首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   2篇
  免费   2篇
  国内免费   1篇
大气科学   5篇
  2022年   2篇
  2019年   2篇
  2017年   1篇
排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
Based on the tropical cyclone (TC) observations in the western North Pacific from 2000 to 2008, this paper adopts the particle swarm optimization (PSO) algorithm of evolutionary computation to optimize one comprehensive classification rule, and apply the optimized classification rule to the forecasting of TC intensity change. In the process of the optimization, the strategy of hierarchical pruning has been adopted in the PSO algorithm to narrow the search area, and thus to enhance the local search ability, i.e. hierarchical PSO algorithm. The TC intensity classification rule involves core attributes including 12-HMWS, MPI, and Rainrate which play vital roles in TC intensity change. The testing accuracy using the new mined rule by hierarchical PSO algorithm reaches 89.6%. The current study shows that the novel classification method for TC intensity change analysis based on hierarchic PSO algorithm is not only easy to explain the source of rule core attributes, but also has great potential to improve the forecasting of TC intensity change.  相似文献   
2.
BP神经网络在油菜花期预报中的应用   总被引:1,自引:0,他引:1  
建立花期预报模型,发布观赏性植物的精准花期预报,为旅游活动提供重要参考依据,已经成为气象服务领域一个新的发展方向。为了解高淳旅游区油菜花期的变化规律,探索其预报方法,指导高淳油菜花节旅游活动,根据1985—2010年高淳站日最高气温、日最低气温、日平均气温、日降水量、日日照时数、日平均5 cm地温、日平均相对湿度和日小型蒸发量等气象观测数据,利用主成分分析法,得到其与油菜花期相关系数较大的3个主成分,即温度因子、天气因子和辐射因子,以此为输入因子,建立基于BP神经网络的油菜花期预报模型,探讨BP神经网络在花期预报领域的应用。结果表明,传统的有效积温方法预报结果与实际开花期平均相差4.25天,BP神经网络方法预报结果与实际开花期平均相差1.5天,与有效积温预报油菜花期的方法相比,BP神经网络技术具有预测结果准确率高和操作简单等特点,在花期预报领域具有广阔的应用前景。  相似文献   
3.
以VGG16为基准模型,融合批归一化处理、全局平均池化和联合损失函数,提出了一种基于卷积神经网络的高速公路雾天能见度等级分类方法。实验结果表明,改进后的神经网络模型的平均识别正确率达83.9%,相较于其他几种模型具有较高的正确率和较好的收敛性。将模型封装入业务系统后进行业务化检验,其平均识别正确率可达84.9%,且白天识别效果要优于夜间。通过系统监测到2019年4月4日京沪高速发生了一次团雾动态生消过程。该次团雾过程具有移动快、范围小、生存时间短的特征。系统的应用能够为交通管理部门应对团雾发生时的智能管控和决策调度提供技术支持。  相似文献   
4.
张志薇  高苹  王宏斌  艾文文  孙家清  鲍婧  徐敏 《气象》2019,45(5):667-675
气温是各种气候因子中影响植物花期迟早最重要的因素之一。以高淳油菜花为研究对象,选取近30年(1986—2016年)物候观测资料,分析了盛花期的变化特征和盛花期早晚年温度因子的特征;采用通径分析法,研究分析了三个表征温度的指标(平均气温T_a5℃的日数、积温和强冷空气日数)与油菜花盛花期关系,结果为预测高淳油菜花的最佳观赏期、做好相关旅游气象服务提供了理论依据。结果表明:高淳油菜花盛花期在2001年以前波动不大,但在2001年后,随年代际呈提早趋势;盛花期迟早年类型不同,T_a稳定在5℃的日期也有差别,具体为盛花期偏早年正常偏早年和正常偏晚年正常年偏晚年;盛花期偏晚年与T_a5℃的日数和积温关系也很显著,从冬至日开始,若T_a5℃的日数超过了53 d或者T_a5℃的积温超过137℃·d,则翌年油菜花盛花日期有可能出现在4月4日之后;若达到强冷空气级别的日数越多,则翌年高淳油菜花盛花期会有所推后。在三个表征温度的指标中,对油菜花盛花期影响最大的是T_a5℃积温。  相似文献   
5.
为了实现近实时公里级的高速公路能见度监测,提出了一种基于多尺度融合网络的能见度估计方法。首先,从道路监控视频中提取道路场景图像,并对图像进行质量控制;分别采用引导滤波、光谱滤波、景深估计模型从路面场景图像中提取细节结构特征、光谱特征与场景深度特征;然后,构建多尺度融合网络自适应融合结构特征、光谱特征与场景深度特征,并从中提取能见度特征;最后在网络末端输出图像场景所对应的能见度等级。此外,为了训练与测试模型,构建了真实道路场景图像数据集,共包含18 000张标注图像。实验结果表明,多尺度融合网络可显著提升高速公路能见度估计的准确性,能见度等级分类准确率可达81.76%。  相似文献   
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号