摘要： 利用2007-2016年湖州國(guó)家基本氣象觀測(cè)站常規(guī)地面氣象資料和NECP再分析資料(1°×1°),選取出現(xiàn)降雪的25個(gè)個(gè)例,通過統(tǒng)計(jì)分析方法和TS評(píng)分最優(yōu)原則,確定降雪相態(tài)出現(xiàn)時(shí)各物理量的范圍及閾值,得到了相態(tài)轉(zhuǎn)變的判據(jù)。選取4次歷史個(gè)例進(jìn)行檢驗(yàn)分析,同時(shí)結(jié)合實(shí)際業(yè)務(wù)運(yùn)行情況發(fā)現(xiàn),各類混合指標(biāo)能夠較好地區(qū)分降水相態(tài)的變化,TS評(píng)分均在0.7以上。研究結(jié)果能為湖州地區(qū)的預(yù)報(bào)業(yè)務(wù)和模式產(chǎn)品處理提供較好的參考。

摘要： 變形監(jiān)測(cè)是工程安全監(jiān)測(cè)必不可少的工作,高精度的變形預(yù)測(cè)預(yù)報(bào)能夠?yàn)榘踩O(jiān)測(cè)提供變形預(yù)警。隨著對(duì)人工智能模型的深入研究,利用神經(jīng)網(wǎng)絡(luò)模型對(duì)變形時(shí)序數(shù)據(jù)進(jìn)行預(yù)報(bào)的研究也逐漸增多。為研究神經(jīng)網(wǎng)絡(luò)模型在變形預(yù)測(cè)中的效果,將結(jié)合CEEMDAN的LSTM模型應(yīng)用在滑坡變形預(yù)報(bào)中,通過實(shí)驗(yàn)比較其與單一LSTM模型、傳統(tǒng)的ARMA模型以及Kalman濾波模型在變形預(yù)報(bào)中的精度。實(shí)驗(yàn)結(jié)果表明,結(jié)合CEEMDAN的LSTM模型的預(yù)報(bào)精度明顯優(yōu)于其他模型,預(yù)測(cè)值與測(cè)量值的偏差在2 mm以內(nèi),平均相對(duì)誤差為0.59%,模型效果較好。

摘要： 為了提出一套比較精確的適合江西省的水稻參考作物騰發(fā)量(ET;)預(yù)報(bào)方法,采用PM公式和26個(gè)氣象站點(diǎn)的歷史氣象數(shù)據(jù)來計(jì)算ET0,以此為基準(zhǔn)值對(duì)Hargreaves-Samani(HS)模型、Blaney-Criddle(BC)模型及McCloud(MC)模型進(jìn)行率定。并利用天氣預(yù)報(bào)數(shù)據(jù),評(píng)價(jià)3種ET0預(yù)報(bào)模型在江西省各個(gè)站點(diǎn)的適用性。結(jié)果表明:經(jīng)過參數(shù)校正后,HS模型、BC模型及MC模型的ET0預(yù)報(bào)值在26個(gè)站點(diǎn)的平均的準(zhǔn)確率分別為86.63%、85.81%、87.12%,平均絕對(duì)誤差的均值分別為0.75、0.80、0.76 mm/d,平均的均方根誤差分別為0.98、1.00、0.99 mm/d,平均的相關(guān)系數(shù)分別為0.76、0.76、0.78,有16個(gè)站點(diǎn)推薦使用HS模型進(jìn)行ET0預(yù)報(bào)。對(duì)于江西省各個(gè)站點(diǎn),預(yù)報(bào)精度最好的是HS模型,MC模型其次,BC模型最差。整體來看,采用率定后的HS模型進(jìn)行預(yù)報(bào),可為江西省灌溉預(yù)報(bào)及決策提供較為準(zhǔn)確的ET0預(yù)報(bào)數(shù)據(jù)。

摘要： 基于機(jī)器學(xué)習(xí)中的相似度算法,建立了在歷史太陽風(fēng)數(shù)據(jù)中尋找與當(dāng)前太陽風(fēng)特征相近事例的推薦模型,用來預(yù)報(bào)地磁Kp指數(shù)。使用1998-2019年間隨機(jī)選擇的120個(gè)太陽風(fēng)事例作為測(cè)試數(shù)據(jù)集,該模型能夠推薦得到歷史上與輸入太陽風(fēng)造成相似地磁影響的太陽風(fēng)事例,最優(yōu)事例的Kp指數(shù)與實(shí)際值的均方根誤差為0.79,相關(guān)系數(shù)為0.93。本文的推薦模型不僅能獲得推薦的太陽風(fēng)事例的地磁Kp指數(shù)用作預(yù)報(bào),還可以給出太陽風(fēng)特征參數(shù)按時(shí)間序列變化情況對(duì)比,讓預(yù)報(bào)員可以更好地結(jié)合自身經(jīng)驗(yàn)進(jìn)行預(yù)報(bào)。

摘要： 開墾河位于新疆奇臺(tái)縣境內(nèi),發(fā)源于東天山博格達(dá)山脈北坡,開墾河水文站是其水量控制站。從開墾河水文站1956—2019年的年徑流量R(t)序列中識(shí)別提取周期、平穩(wěn)函數(shù),建立了非平穩(wěn)序列混合模型,對(duì)R(t)同期序列作了模擬檢驗(yàn),對(duì)2020年的R(t)值作了預(yù)報(bào),結(jié)果令人滿意。

摘要： 茅坪水文站地處邵陽市區(qū),位于邵水入資水河口上游約2.7 km處,長(zhǎng)年受資水頂托影響,水位流量關(guān)系不穩(wěn)定,不利于洪峰水位預(yù)報(bào)作業(yè)。文章對(duì)區(qū)域內(nèi)歷年洪水特征展開分析,探索在不同量級(jí)的資水洪水頂托下,茅坪水文站的洪水組合規(guī)律,建立更適用于防汛調(diào)度的洪水預(yù)報(bào)方案,從而為防汛主管部門搶險(xiǎn)救災(zāi)提供科學(xué)可靠的水文技術(shù)支撐。

摘要： 在全球氣候變暖的大背景下,氣象災(zāi)害頻繁出現(xiàn),嚴(yán)重影響著人們的日常生活及工農(nóng)業(yè)生產(chǎn)。氣象部門應(yīng)重視災(zāi)害性天氣預(yù)報(bào)預(yù)警,提升其準(zhǔn)確性,不斷提高氣象服務(wù)質(zhì)量。文章結(jié)合伊金霍洛旗氣象服務(wù)實(shí)踐,重點(diǎn)分析災(zāi)害性天氣預(yù)報(bào)預(yù)警與精細(xì)化服務(wù)農(nóng)業(yè)的策略,供相關(guān)部門參考借鑒。

摘要： 大風(fēng)是臺(tái)風(fēng)引發(fā)的三大災(zāi)害之一,考慮到現(xiàn)有的臺(tái)風(fēng)大風(fēng)研究相對(duì)較少、預(yù)報(bào)經(jīng)驗(yàn)也比較不足,因此對(duì)其預(yù)報(bào)方法進(jìn)行回顧總結(jié)具有十分重要的意義。從經(jīng)驗(yàn)預(yù)報(bào)、統(tǒng)計(jì)預(yù)報(bào)、數(shù)值模式預(yù)報(bào)及數(shù)值預(yù)報(bào)產(chǎn)品釋用等4個(gè)方向梳理了臺(tái)風(fēng)大風(fēng)預(yù)報(bào)技術(shù)的研究與應(yīng)用現(xiàn)狀:天氣圖、衛(wèi)星云圖和雷達(dá)圖是經(jīng)驗(yàn)預(yù)報(bào)中非常重要的工具;統(tǒng)計(jì)預(yù)報(bào)根據(jù)方法的不同可細(xì)分為回歸預(yù)報(bào)、客觀相似預(yù)報(bào)和氣候持續(xù)性預(yù)報(bào);數(shù)值模式預(yù)報(bào)方面,國(guó)內(nèi)外多家機(jī)構(gòu)都研發(fā)了相應(yīng)的臺(tái)風(fēng)大風(fēng)預(yù)報(bào)產(chǎn)品;數(shù)值預(yù)報(bào)產(chǎn)品的釋用目前則包含了動(dòng)力釋用、統(tǒng)計(jì)釋用和人工智能釋用。同時(shí)總結(jié)了上述4類預(yù)報(bào)方法各自的優(yōu)勢(shì)和不足。最后,討論了未來研究與實(shí)際業(yè)務(wù)中進(jìn)一步提高臺(tái)風(fēng)大風(fēng)預(yù)報(bào)能力的可能發(fā)展方向。

摘要： 利用汶川近10年泥石流事件和對(duì)應(yīng)的降雨資料,研究各個(gè)降雨因子(降雨強(qiáng)度I、降雨歷時(shí)D、當(dāng)次降雨量R、前期降雨量R2)與泥石流災(zāi)害之間的關(guān)系,建立I-D、I-R、R-R2回歸模型,并進(jìn)行回歸分析。結(jié)果表明:當(dāng)次降雨量和降雨強(qiáng)度(I-R)更適宜作為預(yù)報(bào)指標(biāo),北部的雨強(qiáng)I超過10 mm/h,降雨量R超過20 mm時(shí),發(fā)生泥石流地質(zhì)災(zāi)害的風(fēng)險(xiǎn)高;而南部的雨強(qiáng)I超過20 mm/h,降雨量R超過50 mm時(shí),發(fā)生泥石流地質(zhì)災(zāi)害的風(fēng)險(xiǎn)較大。前期降雨量R2也較為重要,如果連續(xù)幾天太陽暴曬濕熱,少雨或無雨,受副高控制,低層有輻合上升運(yùn)動(dòng),水汽能量充足,預(yù)報(bào)的降雨量級(jí)達(dá)到暴雨到大暴雨時(shí),則應(yīng)高度防范泥石流等地質(zhì)災(zāi)害的發(fā)生。

摘要： 針對(duì)傳統(tǒng)鐘差預(yù)報(bào)模型初始偏差值較大的問題,本文采用長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)(LSTM)優(yōu)化傳統(tǒng)鐘差預(yù)報(bào)模型進(jìn)行短期鐘差預(yù)報(bào)。首先利用二次多項(xiàng)式(QP)模型、灰色模型(GM)和LSTM對(duì)前12 h的數(shù)據(jù)進(jìn)行建模,分別預(yù)報(bào)0.5 h,1 h和3 h的鐘差;進(jìn)而用LSTM預(yù)測(cè)出的第一個(gè)數(shù)據(jù)作為真值,將傳統(tǒng)模型預(yù)測(cè)出的鐘差與其相減得到一個(gè)差值;最后將傳統(tǒng)模型預(yù)測(cè)出的鐘差減去差值得到最終的鐘差預(yù)報(bào)值。本文選取BDS-3的C19,C30,C32和C374顆衛(wèi)星進(jìn)行實(shí)驗(yàn),對(duì)比分析了QP,LSTM-QP,GM和LSTM-GM 4種模型的預(yù)報(bào)精度。實(shí)驗(yàn)表明,LSTM-QP和LSTM-GM模型在預(yù)報(bào)0.5 h時(shí),其精度相較于QP和GM模型最高約提高了20.2倍和17.5倍,在預(yù)報(bào)3 h時(shí),其最高約提高了1.4倍和1.9倍。因此,利用LSTM對(duì)初始偏差值修正有效提高了傳統(tǒng)模型的預(yù)報(bào)精度。

摘要： 本文根據(jù)上海市閔行區(qū)、松江區(qū)、南匯區(qū)三站1998-2007年霧日的天氣形勢(shì),統(tǒng)計(jì)分析上海地區(qū)霧出現(xiàn)時(shí)的天氣形勢(shì)特點(diǎn),根據(jù)這些特點(diǎn)提煉了上海地區(qū)霧的預(yù)報(bào)指標(biāo),并在2008—2009年做了兩年的試預(yù)報(bào),預(yù)報(bào)效果較好。本文的研究結(jié)果對(duì)上海地區(qū)基層臺(tái)站霧的預(yù)報(bào)有一定的積極意義。

摘要： 空氣污染指數(shù)預(yù)報(bào)可以對(duì)大氣污染提出警示,為城市環(huán)境質(zhì)量管理提供依據(jù)。為了研究對(duì)空氣污染指數(shù)進(jìn)行預(yù)報(bào)的更有效方法,本文首先從氣象學(xué)角度對(duì)各種污染物和氣象因素進(jìn)行了分析,在確定了空氣污染影響因子基礎(chǔ)上,綜合考慮神經(jīng)網(wǎng)絡(luò)和遺傳算法的特點(diǎn)和缺陷,建立了用于空氣污染預(yù)報(bào)的遺傳神經(jīng)網(wǎng)絡(luò)模型,對(duì)上海市PM10的API指數(shù)進(jìn)行了模擬,并進(jìn)行了對(duì)比預(yù)報(bào)檢驗(yàn)。結(jié)果表明,GA-BP方法預(yù)報(bào)模型的預(yù)報(bào)準(zhǔn)確率高于通常使用的傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)方法。

摘要： 本文根據(jù)定西市安定區(qū)的自然條件及病蟲害發(fā)生為害現(xiàn)狀，闡述了病蟲害監(jiān)測(cè)預(yù)報(bào)采取的措施和監(jiān)測(cè)預(yù)報(bào)的具體方法，提出了以后病蟲害預(yù)測(cè)預(yù)報(bào)的發(fā)展方向。

摘要： 本文對(duì)發(fā)揮電視網(wǎng)絡(luò)預(yù)報(bào)作用 提高病蟲害防治效果進(jìn)行了探討，介紹了乳山市農(nóng)作物病蟲情報(bào)實(shí)行電視、網(wǎng)絡(luò)預(yù)報(bào)后，體現(xiàn)出的優(yōu)點(diǎn)，提出了存在的問題和建議。

摘要： 2004年眉縣植保站與縣電視臺(tái)協(xié)作，創(chuàng)辦了農(nóng)作物病蟲發(fā)生防治“植保信息”專欄，開展了病蟲電視預(yù)報(bào)工作。經(jīng)過近年來的實(shí)踐，充分體現(xiàn)了電視預(yù)報(bào)的先進(jìn)性和重要性，達(dá)到了病蟲預(yù)報(bào)準(zhǔn)確，信息發(fā)布迅速快捷，受到農(nóng)民群眾的認(rèn)可和各級(jí)領(lǐng)導(dǎo)的關(guān)心與支持，在全縣農(nóng)作物病蟲防治減災(zāi)方面發(fā)揮了重要作用，取得了顯著的社會(huì)、經(jīng)濟(jì)效益。

摘要： 空氣質(zhì)量多模式集合預(yù)報(bào)是研究大氣污染演變規(guī)律、進(jìn)行空氣質(zhì)量預(yù)報(bào)預(yù)警，提供大氣污染控制管理決策的重要工具。本文介紹了地理信息系統(tǒng)（ GIS）與多模式集合預(yù)報(bào)系統(tǒng)進(jìn)行集成的系統(tǒng)設(shè)計(jì)思路，并對(duì)GIS 在系統(tǒng)中起到的作用進(jìn)行了探討。將GIS 技術(shù)應(yīng)用于多模式環(huán) 境空氣質(zhì)量預(yù)測(cè)預(yù)報(bào)系統(tǒng)中，可提供空間數(shù)據(jù)和相關(guān)屬性數(shù)據(jù)的快速存取和管理功能，使環(huán)境基礎(chǔ)信息與環(huán)境管理信息以及模型分析結(jié)果以可視化的圖形、圖像方式呈現(xiàn)給決策管理人員，并能充分發(fā)揮GIS的空間分析能力，為輔助決策提供依據(jù)。該系統(tǒng)在廣州市環(huán)境空氣質(zhì)量保障的應(yīng)用中取得了較好效果。

摘要： 統(tǒng)計(jì)漢中市1970～2009年大暴雨天氣,分析其時(shí)空分布規(guī)律,利用天氣學(xué)原理分析大暴雨的天氣形勢(shì)、影響系統(tǒng)和物理特征,尋找預(yù)報(bào)著眼點(diǎn).漢中市大暴雨出現(xiàn)時(shí)間在5～10月,集中出現(xiàn)在7～9月,其高峰期與一年中降水分布的高峰期一致,盛夏最多.年際分布上20世紀(jì)80年代初是大暴雨的高峰期,90年代中期是低谷,進(jìn)入21世紀(jì)有開始增多的趨勢(shì),這與本市的雨季、以及近幾十年的洪澇干旱氣候變化一致.大暴雨分布跟地形關(guān)系密切,頻率上看秦巴山區(qū)多于漢中盆地谷地,巴山區(qū)又多于秦嶺區(qū),其中鎮(zhèn)巴最多,城固最少;在降水量上看巴山區(qū)多于秦嶺區(qū)多于漢江谷地,降水量中心鎮(zhèn)巴達(dá)238.2mm,其次留壩達(dá)214.9mm,與南北地理位置和海拔高度關(guān)系密切.大暴雨的預(yù)報(bào)著眼點(diǎn)要考慮天氣形勢(shì)、影響系統(tǒng)、水汽、動(dòng)力和漢中地形作用.天氣形勢(shì)可分為"副高擺動(dòng)+西風(fēng)槽"型和"高原低槽(渦)+華北高脊"型,主要影響系統(tǒng)是副熱帶高壓,西風(fēng)槽,高原低槽(渦),地面冷鋒和低壓或低壓倒槽.孟加拉灣、南海和太平洋的西南、偏南、偏東氣流為大暴雨提供水汽和能量,大暴雨發(fā)生時(shí)漢中處于高能高濕舌里,大氣處于不穩(wěn)定狀態(tài),低空輻合高空輻散以及強(qiáng)烈的上升運(yùn)動(dòng)是形成大暴雨的動(dòng)力來源.T213(T639)數(shù)值預(yù)報(bào)場(chǎng)對(duì)大暴雨預(yù)報(bào)有很好的指導(dǎo)作用.大暴雨的落區(qū)預(yù)報(bào)要從充分考慮漢中盆地地形作用,分析地面小天氣圖可以指導(dǎo)落區(qū)預(yù)報(bào).

摘要： 本文通過介紹龍門縣病蟲調(diào)查體系、病蟲預(yù)警信息發(fā)布體系、病蟲為害定局后的綜合評(píng)估體系，體現(xiàn)龍門縣的整個(gè)預(yù)報(bào)體系，促使果農(nóng)做到及時(shí)有效地防治柑桔病蟲。同時(shí)，針對(duì)對(duì)現(xiàn)有的預(yù)報(bào)體系談了一些體會(huì)和對(duì)未來的設(shè)想。

摘要： 克山縣在多年的實(shí)際工作中體會(huì)到在防治病蟲害的過程中，監(jiān)測(cè)和預(yù)報(bào)工作尤為重要，它是防治工作的前提和保證。本文結(jié)合實(shí)際工作和經(jīng)驗(yàn)介紹了克山縣病蟲測(cè)報(bào)工作現(xiàn)狀、存在問題及對(duì)策。

摘要： 通過對(duì)國(guó)內(nèi)外煤炭自然發(fā)火氣體分析法理論的研究，根據(jù)興源礦煤炭自燃的實(shí)際狀況，對(duì)其進(jìn)行了自然發(fā)火氣體產(chǎn)物模擬實(shí)驗(yàn)，獲得了興源礦煤炭自然標(biāo)志氣體的具體數(shù)據(jù);提出了興源礦煤炭自燃理想的標(biāo)志氣體見解;為興源礦有區(qū)別的選取合適的火災(zāi)預(yù)測(cè)技術(shù)。提供了標(biāo)志氣體的綜合指標(biāo)，同時(shí)為興源礦安全生產(chǎn)提供了可信的測(cè)試數(shù)據(jù)，并對(duì)其他礦井的火災(zāi)預(yù)測(cè)預(yù)報(bào)具有很好的借鑒意義。

摘要： 本發(fā)明公開了一種考慮不同預(yù)報(bào)情景下預(yù)報(bào)難度的徑流預(yù)報(bào)水平評(píng)價(jià)方法，屬于水文預(yù)報(bào)技術(shù)領(lǐng)域，所述方法包括：根據(jù)預(yù)報(bào)難度的影響因素對(duì)預(yù)報(bào)情景進(jìn)行劃分；根據(jù)劃分的各個(gè)預(yù)報(bào)情景對(duì)應(yīng)的預(yù)報(bào)徑流和實(shí)測(cè)徑流，得到各個(gè)預(yù)報(bào)情景下的相對(duì)預(yù)報(bào)難度系數(shù)；根據(jù)各個(gè)預(yù)報(bào)情景下的相對(duì)預(yù)報(bào)難度系數(shù)對(duì)預(yù)報(bào)人員在對(duì)應(yīng)預(yù)報(bào)情景下的預(yù)報(bào)水平進(jìn)行評(píng)定，得到預(yù)報(bào)人員的綜合預(yù)報(bào)水平評(píng)定結(jié)果。本發(fā)明基于傳統(tǒng)的徑流預(yù)報(bào)精度和預(yù)報(bào)誤差，提出了預(yù)報(bào)難度的概念及其求解方法，并將其耦合到預(yù)報(bào)人員綜合預(yù)報(bào)水平評(píng)定中，能夠有效反應(yīng)不同預(yù)報(bào)情景下預(yù)報(bào)難度對(duì)于預(yù)報(bào)人員綜合預(yù)報(bào)水平的貢獻(xiàn)大小，從而科學(xué)、合理、準(zhǔn)確地對(duì)預(yù)報(bào)人員的徑流預(yù)報(bào)水平進(jìn)行評(píng)定。

摘要： 一種預(yù)測(cè)天氣預(yù)報(bào)事件、環(huán)境預(yù)報(bào)事件和地質(zhì)預(yù)報(bào)事件(其包括一種或更多種天氣/環(huán)境/地質(zhì)狀況)的系統(tǒng)和方法，通過確定每個(gè)位置中每個(gè)過去狀況的重現(xiàn)期，確定過去狀況與過去事件的可觀察影響之間的相關(guān)性，計(jì)算每個(gè)過去事件的預(yù)測(cè)可觀察影響，通過將過去事件的預(yù)測(cè)可觀察影響乘以過去狀況的重現(xiàn)期來計(jì)算每個(gè)過去重現(xiàn)事件的預(yù)測(cè)影響，基于過去重現(xiàn)狀況的預(yù)測(cè)影響將過去事件分組為多個(gè)組，確定用于每個(gè)組的閾值，接收預(yù)報(bào)狀況，以及通過將預(yù)報(bào)狀況與閾值進(jìn)行比較來確定預(yù)報(bào)狀況的預(yù)測(cè)影響。

摘要： 一種預(yù)測(cè)天氣預(yù)報(bào)事件、環(huán)境預(yù)報(bào)事件和地質(zhì)預(yù)報(bào)事件(其包括一種或更多種天氣/環(huán)境/地質(zhì)狀況)的系統(tǒng)和方法，通過確定每個(gè)位置中每個(gè)過去狀況的重現(xiàn)期，確定過去狀況與過去事件的可觀察影響之間的相關(guān)性，計(jì)算每個(gè)過去事件的預(yù)測(cè)可觀察影響，通過將過去事件的預(yù)測(cè)可觀察影響乘以過去狀況的重現(xiàn)期來計(jì)算每個(gè)過去重現(xiàn)事件的預(yù)測(cè)影響，基于過去重現(xiàn)狀況的預(yù)測(cè)影響將過去事件分組為多個(gè)組，確定用于每個(gè)組的閾值，接收預(yù)報(bào)狀況，以及通過將預(yù)報(bào)狀況與閾值進(jìn)行比較來確定預(yù)報(bào)狀況的預(yù)測(cè)影響。

摘要： 本發(fā)明公開了一種考慮不同預(yù)報(bào)情景下預(yù)報(bào)難度的徑流預(yù)報(bào)水平評(píng)價(jià)方法，屬于水文預(yù)報(bào)技術(shù)領(lǐng)域，所述方法包括：根據(jù)預(yù)報(bào)難度的影響因素對(duì)預(yù)報(bào)情景進(jìn)行劃分；根據(jù)劃分的各個(gè)預(yù)報(bào)情景對(duì)應(yīng)的預(yù)報(bào)徑流和實(shí)測(cè)徑流，得到各個(gè)預(yù)報(bào)情景下的相對(duì)預(yù)報(bào)難度系數(shù)；根據(jù)各個(gè)預(yù)報(bào)情景下的相對(duì)預(yù)報(bào)難度系數(shù)對(duì)預(yù)報(bào)人員在對(duì)應(yīng)預(yù)報(bào)情景下的預(yù)報(bào)水平進(jìn)行評(píng)定，得到預(yù)報(bào)人員的綜合預(yù)報(bào)水平評(píng)定結(jié)果。本發(fā)明基于傳統(tǒng)的徑流預(yù)報(bào)精度和預(yù)報(bào)誤差，提出了預(yù)報(bào)難度的概念及其求解方法，并將其耦合到預(yù)報(bào)人員綜合預(yù)報(bào)水平評(píng)定中，能夠有效反應(yīng)不同預(yù)報(bào)情景下預(yù)報(bào)難度對(duì)于預(yù)報(bào)人員綜合預(yù)報(bào)水平的貢獻(xiàn)大小，從而科學(xué)、合理、準(zhǔn)確地對(duì)預(yù)報(bào)人員的徑流預(yù)報(bào)水平進(jìn)行評(píng)定。

摘要： 本申請(qǐng)公開了一種用于地震預(yù)報(bào)的監(jiān)測(cè)數(shù)據(jù)處理方法、地震預(yù)報(bào)方法和系統(tǒng)，首先獲取設(shè)置在監(jiān)測(cè)區(qū)域中至少兩個(gè)不同地震監(jiān)測(cè)點(diǎn)在相同預(yù)設(shè)時(shí)間段內(nèi)的地震前兆監(jiān)測(cè)數(shù)據(jù);然后依據(jù)每個(gè)地震監(jiān)測(cè)點(diǎn)的地震前兆監(jiān)測(cè)數(shù)據(jù)獲取相對(duì)應(yīng)的地震前兆特征數(shù)據(jù)；再依據(jù)每個(gè)地震監(jiān)測(cè)點(diǎn)的地震前兆特征數(shù)據(jù)獲取相對(duì)應(yīng)的地震特征異常數(shù)據(jù)；最后根據(jù)LCT算法分別對(duì)每?jī)蓚€(gè)地震監(jiān)測(cè)點(diǎn)的地震特征異常數(shù)據(jù)進(jìn)行LCT異常數(shù)據(jù)的計(jì)算，以用于依據(jù)LCT異常數(shù)據(jù)進(jìn)行地震預(yù)報(bào)。由于通過對(duì)地震特征異常數(shù)據(jù)進(jìn)行LCT異常數(shù)據(jù)的計(jì)算，進(jìn)而構(gòu)建出地震前兆監(jiān)測(cè)數(shù)據(jù)的變化和地震監(jiān)測(cè)點(diǎn)相互之間的相關(guān)性和變異性，幫助判斷監(jiān)測(cè)區(qū)域中的地震風(fēng)險(xiǎn)，實(shí)踐證明該方法對(duì)地震預(yù)測(cè)是精確的、且具有時(shí)效性。

摘要： 本發(fā)明公開了一種河口枯水期的咸潮預(yù)報(bào)方法及預(yù)報(bào)設(shè)備，該方法包括：確定與任一待預(yù)測(cè)河口區(qū)取水口的咸潮強(qiáng)度相關(guān)的多個(gè)第一影響變量，基于灰色關(guān)聯(lián)度分析法對(duì)多個(gè)第一影響變量進(jìn)行關(guān)聯(lián)度分析，從多個(gè)第一影響變量中篩選出與咸潮強(qiáng)度的關(guān)聯(lián)度滿足預(yù)設(shè)閾值的多個(gè)第二影響變量；基于主成分分析法對(duì)多個(gè)第二影響變量進(jìn)行主成分分析，從多個(gè)第二影響變量中篩選出作為影響咸潮強(qiáng)度的主成分的至少一個(gè)第三影響變量；以構(gòu)建的輸入為至少一個(gè)第三影響變量、輸出為取水口的取淡幾率的枯水期咸潮預(yù)測(cè)預(yù)報(bào)模型，對(duì)任一待預(yù)測(cè)河口區(qū)取水口進(jìn)行咸潮預(yù)測(cè)，可以量化河口區(qū)取水口受咸潮的影響程度、對(duì)河口區(qū)的含氯度進(jìn)行準(zhǔn)確的預(yù)報(bào)，可以保證重要取水口的供水。

摘要： 本申請(qǐng)公開了一種用于地震預(yù)報(bào)的監(jiān)測(cè)數(shù)據(jù)處理方法、地震預(yù)報(bào)方法和系統(tǒng)，首選獲取不同地震監(jiān)測(cè)點(diǎn)的地震前兆監(jiān)測(cè)數(shù)據(jù)，并依據(jù)每個(gè)地震監(jiān)測(cè)點(diǎn)的地震前兆監(jiān)測(cè)數(shù)據(jù)，獲取相對(duì)應(yīng)地震監(jiān)測(cè)點(diǎn)的地震前兆特征數(shù)據(jù)；然后依據(jù)地震前兆特征數(shù)據(jù)獲取每?jī)蓚€(gè)地震監(jiān)測(cè)點(diǎn)的皮爾遜相關(guān)系數(shù)，并將皮爾遜相關(guān)系數(shù)相近的地震監(jiān)測(cè)點(diǎn)的地震前兆特征數(shù)據(jù)構(gòu)建特征圖矩陣；再將特征圖矩陣輸入地震預(yù)測(cè)模型，以獲取地震預(yù)測(cè)結(jié)果。由于首先依據(jù)獲取地震前兆監(jiān)測(cè)數(shù)據(jù)相關(guān)性比較高的地震監(jiān)測(cè)點(diǎn)，再對(duì)相關(guān)性比較高的地震監(jiān)測(cè)點(diǎn)獲取的地震前兆監(jiān)測(cè)數(shù)據(jù)的后處理數(shù)據(jù)進(jìn)行地震預(yù)測(cè)模型構(gòu)建，進(jìn)而可以篩選出有效的用于地震預(yù)測(cè)的監(jiān)測(cè)數(shù)據(jù)，進(jìn)而提高地震預(yù)報(bào)的準(zhǔn)確性和效率。

摘要： 本發(fā)明公開了一種基于深度學(xué)習(xí)框架的洪水預(yù)報(bào)模型及洪水預(yù)報(bào)方法，模型的構(gòu)建包括以下步驟：1)收集和整理流域降雨、流量數(shù)據(jù)；2)洪水場(chǎng)次劃分并關(guān)聯(lián)降雨過程；3)確定模型的輸入、輸出時(shí)段數(shù)；4)數(shù)據(jù)歸一化處理；5)場(chǎng)次降雨洪水劃分和訓(xùn)練樣本構(gòu)建；6)預(yù)報(bào)模型構(gòu)建；7)模型訓(xùn)練及超參數(shù)調(diào)整。本發(fā)明的預(yù)報(bào)模型，能夠?qū)崿F(xiàn)以流域點(diǎn)雨量而非面雨量作為模型輸入，能夠?qū)崿F(xiàn)將前期降雨與流量過程同時(shí)作為模型輸入，并能夠?qū)崿F(xiàn)將預(yù)報(bào)降雨數(shù)據(jù)作為模型輸入，能夠有效提高洪水預(yù)報(bào)精度。

摘要： 本發(fā)明提供一種多尺度數(shù)值天氣預(yù)報(bào)模式融合的天氣預(yù)報(bào)方法及裝置，該天氣預(yù)報(bào)方法包括：根據(jù)大氣環(huán)流預(yù)報(bào)數(shù)據(jù)和對(duì)流性天氣預(yù)報(bào)數(shù)據(jù)，獲取多尺度數(shù)值天氣預(yù)報(bào)模式融合的目標(biāo)預(yù)報(bào)因子；將目標(biāo)預(yù)報(bào)因子輸入至預(yù)先訓(xùn)練的深度學(xué)習(xí)預(yù)報(bào)模型，獲取天氣預(yù)報(bào)結(jié)果。在本發(fā)明中，通過將不同尺度的數(shù)值天氣預(yù)報(bào)模式的預(yù)報(bào)因子相融合，并輸入至預(yù)先訓(xùn)練好的深度學(xué)習(xí)預(yù)報(bào)模型中，以獲取預(yù)測(cè)的天氣預(yù)報(bào)，解決了現(xiàn)有技術(shù)中不能同時(shí)兼顧不同尺度的天氣系統(tǒng)的預(yù)報(bào)效果的缺陷，實(shí)現(xiàn)了對(duì)多種尺度數(shù)值天氣預(yù)報(bào)模式的融合，有效提升了對(duì)不同尺度的天氣系統(tǒng)的預(yù)報(bào)效果。

摘要： 本申請(qǐng)實(shí)施例提供一種隧道掘進(jìn)機(jī)工作面超前預(yù)報(bào)系統(tǒng)及預(yù)報(bào)方法。預(yù)報(bào)系統(tǒng)包括：采集子系統(tǒng)，設(shè)置在隧道上方山體裸露表面上，用于采集天然地震震動(dòng)和隧道內(nèi)隧道掘進(jìn)機(jī)施工震動(dòng)的地震波形數(shù)據(jù)；前端處理裝置，用于根據(jù)所述地震波形數(shù)據(jù)，獲得地質(zhì)成像；預(yù)報(bào)裝置，用于根據(jù)所述地質(zhì)成像，確定隧道掘進(jìn)機(jī)工作面的預(yù)報(bào)結(jié)果。本申請(qǐng)實(shí)施例利用的震源，一個(gè)是天然源?天然地震振動(dòng)，另一個(gè)是施工震動(dòng)?隧道內(nèi)隧道掘進(jìn)機(jī)工作面震動(dòng)，施工震動(dòng)的震動(dòng)能量強(qiáng)，信噪比高，能夠穿透較長(zhǎng)巖體，能實(shí)現(xiàn)超長(zhǎng)距離預(yù)報(bào)；同時(shí)，無需再另行制造震動(dòng)，對(duì)環(huán)境影響較小，對(duì)施工人員較為友好。