公共文化服务平台

搜索到630篇“ GPS可降水量“的相关文章

大理不同云系降水中GPS可降水量的变化特征: 2023年; 通过对比中日合作JICA项目2010~2014年大理地基GPS反演的大气可降水量资料与同期降水数据,选取积状云、层状云和层积混合云产生的降水三类样本,分析了大气可降水量(Precipitable Water Vapor,PWV)在三类典型降水过程中的变化特征。结果表明:PWV在层状云降水前有持续大幅度增长,降水趋于结束阶段,出现持续下降。PWV在积状云降雨时有快速大幅跃升,强降水时段与PWV峰值出现时间基本一致。PWV在层积混合降水中,兼具层状云和积状云时的特征,且持续处于高位运行。PWV在上述三类性质降水中表现出的异常特征可为降水的短时临近预报预警提供参考。; 李育徐安伦徐安伦; 关键词：大气可降水量

GSI同化GPS可降水量对四川盆地不同类型降水模拟影响被引量：1: 2022年; 选取四川盆地金沙江下游对流性降水个例(记为CR_2013)和稳定性降水个例(记为SR_2015),利用格点统计插值分析系统(GSI)同化全球定位系统(GPS)大气可降水量(PWV)资料,并结合天气研究与预报模式(WRF)对2次不同类型降水过程的初始场和模拟降水进行同化效果对比分析。结果表明,降水发生前,四川盆地已有较多水汽积聚,水汽分布东多西少,2个降水个例的强降水中心分别位于南侧和北侧的GPS水汽梯度带上。同化GPSPWV资料在改善初始湿度场的同时对初始温度场和风场也有不同程度的改善。控制实验的降水大小和分布总体都与实况较相似,但存在局部模拟偏强的情况。同化GPS-PWV对降水模拟的改进作用明显:CR_2013模拟的强降水中心范围与实况更接近,而SR_2015则明显减弱了虚假降水中心的强度和范围。降水调整最显著的区域与实况降水中心一致,都在GPS水汽梯度带上。同化GPS-PWV能持续影响模拟的累积降水,对流性降水调整幅度要高于稳定性降水。; 王成鑫杨晓丹师义成茅家华赵鲁强; 关键词：GSI WRF 三维变分同化

河北GPS可降水量研究: 2020年; GPS可降水量可作为降水短期预报的指标之一,通过高精度解算软件GAMAT对GPS连续观测数据进行解算,得到的天顶对流层延迟可反演出GPS可降水量,由GPS可降水量序列分析可知:GPS可降水量的变化具有明显的年周期变化,夏季达到最大值,与河北省的汛期气候情况一致;GPS可降水量随纬度的增加而减少;同时GPS可降水量的大小随着海拔的增加而减小。该研究可为气象部门提供数据参考,具有十分重要的实际意义。; 杨晶张桥龙吴亮刘雨青贾相宇; 关键词：GPS可降水量 GPS技术水汽反演

基于地基GPS可降水量反演被引量：1: 2020年; 应用GPS技术来预计可降水量的方法相对来说精度较高,并且不受外界环境条件的制约,可以进行全天候的观测,观测时间短、作业效率高,因此,近些年来这种方法得以广泛的应用。由于对流层延迟和可降水量的相关性较强,因而能够通过测站GPS观测数据推算出对流层延迟,再由对流层延迟直接推算得到可降水量。本文针对澳大利亚卡拉萨的IGS站karr测站以及北京房山的IGS站bjfs测站的观测数据,分别利用3种气象模型对观测数据进行处理,得到天顶对流层延迟、天顶流体静力学延迟和天顶湿延迟,再由天顶湿延迟反演得到我们所需的可降水量[1]。; 刘杨刘艳祯王福菊; 关键词：可降水量 GPS观测对流层延迟湿延迟 GPS技术

GA-BP神经网络的GPS可降水量预测被引量：22: 2020年; 针对传统BP神经网络模型存在的学习速度慢、易陷入局部极值以及网络结构参数取值的不确定性等问题,该文研究了一种基于遗传算法与BP神经网络相结合的GPS可降水量预测的新方法。该方法利用遗传算法对BP神经网络的初始权值和阈值进行优化,并对该模型进行训练,以提高预测模型的性能。实验结果证明了遗传BP神经网络模型用于GPS可降水量预测的可行性,其预测结果的均方根误差为0.16 mm、平均绝对百分误差为0.23%。相对于BP神经网络和小波神经网络模型,均方根误差分别降低了0.37和0.19 mm,平均绝对百分误差分别降低了0.62%和0.33%。同时遗传BP神经网络模型亦显示了很好的非线性拟合能力,能更好地预测GPS可降水量,对实际工作具有较强的参考价值。; 谢劭峰赵云李国弘周志浩; 关键词：BP神经网络遗传算法 GPS可降水量

怀化地区强降水过程中的GPS可降水量特征分析被引量：4: 2019年; 利用改进的天顶静力延迟(ZHD)模型和本地化水汽权重平均温度(Tm)模型反演怀化地区GPS可降水量(GPS-PWV),并结合自动气象站逐小时资料分析了2017年怀化地区大气水汽变化及汛期14次暴雨以上降水过程的GPS-PWV变化特征。结果表明:GPS-PWV可较好反映怀化地区大气水汽变化。怀化地区可降水量-气压(PWV-P)分布月变化特征明显,冬季PWV较低且变化范围较小,降水发生时气压较夏季平均高14.75 hPa;春季PWV逐步增大,降水发生时气压较冬季有所降低;夏季PWV为全年最高,降水发生时气压则降至全年最低值;秋季PWV-P数据逐渐分散并向可降水量低值区移动,分布情况逐步趋近冬季。2017年汛期怀化地区14次强降水过程中PWV均高于各月均值,最大小时降水量与最大PWV存在较好对应关系;降水开始前,PWV出现较明显上升,且多伴随气压较明显下降,可为局地强降水短临预警提供较好参考。; 罗宇高文娟罗林艳范嘉智段思汝; 关键词：GPS/MET 大气可降水量强降水

基于遗传算法优化小波神经网络预测GPS可降水量被引量：2: 2019年; 大气水汽变化,有着高度的随机性与时空剧变性;通过GPS遥感的方式获取得到的GPS可降水量是一个剧烈变化的非线性系统。针对GPS可降水量这一特点以及现有预测模型的局限性,采用遗传算法的全局搜索能力和小波神经网络良好的逼近与容错能力相结合的遗传小波神经网络进行建模。用所建模型对不同特点的GPS可降水量的时间序列进行分析。结果表明遗传小波神经网络在预测的精度、稳定性和预测的步长上均优于现有的PWV预测模型。; 熊红伟郑进; 关键词：GPS可降水量遗传算法小波神经网络

天山山区夏季强降水过程GPS可降水量演变特征分析: 2019年; 选取伊宁、巴仑台、天池和巴里坤作为研究天山山区夏季强降水过程GPS可降水量演变特征的指标站,利用4站的GPS-PWV和降水资料,分析了夏季强降水过程中GPS-PWV的演变特征。结果表明:1) 强降水出现前GPS-PWV有1~3天的明显抬升过程,且小时增量均有1~3次超过2 mm的急剧增长,GPS-PWV最大值各有不同,其中伊宁最大;2) 强降水通常出现在GPS-PWV高于平均值时,GPS-PWV上升阶段开始,降水后期GPS-PWV下降仍维持较弱降水,GPS-PWV降至平均值以下可以作为判断降水是否结束的标准,降水持续时间与GPS-PWV高值区维持时间较为一致;最大小时雨强基本都在GPS-PWV最大值出现后产生;3) 在不同类型天气过程影响下的强降水过程GPS-PWV演变特征有所不同。; 杨柳赵战成周雪英; 关键词：夏季强降水降水量

基于小波分解与GA-LSSVM的GPS可降水量短临预报被引量：5: 2019年; 针对GPS可降水量时间序列具有非线性、非平稳性的特征,研究一种基于小波分解(WD)、遗传算法(GA)和最小二乘支持向量机(LSSVM)的GPS可降水量短临预报方法。先采用小波分解将GPS可降水量时间序列分解成便于预报的低频分量和高频分量;然后利用遗传算法优化LSSVM参数,进而对各分量建立预报模型;再将各分量预报结果进行叠加重构得到最终预报结果。选取两组数据进行实验,并将预报结果分别与LSSVM和遗传小波神经网络(GA-WNN)预报结果进行对比。结果表明,该组合模型具有良好的泛化能力,可有效解决神经网络易陷于局部极小的问题,提高了全局预报精度。; 谢劭峰苏永柠刘春丽刘立龙; 关键词：GPS可降水量小波分解最小二乘支持向量机短临预报

郴州地区GPS可降水量精度及其变化特征被引量：4: 2018年; 利用2017年1月1日-12月31日湖南省郴州地区(永兴、宜章、桂阳、汝城和桂东)地基GPS/MET站网探测数据,基于Saastamoinen静力延迟模型和Bevis经验公式,结合地面气压和温度反演大气可降水量,并与根据高空气象探测秒数据计算所得探空可降水量对比,讨论GPS可降水量的探测精度。在此基础上进一步讨论郴州地区GPS可降水量的时空变化特征及其与其他气象要素的关系。结果表明,郴州地区GPS反演PWV具有较高精度,较探空实测PWV平均偏低1.717 7 mm,二者均方根误差为3.258 0 mm,能够反映郴州地区大气水汽的变化;郴州地区PWV表现为夏季(6月、7月和8月)最高、冬季(12月、1月和2月)最低、春季(3月、4月和5月)和秋季(9月、10月和11月)分别逐步增加和减少的单峰型分布;受地表蒸发和局地环流的影响,郴州地区主汛期(6月)逐时平均PWV表现为双峰型分布,分别于午后16:00和零点左右达到极大值,且在较强降水发生前,PWV会出现较明显增加,其变化特征对于降水的预报有一定指示作用。; 罗林艳罗宇段思汝吕冠儒文立恒范嘉智; 关键词：GPS/MET 大气可降水量

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈