着指标权重和阈值难以科学量化的难题,集成学习算法通过构建并结合多个机器学习器来完成学习任务,在解决分类问题时体现出了较为明显的性能优势。为此,本文提出了一种基于集成学习算法CatBoost的面实体匹配方法,将匹配问题转化为分类问题。选取形状、面积、方向和位置4个几何特征作为模型分类特征;利用过采样与欠采样相结合的混合重采样技术减轻原始训练样本的类别不平衡度;借助贝叶斯优化算法确定CatBoost模型的最优超参数;引入可解释人工智能领域的SHAP解释框架从全局和局部两个角度解释各输入特征对匹配结果的影响。在青藏高原的面状湖泊数据上对本文提出的方法进行了验证,实验结果表明：对模型预测影响最大的特征是位置,然后依次是面积、形状,影响最小的特征是方向。CatBoost匹配方法在实验数据集上的查准率、查全率和F1-score分别达到0.9937、0.9753和0.9844,相比于直接使用样本不均衡的原始样本进行模型训练,分别提高了约5.8%、0.6%和3.3%。与传统的面实体多指标双向匹配方法和逻辑回归、K近邻、决策树、神经网络等常规机器学习分类算法相比,集成学习算法CatBoost性能表现更加优异,在避免指标权重和阈值设置难题的同时取得了较好的匹配结果。 相似文献
3.
青藏高原感热气泵影响亚洲夏季风的机制 总被引：6，自引：1，他引：5
本文回顾了二十年来关于青藏高原感热驱动气泵(TP-SHAP)及其影响亚洲夏季风的研究进展,并从能量(θ)、位涡—加热(PV–Q)、和角动量守恒(AMC)的不同角度阐述其影响机制。指出高原斜坡上的表面感热加热改变了移向高原的大气质块的能量从而出现垂直抽吸的重要性。强调了高原加热产生的位涡强迫在近地层制造了强度大范围广的、环绕高原的气旋式环流,把丰沛的水汽从海洋输运到大陆,为季风对流降水提供充足的水汽条件。证明高原加热还通过改变其上空的温、压场的结构从而制造出高原上空近对流层顶的绝对涡度和位涡的最小值,在角动量平衡约束下,在亚洲季风区激发出与Hadley环流反向的季风经圈环流,从而为季风发生发展提供了大范围上升运动的背景。文中还对近年来有关青藏高原影响亚洲夏季风机制的讨论进行概述,并展望了未来的研究方向。 相似文献
1