一、提高预报精度拓宽服务领域（论文文献综述）
南鹏飞[1]（2021）在《基于WRF的未来（2050s）城市气候预测及适应性规划策略》文中研究指明全球气候变暖已是当前最紧迫的环境危机之一,与城市化的叠加则会加剧城市热岛效应,从而导致极端高温天气的出现,严重影响城市宜居环境和居民的健康与安全。为了更好的缓解气候变暖和城市热岛效应对城市居民生活的影响,避免高温热浪事件的发生,需要通过科学的方法对全球变暖背景下的城市热岛效应进行研究,并提出适应性的规划策略。本文利用CMIP5（Coupled Model Intercomparison Project phase 5）全球气候模式与中尺度气象模型WRF（Weather Research And Forecasting）进行耦合,针对RCP8.5（Representative Concentration Pathways,代表性浓度路径）情境下的大连市未来城市气候进行研究,提供高分辨率的气候变化预测数据,以此预估气候变化背景下的城市热岛潜在变化。研究利用WRF进行了两组数值模拟研究,一组为当前气候所对应的初始边界条件,另一组为未来气候对应的初始边界条件。当前气候条件下,利用GIS（Geographic Information System）将大连市现状土地利用数据转换为WRF静态地理场,通过NCEP（National Centers for Environmental Prediction,美国国家环境预报中心）的FNL（Final）气象数据驱动WRF模型,以2005年作为气候现状代表年,8月为典型月进行逐时模拟;采用5个国际气象交换站气象观测数据对WRF模拟结果进行验证,模拟数据与实测数据的皮尔逊相关系数R值在0.8-0.9之间,结果表明了WRF模型的准确性;未来气候条件下,土地利用数据保持不变,通过RCP8.5代表性浓度路径气象数据驱动WRF模型,以2041-2050年作为未来气候代表年,8月为典型月进行逐时模拟。结果表明,在RCP8.5情境下2050年大连市8月份地面2m平均温度为27.8℃;相较于2005年8月份平均温度将增加3.8℃,2044、2048年8月份地面2m平均温度为29.2℃,相较于2005年8月份平均温度将增加5.2℃。2041-2050年8月份大连市高温热浪天数达81天。将高温热浪日数叠加求平均值得到高温热浪期间平均温度,与大连市土地利用数据相叠加,得到大连市暴露度空间分布图,对大连市未来高温热浪风险进行评估。高风险区主要集中在核心区、金州城区和营城子区域,中风险区集中在旅顺城区、金州城区、西部沿海和北部沿海区域,低风险区集中在大黑山、西郊山体群、北部山区等。最后从城市规划、城市设计和城市管理层面针对热浪灾害高风险区提出适应性规划策略。城市规划包括城市气候分区、城市“冷岛”保护、构建城市通风廊道、高温避灾场所规划等。城市设计包括街道布局设计,拓宽街道、调整街道朝向利于通风,增加绿化带及隔离带缓解高温现象;控制沿海区域建筑高度、建筑密度、建筑形态和建筑群布局组合,更大限度发挥城市通风作用;通过调整下垫面材质、增加遮阳设施、降温喷雾设施和立体绿化改善区域热环境,提升局部环境热舒适。城市管理层面通过建立高温热浪预警体系、制定相关政策法规、加强公众宣传、健全医疗体系、脆弱人群保障体系来降低高温热浪灾害对城市和居民健康的影响。
路辉[2]（2021）在《复杂铝电解质关键物化参数预报和测定新方法》文中认为铝电解质是电解铝生产的载体介质,其组成和物理化学性质直接影响铝电解产品质量、电能消耗和电流效率。随着原材料及辅助材料变化,电解质体系成分越来越复杂,且呈现出明显的区域性特征,其物理化学性质发生了较大改变,给电解生产带来效率低、能耗高、沉淀多和控制难等系列问题。围绕电解铝工业提质增效、节能降耗,转型升级战略目标,深入研究复杂铝电解质体系物理化学性质,探索复杂电解质初晶温度、分子比等关键物化参数精准预报和测定,对优化铝电解生产工艺、实现生产精准管控和推动铝冶炼智能升级具有重要意义。本论文以复杂铝电解质体系为研究对象,采用多种分析检测手段,获得了复杂铝电解质体系的化学组成、物相组成、元素赋存状态和热稳定性等物理化学性质,揭示了复杂铝电解质体系区域性特征,建立了原材料、辅助材料和复杂电解质体系形成间的映射关联。采用机器学习算法,构建了基于多基体类型、宽成分范围复杂铝电解质样本的初晶温度预报模型。采用激光诱导击穿光谱（LIBS）技术,基于特征提取和机器学习融合的化学计量学方法实现了复杂铝电解质CR的定量分析测定。开展了熔融复杂铝电解质CR和Ca、Mg含量的LIBS原位在线检测实验,首次实现复杂铝电解质体系主要成分的LIBS原位在线检测分析。主要研究成果如下:（1）电解质和原辅料多维度、大容量的多源数据结合原料区域供应协同的分析方法,实现复杂铝电解质体系和原辅料间成分的区域映射关联。分析了复杂铝电解质体系的典型物理化学性质,揭示了复杂铝电解质体系区域性特征。从氧化铝、炭素阳极、阳极覆盖料和炭渣等方面对复杂铝电解质体系形成进行溯源分析,阐明氧化铝、炭素阳极和阳极覆盖料中杂质元素分布规律,构建了铝电解原材料、辅助材料中杂质元素和复杂铝电解质形成之间的基本映射关系。（2）大样本容量电解质样本成分全要素耦合结合机器学习解析的建模方法实现了复杂铝电解质体系初晶温度的精准预报。模型适用范围拓宽,预报准确性提高,揭示出复杂铝电解质体系初晶温度与其化学成分之间的非线性关系。BP-ANN模型留一交叉验证RMSE=6.77,MRE=0.54%,39个外部样本初晶温度预报的平均相对误差为0.39%;SVM（Rbf）模型留一交叉验证RMSE=6.90,MRE=0.49%,预报39个外部样本初晶温度的平均相对误差为0.43%,预报准确性较高,具有重要的应用价值。（3）设计、搭建LIBS实验装置,通过开展单因素实验,实现了 LIBS检测关键实验参数优化。通过选择特征分析谱线,计算等离子体温度和电子密度,证实等离子体光谱有效性,优化LIBS实验条件,获得合理的实验参数组合。结合Mc-Whirter准则,计算出激光等离子体温度为5353 K,电子密度为1.55×1018 cm-3,证实复杂铝电解质等离子体满足局部热力学平衡状态,LIBS等离子体光谱有效。实验确定LIBS参数优化条件为:氩气气氛,激光器延迟时间4 μs,激光器能量133 mJ,电解质研磨时间30 s,电解质压样压力8 Mpa,激光脉冲累加50次,为复杂铝电解质体系主要成分LIBS定量分析奠定基础。（4）提出基于光谱变量特征提取和机器学习融合方法,首次实现复杂铝电解质CR的LIBS定量测定分析。采用超多面体方法筛选光谱特征变量,以筛选出的特征变量为新数据集,采用机器学习算法训练建模,发现SVM（Liner）模型留一交叉验证RMSE=0.062,MRE=1.79%,SVM（Rbf）模型留一交叉验证RMSE=0.027,MRE=0.93%;通过验证17个外部独立测试样本,SVM（Liner）与SVM（Rbf）模型测定分析复杂电解质CR的平均相对误差为0.33%与0.43%,Hyperpolyhedron-SVM方法对复杂铝电解质训练样本和验证样本均表现出较好的分析测定能力。（5）搭建LIBS原位在线检测装置结合化学计量学解析方法,首次实现高温环境下强扰动、非均质熔融态复杂铝电解质主要成分的LIBS定量分析。基于全谱的SVM校正模型分析测定能力较好,分析20个外部电解质样本CR的平均相对误差为2.62%。采用传统定标法建立了面向复杂电解质体系Ca、Mg含量的定标曲线,其中Ca元素的定标曲线为y=6208.43x-8654.59,定标模型 R=0.94,RSD=1.89%,Mg 元素的定标曲线为 y=7120.13x+1312.60,定标模型R=0.95,RSD=3.28%。通过分析13个外部独立测试电解质样本,Ca元素平均相对标准偏差为5.40%,Mg元素的平均相对标准偏差为13.0%。Ca元素最低检测限为8.54mg·g-1,Mg元素最低检测限为15.50mg·g-1。
刘梓琰[3]（2021）在《基于FY3CGNSS掩星探测的大气对流层顶产品研究》文中研究表明对流层顶是地球大气,气候相关研究中的热点领域之一,其结构变化与大气成分含量变化,对流层-平流层物质交换以及大气环流等现象密切相关,因此具有研究价值。在全球导航卫星系统（GNSS）掩星（RO）探测技术问世以前,对于对流层顶的研究主要依赖于直接观测手段或模型数据分析,两者均有一定缺陷,无法同时满足全球覆盖,高垂直分辨率,以及时效性的要求。掩星探测技术的出现完美的弥补了上述不足,迅速成为研究对流层顶的有力手段。我国自主研发的GNSS掩星探测仪（GNSS occultation sounder,GNOS）最初于2013年搭载于风云三号卫星C星（FY3C）投入使用,并随后在2017年搭载于风云三号卫星D星（FY3D）成功升空开始业务运行。GNOS是由中国科学院国家空间科学中心研发的,世界首个同时兼容GPS（Global Positioning System）与北斗（Beidou Navigation Satellite System,BDS）信号的掩星接收机。在后续的风云三号卫星E星（FY3E）上将搭载新一代的同时兼容GPS,BDS与伽利略（GALILEO）信号的GNOS掩星接收机。目前,我国的掩星探测已经积累了足够用以开发气候产品的数据,并且数据的质量也经过了一些权威机构诸如欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts,ECMWF）,魏格纳气候与全球变化研究所（Wegener Center for Climate and Global Change,WEGC）等的认证,但尚未有与GNOS数据相关的气候产品,因此数据的价值亟待开发。本文对这一情况做了一系列的工作,对利用FY3C GNOS数据开发对流层顶产品,对流层顶判定算法参数优化,基于FY3C GNOS数据不同对流层顶判定方法得到结果的误差分析,以及FY3C GNOS对流层顶产品的精度改进展开了一系列的讨论。本文的主要工作如下:1.系统地介绍了对流层顶的科学意义,研究价值以及基于掩星数据的对流层顶判定方法。对掩星探测的原理,观测特性进行介绍,分析了掩星探测对于对流层顶研究的优势。对基于掩星数据的对流层顶相关领域的研究进行了整理与综述。2.对于Lewis于2009年提出的专门适用于掩星数据的通过弯曲角廓线判定对流层顶的算法（后称为弯曲角协方差变换方法）的原理进行分析,并根据分析得到的结论对其中的参数进行优化,在不改变最终结果的前提下降低了大约50%的计算量。3.基于FY3C GNOS数据,比对两种主流的掩星对流层顶判定方法得到的结果,并借助模式数据以及其他掩星任务数据进行误差对比分析,发现两种方法得到的结论虽然由于高度的表示方式不同导致对流层顶高存在整体0.6-1 km偏差,但在南极以外区域二者均展现出同样的变化趋势。对于南极地区的差异,讨论了可能的原因。4.研究中发现FY3C GNOS的对流层顶高度结果相较于ECMWF结果再高纬度地区存在一定偏差,尝试使用机器学习算法对这一偏差进行修正,修正后的对流层顶高度与对流层顶温度与ECMWF结果的均方根误差整体分别降低了0-0.5 km与0-1 K以上。5.基于4年的FY3C GNOS数据,首次给出FY3C的对流层顶气候产品,并将其与其他掩星任务结果,台站探空仪数据结果以及先前相关研究结果进行比对验证。与其他掩星任务结果相比,对流层顶高度的平均绝对偏差小于0.2 km,对流层顶温度的平均绝对偏差小于2 K。与台站探空仪结果相比,FY3C GNOS对流层顶高度与温度与多个台站结果的相关系数均为0.9-0.95以上。此外,由FY3C数据得到的季平均对流层顶参数反映出的气候现象均与相关研究中的现象吻合,证实了FY3C GNOS对流层顶气候产品的精度与有效性。
周唱[4]（2021）在《基于深度学习的水库洪水预报研究》文中研究指明长久以来,我国的洪水灾害一直是使人类生命财产安全受到严重威胁的最为频繁的自然灾害之一,为缓解此类问题带来的负面影响,我国修建了大量具有防洪功能的水库。水库洪水预报作为一项不可或缺的非工程措施,对防汛决策起着关键性的指导作用,构建适用、可靠的水库洪水预报模型已成为防洪度汛的迫切要求。影响水库洪水形成的因素众多、关系复杂,通常难以完全准确地对流域水文过程状态进行描述,这一难点成为制约传统水库洪水预报模型发展的掣肘。由于传统的水文预报方法已逐渐凸显出不够便捷、不够高效、不够准确等诸多弊端,因此,需要对水库洪水预报进行更加深入的研究与更加创新的实践,助力洪水预报在指导抗洪工作中发挥出更积极的作用。现阶段人工智能发展日新月异,将深度学习的概念引入到水库洪水预报中。基于深度学习的水库洪水预报模型是一种基于数据输入-输出关系的数据驱动模型,将水库前期入库流量及降雨量作为模型的水文驱动因子,水库当前入库流量作为对应的预测因子。在开展基于深度学习的水库洪水预报研究中,首先采用灰色关联分析方法,计算模型各水文驱动因子与预测因子的灰色关联度,据此对水文驱动因子进行初步筛选,并将筛选结果进行合理组合。其次,为避免数据中的噪声使模型发生过拟合的现象,采用Gamma Test方法对不同水文驱动因子组合进行噪声估计,选择噪声最小的驱动因子组合为模型的最终输入。针对Gamma Test中进行各近邻点的寻找和相应近邻值的求解时计算成本较大的问题,采用基于Python语言编写的KD树程序进行辅助计算。再次,利用PyTorch深度学习框架,分别构建基于LSTM的水库洪水预报模型、基于CNN的水库洪水预报模型及基于CNN-LSTM的水库洪水预报模型,并采用试错法对模型中的超参数进行优选。对于不同的模型,采用不同的优化器对网络参数的梯度进行优化,并适当引入正则化、批标准化等方法完善模型。最后,对LSTM模型、CNN模型及CNN-LSTM模型的水库洪水预报能力进行评估,包括模型精度评定与预测流量和实测流量的相关分析,根据以上结果对三种模型进行对比评价。本文以卧虎山水库为背景,经水文驱动因子筛选后,分别建立了基于LSTM、CNN和CNN-LSTM的水库洪水预报模型,利用深度神经网络强大的自适应学习能力和高度的非线性映射能力,提升了水库洪水预报模型的整体性能。结果显示,LSTM模型擅于对洪水过程的整体趋势进行描述,其纳什效率系数与确定性系数均高于CNN模型的计算结果,预测流量与实测流量也呈现出较为显着的强相关性。CNN模型对于洪峰流量的模拟表现更为突出,更能正确处理洪量变化幅度较快时的极端情况。CNN-LSTM模型兼具前面两种模型的优点,但其整体预测精度有待提高。三种模型均存在自身的局限性,同时样本数据较小也对模型效果产生负面影响。但相对于传统模型,基于深度学习的模型则更为高效便捷,且均能在水库入库洪水预报中表现出一定程度的适用性及可靠性,具备较强的应用潜能。
程博[5]（2021）在《GPS/BDS精密单点定位及短期钟差预报》文中研究表明北斗卫星导航系统的组网完成使我国拥有了提供全球导航定位和授时服务的能力。因此对于GPS/BDS系统的PPP及其它相关研究将会成为热点。同时受网络,测站数据质量等原因,实时钟差经常发生时延或缺失,所以通过对卫星钟差的短期预报来提高钟差产品的可靠性,对推进实时PPP的实际应用有重要的实际意义。以PPP理论为基础,首先研究了GPS和BDS之间的系统间偏差（ISB）特性,分别按照常量估计、随机游走过程、白噪声过程来对其进行估计,实验结果表明采用随机游走效果最好。利用全球35个MGEX跟踪站对GPS/BDS及其组合系统的PPP性能进行评价,实验结果显示BDS-2系统不论是在静态还是动态PPP中定位精度均最差,收敛时间也最长。BDS-3系统在E、N、U方向静态定位精度分别为1.21cm、0.86cm、2.84cm。动态分别为2.96cm、2.45cm、5.65cm,三个方向的收敛时间为43.31min、31.23min、55.57min。GPS/BDS-2/BDS-3系统组合的定位精度最高,三个方向静态定位精度为0.76cm、0.54cm、1.03cm,动态达到1.37cm、1.05cm、2.93cm,收敛时间分别为23.79min、12.15min、23.24min。通过对GPS/BDS卫星钟差预报策略的优化,确定了本文钟差预报实验的最佳拟合时长与最佳外推时长分别为75min和5min。采用多项式模型、灰色模型和组合模型来预报卫星精密钟差,实验结果显示三种模型对于各系统卫星钟差的预报精度均优于0.2ns,相比之下组合模型预报精度最高。并且通过模拟实时PPP实验验证了其钟差预报的合理性。该论文有图38幅,表33个,参考文献128篇。
朱浩朋[6]（2021）在《基于卷积神经网络的西北太平洋柔鱼渔场预报模型构建》文中提出近三十年中国远洋渔业产业发展迅速,鱿钓渔船规模越来越大,然而随着我国远洋渔业的发展,柔鱼生产规模在不断扩大的同时,生产成本也不断升高,寻找可靠稳定渔场的难度越来越高,同时远洋渔业企业对柔鱼渔场的预报服务产品的要求也越来越高。因此,打破传统的渔情预报方式存在的局限,充分利用当前计算机先进软件算法和条件,准确而快速地进行渔情预报,可以为远洋渔业企业的出海作业生产提供科学、合理的指导意见,降低人力、物力成本。西北太平洋是一片有着较为特殊海洋环境的海域,是亲潮寒流与黑潮暖流的交汇区域,季节性温差较大,但同时也是中国鱿鱼产量最高的海域,拥有着全太平洋36%的柔鱼产量,把握西北太平洋渔场的位置及渔汛的长短,对提高我国渔业产量、降低捕捞作业成本,维持柔鱼生产的稳定发展,具有重要的现实意义。为了提高西北太平洋渔场预报的准确性和实用性,本研究提出了一种基于深度学习原理的柔鱼预报模型的构建方法。研究数据时间跨度是2000年-2015年的7月-11月,包括来自西北太平洋柔鱼渔船生产信息日报以及来自NASA的中分辨率成像光谱仪（Moderate-resolution Imaging Spectroradiometer,MODIS）的海洋表面温度（Sea Surface Temperature,SST）和叶绿素a数据（Chlorophyll,Chl-a）,两种海洋环境数据都是三级产品。本研究根据不同通道即SST、Chl-a、经度、纬度、月份等的组合,构建了5种用于模型训练的数据集,即1)仅包含SST的单通道数据集、2)包含SST和月份的2通道数据集、3)包含SST、经度和纬度的3通道数据集、4)包含SST、月份、经度和纬度的4通道数据集、5)包含Chl-a、月份、经度和纬度的4通道数据集。为了在维度上与第1个通道数据相匹配,需要将经度、纬度和月份的输入数据从0维标量扩展到像素数为65×65的二维张量,并作为第2、第3和第4通道。由于缺乏足够多的有效渔业捕捞数据,通过以-10°和+10°之间的小角度随机旋转数据集图像以及图像中心在四个方向（包括北、南、东和西）的随机0.1°偏移对训练数据集进行了增强处理。经数据增强后的数据集数据量比原来增加了4倍。卷积神经网络（Convolutional Neural Network,CNN）模型的结构选择的是Alex Net,它由五个卷积层,三个最大池化层和三个全连接层组成。此方法使用图形处理单元（Graphics Processing Unit,GPU）加快训练速度,其环境特征的提取由计算机自动完成,充分考虑了渔场周边的温度场特征,优于传统的渔业预报方法。SST、纬度、经度和月份都是构建渔场预测模型时需要考虑的重要影响因素,本研究比较和分析了这些因素对渔场预报准确率的影响。为了检验所选环境因素的合理性,本研究另外使用了叶绿素浓度数据作为输入因子进行了试验,同时,为了检验该模型的优越性,也基于随机森林方法采用SST数据构建了柔鱼预报模型且通过预报准确率、精确率、召回率和F1分数等模型评价参数,对比分析了三个预报模型的效果。得出以下结论:1)根据柔鱼的迁移规律,将7月-11月的SST数据集分为3个子数据集,分别是7-8月、9月和10-11月。这种月份组合的方式将测试准确率提高了至少6个百分点。7月-8月、9月、10月-11月这三个数据集的测试准确率远高于7-11月数据集的测试准确率74.4%,因此柔鱼本身的生物特性包括迁徙、生长规律是十分重要的,在渔业预报模型构建过程中不可忽视,有利于提高渔场预报模型的预报精度。2)经过8万次训练后,平均测试准确率收敛至约81.1%。采用SST数据构建的7-8月、9月和10-11月3个4通道数据集的测试准确率分别为80.5%,81.5%和81.4%。可以得出结论,海洋表面温度及其时空信息在西北太平洋柔鱼渔场的预报中起着重要作用,利用单个环境因子SST构建CNN训练数据集从而建立柔鱼渔场预报模型的方法是可行的。3)对包含不同通道信息的数据集训练结果进行对比,SST的4通道数据集的训练结果最好,测试精度明显高于3通道、2通道、单通道数据集以及Chl-a的4通道数据集。仅包含SST的单通道数据集的测试精度至少达到73.5%,这表明SST是5个因素中的最重要因素,即SST、Chl-a、经度、纬度和月份。而且对比了SST、Chl-a两种海洋环境数据的模型预报效果,以SST训练的模型取得了81.1%的准确率显着高于以Chl-a训练的模型的不足75%的平均准确率,也证明了较之Chl-a,SST是影响柔鱼渔场变动的更重要因素。4)以2015年实际渔获量数据为依据,验证了预测模型的应用效果,并选择精确率和召回率作为该模型的评价指标。结果表明,基于SST数据的柔鱼渔场预报模型平均精确率、召回率和F1分数分别为66.6%、82.3%和73.1%,高于基于Chl-a数据的预报模型的60.3%、69.3%、63.1%。基于SST数据的柔鱼渔场预报模型预测的高产捕捞区域基本上与实际的高CPUE区域匹配,并且两者的月度移动趋势也基本一致。5)与随机森林构建的渔场预报模型对比,在变量种类相同的情况下,随机森林方法取得了7-8月72.0%、9月58.9%、10-11月64.1%的测试准确率,低于本研究的卷积神经网络方法,测试准确率的差值在8.5%-22.6%之间。
胡豪杰[7]（2020）在《BDS卫星钟差预报及实时精密单点定位研究》文中研究指明实时精密单点定位（Real-Time Precise Point Positioning,RT-PPP）是当前全球卫星导航系统（Global Navigation Satellite System）领域研究热点和重要发展方向之一,在导航、定位与授时（Positioning,Navigation and Timing,PNT）领域有着广泛的应用。随着中国北斗卫星导航系统（BeiDou Navigation Satellite System,BDS）全球星座部署工作的完成,开始正式提供全球服务,基于BDS的实时精密定位服务对于经济发展和国防建设具有重要意义。一般地,RT-PPP的实现依赖于外部实时精密产品的获取,如超快速精密轨道、实时精密卫星钟差、大气延迟改正和卫星硬件延迟等,其中实时精密卫星钟差产品质量对RT-PPP定位性能影响巨大;并且目前包含BDS的公开实时产品较少,一定程度上制约了 BDS实时PPP的应用拓展。因此,本文以建立BDS实时精密单点定位服务系统为主要研究目标,着重展开了对于BDS-3卫星原子钟性能分析、钟差数据建模预报以及BDS RT-PPP的定位性能的评估与研究。本文主要研究工作和贡献如下:1)利用连续550天解算的BDS精密卫星钟数据,基于卫星钟差二次多项式拟合模型分析了 BDS-3卫星钟的相位、频率、频漂及钟差模型噪声等物理指标的长期变化特性;同时采用频谱分析方法对BDS不同轨道不同原子钟的周期特征进行了分析;利用Hadamard方差对卫星钟的频率稳定性指标进行计算,讨论了频率稳定度的长期变化特征。综合上述实验结果,全面地评估了 BDS-2/BDS-3星载原子钟的长期性能。2)多角度分析了 BDS卫星钟差预报精度,探讨了 BDS-3氢钟及新型铷钟对于不同模型的适用性问题。文章基于BDS精密钟差数据,对不同预报时长下线性模型（Linear Polynomial model,LPM）、二次多项式模型（Quadratic Polynomial model,QPM）、灰色模型GM（1,1）（GM）和整合移动平均自回归模型（Autoregressive Integrated Moving Average model,ARIMA）模型的预报精度进行统计分析,比较BDS 卫星铷钟（Rb）、新型铷钟（Rb-Ⅱ）及被动氢钟（PHM,passive hydrogen maser）在各个模型下的预报精度。结果表明,BDS-3氢钟在预报精度和预报稳定度上均具有最优的结果,12h预报结果仍处于0.5ns;此外,BDS-3氢钟适合使用LPM进行钟差数据预报,而BDS-3新型铷钟更适合使用QPM进行钟差数据预报,此结论可为BDS钟差模型的进一步精化提供有利的参考。3)针对CNES提供的实时服务产品,分析了 CLK93 BDS实时卫星轨道及钟差产品的质量;基于质量分析,研究了 BDS、GPS以及BDS/GPS组合三种方案下静态、动态实时PPP定位性能,并以真实动态数据呈现BDS动态RT-PPP定位性能。实验表明,BDS MEO和IGSO实时轨道产品精度均能保持在10cm内,实时钟差产品精度为0.3ns,精度与GPS相当;而GEO轨道精度达到m级,钟差精度在1ns量级。在BDS实时PPP定位性能方面,静态和仿动态情况下,BDS收敛时间在50min左右,定位精度为分米级;真实动态下,BDS在E、N、U三方向上定位精度分别为1.3m、1.6m和1.7m。由于CNES只播发了 BDS-2卫星实时产品,仅BDS-2参与RT-PPP参数估计使得定位性能稍差,将来BDS-3实时产品的加入会进一步提高BDS实时服务性能。图[35]表[20]参[103]
赵坤娟[8]（2020）在《基于iGMAS的电离层监测和评估方法研究》文中指出电离层对卫星信号的影响一直是全球卫星导航系统GNSS（Global Navigation Satellite System）数据处理中主要的误差源之一。基于GNSS的电离层研究主要包括电离层延迟监测方法研究,建模和预报研究,以及电离层产品的应用。随着我国北斗卫星导航系统BDS（Bei Dou Navigation Satellite System）全球组网建设完成,使得基于GNSS的电离层研究有了更多的机遇和可能性。一方面,北斗系统的星座不同于其他卫星导航系统,在赤道上空包含特有的地球静止轨道GEO（Geostationary Earth Orbit）卫星,可实现高精度电离层延迟监测;另一方面,我国建立了独立的国际GNSS监测评估系统（international GNSS Monitoring and Assessment System,i GMAS）,使得研究电离层有了可靠的数据支撑和分析基础。因此本文依托i GMAS重点开展了北斗GEO卫星的电离层监测、北斗全球广播电离层延迟修正模型BDGIM（Bei Dou Global broadcast Ionospheric delay correction Model）评估、i GMAS电离层产品长期预报方法研究。论文研究结果可促进i GMAS监测系统的完善和发展,为我国北斗卫星导航系统和电离层相关技术的发展和应用提供支撑。论文研究的主要成果和创新点如下:（1）利用北斗GEO卫星对地静止的特性,基于近几年的观测数据和频间偏差产品,开展了固定穿刺点处电离层TEC的连续监测试验研究。BDS特有的GEO卫星和地面站相对位置固定,其电离层穿刺点几乎固定不变,可对固定穿刺点处电离层进行连续不间断监测。因此论文提出利用GEO卫星双频观测数据对固定穿刺点处电离层TEC监测的方法。首先通过比较北斗码伪距和载波相位观测值的不同组合,分析得到B1&B2双频组合计算电离层延迟为最优组合。然后采用相位平滑伪距方法计算电离层延迟TEC,相较其他电离层数学模型,该方法的优点是不会引入模型误差,连续三年监测结果与IGS格网产品比较误差约为2TECU。最后利用GEO电离层连续的监测结果,分析了太阳活动的电离层响应特征。（2）在北斗三号全球系统开通之前,基于i GMAS全球跟踪网等数据,以GNSS多系统的事后精密电离层产品和双频实测电离层产品为参考,开展了北斗电离层模型（BDGIM）评估方法研究和实际的试验评估,并与其他广播电离层模型进行了比较分析。评估结果表明:a)与BDSKlob相比BDGIM模型在性能上有了较大提升,电离层改正精度大约提高了20%,并弥补了BDSKlob模型在高纬度和两极区域异常的缺点;b)BDGIM模型和GPSKlob模型相比,模型参数更新率快,对全球范围内的电离层延迟描述更精确,北半球和赤道区域的电离层改正优势明显,南半球中纬度区域和GPSKlob模型精度相当,南半球高纬度区域会出现精度略逊于GPSKlob模型;c)BDGIM模型在电离层平静时期和春季异常时期的表现都优于BDSKlob、GPSKlob模型,在较长时间尺度上BDGIM模型也是可靠的。d)通过与双频实测电离层的对比,BDGIM的差值STD约为1～2.5 TECU;BDSKlob的差值STD约为2～3 TECU,GPSKlob的差值STD约为1.7～6.8 TECU。（3）基于i GMAS电离层产品研究了电离层TEC的长期预报方法,提出了电离层TEC的直接序列预报方法和间接系数预报方法,并对实际预报效果进行了验证。研究电离层TEC的长期预报方法,对于卫星导航系统自主运行,以及相关科学研究等具有重要意义。直接序列预报方法是利用自回归滑动平均ARMA（p,q）模型直接对每个格网点上的电离层VTEC序列进行预报,而间接系数预报方法是将电离层VTEC转换成球谐系数后,对球谐系数序列应用ARMA（p,q）模型进行预报。利用i GMAS电离层产品对提出的两种方法进行检验和比较,结果表明,在15天以内,上述两种方法的预报结果较好,和参考值比较具有很好的一致性,预报值和参考值之差小于3 TECU的格网点数占比75%以上,在每天太阳直射阶段和参考值的差值略大,在4 TECU以内,超过15天时,间接系数预报方法的精度略高于直接序列预报方法。通过6次30天的预报得到的2019年下半年结果显示,两种方法电离层预报的精度基本在80%以上。另外,直接序列预报方法适用于区域性预报,间接系数预报方法适用于全球性预报;临时预报采用直接序列预报方法较为省时,而连续自动化预报采用间接系数预报方法更省时省存储空间。
梅斌[9]（2020）在《基于自航试验的船舶操纵运动灰箱辨识建模》文中认为船舶操纵性是航运业、造船界、船级社和国际海事组织共同关心的话题和事项。船舶操纵运动建模是研究船舶操纵性的重要手段。鉴于船舶运动存在非线性特征和受到海洋环境影响,本文研究了基于自航试验的灰箱辨识建模方法,期望建立有效、实用的船舶操纵运动模型。在深水条件、操纵运动与船舶摇荡互不干扰条件下,深入研究船舶操纵运动灰箱辨识建模,开发出适应于海上船舶运动预报与仿真的操纵运动辨识建模算法。辨识建模是重要的船舶操纵运动建模方法之一,但是航海领域的船舶操纵运动模型研究不同于船舶与海洋工程领域,需要考虑试验方案的动力学约束。本文使用基于参考模型的灰箱辨识及其改进算法,对静水船舶操纵运动和海上实船操纵运动的建模问题进行深入研究,为自主导航、自主避碰提供有效实用的船舶操纵运动数学模型。最后使用标准船模和实船的自航试验进行验证。本文主要研究工作和成果如下所示:1.操纵试验反压舵角的舵力、船舶横倾和数据分布特性研究。推导操纵试验反压舵角时舵力增加的解析表达式,使用船舶数值仿真试验检验解析表达式的有效性,分析横倾变化和主机负荷变化。基于概率密度算法计算并对比Z形试验和旋回试验数据分布的广泛性。结果表明:（1）舵力增加的解析表达式为双曲线函数,函数精确有效。（2）定常旋回时反压舵角导致舵力增加幅度达到100%,40万吨超大型矿砂船达到240%;反压舵角导致横倾加剧,主机负荷波动。（3）大幅反压舵角导致Z形试验的数据分布比旋回试验更广泛。因此,由于数据分布的广泛性与操纵的安全性存在冲突,标准操纵性试验适用于辨识建模。2.基于参考模型的灰箱辨识算法建立自航模操纵运动模型。基于偏最小二乘算法计算船舶主尺度权重,优化船舶主尺度向量。计算主尺度向量间的相似度,筛选出参考模型。使用相似准则消除参考模型和建模对象的尺度差异,提出基于参考模型的建模（RM）,为基于参考模型的辨识建模奠定基础。采用基于随机森林（RF）和贝叶斯神经网络（BRN）补偿基于参考模型建模的加速度误差,提出基于参考模型的灰箱辨识建模,使用标准船模KVLCC2水池试验进行验证。结果表明:（1）RM建模预报+35°)旋回试验进距、战术直径、船艏向90°时间和船艏向180°时间,与自航模结果的比值为1.028、0.967、1.051、1.052。（2）RM-RF只能预报Z形试验,旋回试验预报不具有稳定性。根据船舶操纵运动机理,优化RF的输入输出,建立RM-IRF。RM-IRF预报结果与自航模结果的比值为0.991、0.957、1.014、1.013。因此,基于参考模型的灰箱辨识建模具有一定的有效性,优化的输入输出提升了模型泛化能力。3.灰箱辨识建模的超参优化及白箱模型的辨识。基于灰箱辨识建模框架采用支持向量机（SVM）作为辨识算法,建立RM-SVM灰箱辨识建模。通过遍历软间隔、核函数比例和不敏感边界的数值范围,分析超参调节对RF-SVM建模精度影响。针对超参调节的均方误差量纲与权重问题、目标函数优化的不连续与不可导的问题,采用相关系数的1范数作为目标函数,基于模式搜索算法（PS）进行迭代优化求解,提出了 RM-PSM-SVM算法。采用线性回归算法辨识RM-PSM-SVM的预报结果,获得整体型模型水动力系数,实现灰箱模型与白箱模型的转化。结果表明:（1）当迭代次数达到20时,目标函数值达到0.99,趋近于最大值1。（2）比较了多种灰箱辨识建模的算法精度,RM-PSM-SVM预报+35°旋回试验进距、战术直径、船艏向90°时间和船艏向180°时间与自航模结果的比值为1.004、0.983、1.003、0.985。（3）辨识RM-PSM-SVM灰箱模型结果,获得了整体型模型,与约束模试验结果比较,横向速度的线性水动力系数精度达到50%,转向速度的线性水动力系数精度达到65%,舵角的3次水动力系数精度达到70%。4.实船的海上干扰求解与试验修正及其操纵运动灰箱辨识建模。首先,校验实船试验众多的测量设备及其精度,选择合适的数据来源用于辨识建模。其次,针对海上风浪流干扰导致的船舶漂移,在定常旋回和均匀流等假设的基础上,计算了风浪漂移力和漂移距离。最后,采用优化算法求解调节参数,修正了风浪流干扰,从而提出了旋回试验干扰求解与试验修正方法。YUKUN实船试验算例表明:（1）海流占该次试验轨迹漂移距离的主要成分、风力次之、波浪最小;改进的旋回试验海上干扰求解与试验修正方法有效可靠。（2）其他文献的干扰求解与试验修正方法是本方法的一种特例。（3）使用RM-PSM-SVM算法建立实船操纵运动灰箱模型,20°右旋回试验的横向速度相关系数达到0.85,其余变量相关系数达到0.90以上;35°左旋回试验轨迹的预报误差小于50m。因此,提出的试验修正方法和灰箱辨识建模有效实用。本文所有实验采用Matlab/Visual C++编程实现,建立的灰箱模型验证了船模试验——实船试验研究路线的有效性。该研究对提升航海安全保障具有重要的现实意义。
教育部[10]（2020）在《教育部关于印发普通高中课程方案和语文等学科课程标准（2017年版2020年修订）的通知》文中指出教材[2020]3号各省、自治区、直辖市教育厅（教委）,新疆生产建设兵团教育局:为深入贯彻党的十九届四中全会精神和全国教育大会精神,落实立德树人根本任务,完善中小学课程体系,我部组织对普通高中课程方案和语文等学科课程标准（2017年版）进行了修订。普通高中课程方案以及思想政治、语文、
二、提高预报精度拓宽服务领域（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、提高预报精度拓宽服务领域（论文提纲范文）
（1）基于WRF的未来（2050s）城市气候预测及适应性规划策略（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.1.1 气候变化趋势 |
| 1.1.2 城市热岛效应 |
| 1.1.3 大连城市现状及气候特征 |
| 1.1.4 大连未来城市发展与气候变暖 |
| 1.2 国内外研究现状及发展动态分析 |
| 1.2.1 城市发展与城市气候 |
| 1.2.2 城市高温热浪风险 |
| 1.2.3 全球尺度气候模拟 |
| 1.2.4 区域尺度气候模拟 |
| 1.2.5 城市气候风险应对策略 |
| 1.3 研究目的和意义 |
| 1.3.1 研究目的 |
| 1.3.2 研究意义 |
| 1.3.3 创新点 |
| 1.4 研究方法及技术路线 |
| 1.4.1 研究方法 |
| 1.4.2 研究技术路线 |
| 1.5 本章小结 |
| 2 城市气候数值模拟方法 |
| 2.1 模拟资源 |
| 2.2 研究过程 |
| 2.3 模型设置 |
| 2.4 边界条件 |
| 2.4.1 地形和土地利用数据 |
| 2.4.2 气象数据 |
| 2.4.3 物理方案 |
| 2.4.4 城市形态参数和人为热 |
| 2.5 WRF数值模拟结果的验证 |
| 2.5.1 数据来源与处理 |
| 2.5.2 数据结果分析 |
| 2.6 本章小结 |
| 3 城市气候数值模拟结果分析 |
| 3.1 数值模拟结果处理 |
| 3.2 温度场数值提取分析 |
| 3.2.1 典型月平均温度空间分布特征 |
| 3.2.2 典型月平均温度增长趋势 |
| 3.2.3 典型月平均温度均值与极值分析 |
| 3.3 未来高温热浪风险评估 |
| 3.3.1 高温热浪灾害日数 |
| 3.3.2 暴露度空间分布图 |
| 3.4 本章小结 |
| 4 基于城市热浪风险的规划应对策略 |
| 4.1 城市规划应对热浪风险措施 |
| 4.2 城市设计应对热浪风险措施 |
| 4.2.1 主城区适应性规划设计策略 |
| 4.2.2 重点区域研究范围概况 |
| 4.2.3 街道空间布局 |
| 4.2.4 建筑设计策略 |
| 4.2.5 调整下垫面材质 |
| 4.2.6 城市降温设计 |
| 4.2.7 城市遮阳设计 |
| 4.2.8 立体绿化设计 |
| 4.3 城市管理应对热浪风险措施 |
| 4.4 本章小结 |
| 5 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 附录A 图片索引 |
| 附录B 表格索引 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（2）复杂铝电解质关键物化参数预报和测定新方法（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 引言 |
| 2 文献综述 |
| 2.1 铝电解质体系概述 |
| 2.1.1 铝电解质体系发展历程 |
| 2.1.2 铝电解质体系分类 |
| 2.1.3 复杂铝电解质体系形成原因 |
| 2.1.4 复杂铝电解质对生产过程的影响 |
| 2.2 铝电解质体系初晶温度预报和CR测定分析 |
| 2.2.1 铝电解质体系初晶温度预报 |
| 2.2.2 复杂铝电解质体系CR测定分析 |
| 2.3 激光诱导击穿光谱(LIBS)技术 |
| 2.3.1 LIBS技术概述 |
| 2.3.2 LIBS激光等离子体产生机制 |
| 2.3.3 LIBS定量分析方法 |
| 2.3.4 LIBS技术在冶金中的应用 |
| 2.4 研究背景和内容 |
| 2.4.1 研究背景 |
| 2.4.2 研究内容 |
| 3 复杂铝电解质体系物化特征和溯源分析 |
| 3.1 实验方案 |
| 3.1.1 实验原料 |
| 3.1.2 实验仪器 |
| 3.2 复杂铝电解质物化特征分析 |
| 3.2.1 化学成分分析 |
| 3.2.2 物相组成分析 |
| 3.2.3 元素赋存状态分析 |
| 3.2.4 热稳定性分析 |
| 3.3 复杂铝电解质体系形成溯源分析 |
| 3.3.1 氧化铝中杂质元素分析 |
| 3.3.2 炭素阳极中杂质元素分析 |
| 3.3.3 阳极覆盖料中杂质元素分析 |
| 3.3.4 炭渣量分析 |
| 3.4 本章小结 |
| 4 基于机器学习解析的初晶温度预报方法 |
| 4.1 实验方案 |
| 4.1.1 实验原料 |
| 4.1.2 实验装置及原理 |
| 4.1.3 实验方法 |
| 4.1.4 机器学习算法实现 |
| 4.1.5 初晶温度校正模型评价指标 |
| 4.2 结果与讨论 |
| 4.2.1 区域性复杂铝电解质初晶温度测试结果分析 |
| 4.2.2 基于机器学习解析的初晶温度建模及预报 |
| 4.2.3 初晶温度校正模型敏感性分析 |
| 4.2.4 基于优选模型预报的初晶温度等温分布 |
| 4.3 本章小结 |
| 5 LIBS实验系统设计、搭建和关键实验参数优化 |
| 5.1 实验方案 |
| 5.1.1 实验样品制备 |
| 5.1.2 实验装置搭建 |
| 5.1.3 实验方法 |
| 5.1.4 主要评价指标 |
| 5.2 结果与讨论 |
| 5.2.1 等离子体光谱特征分析 |
| 5.2.2 等离子体温度和电子密度计算 |
| 5.2.3 环境气体对等离子体光谱的影响 |
| 5.2.4 延迟时间对等离子体光谱的影响 |
| 5.2.5 激光能量对等离子体光谱的影响 |
| 5.2.6 电解质研磨时间对等离子体光谱的影响 |
| 5.2.7 电解质压实度对等离子体光谱的影响 |
| 5.2.8 脉冲次数对等离子体光谱的影响 |
| 5.3 本章小结 |
| 6 基于光谱特征提取和机器学习融合的LIBS定量分析方法 |
| 6.1 实验方案 |
| 6.1.1 实验原料 |
| 6.1.2 实验装置搭建 |
| 6.1.3 实验方法 |
| 6.1.4 光谱建模与算法实现 |
| 6.2 实验结果与讨论 |
| 6.2.1 基于PLS特征选择的分子比建模及验证 |
| 6.2.2 基于PCA特征选择的分子比建模及验证 |
| 6.2.3 基于Hyper-polyhe特征选择的分子比建模及验证 |
| 6.2.4 基于GA特征选择的分子比建模及验证 |
| 6.3 本章小结 |
| 7 复杂铝电解质体系LIBS原位在线定量分析方法 |
| 7.1 实验方案 |
| 7.1.1 实验原料 |
| 7.1.2 实验装置搭建 |
| 7.1.3 实验方法 |
| 7.2 实验结果与讨论 |
| 7.2.1 工业熔融电解质LIBS光谱特征分析 |
| 7.2.2 熔融复杂铝电解质CR在线检测分析 |
| 7.2.3 熔融复杂铝电解质Ca、Mg含量在线检测分析 |
| 7.2.4 存在问题分析 |
| 7.3 本章小结 |
| 8 结论与展望 |
| 8.1 主要结论 |
| 8.2 创新点 |
| 8.3 研究展望 |
| 参考文献 |
| 作者简历及在学研究成果 |
| 学位论文数据集 |
（3）基于FY3CGNSS掩星探测的大气对流层顶产品研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 对流层顶研究意义 |
| 1.2 对流层顶观测手段 |
| 1.3 本文研究动机 |
| 1.4 主要研究内容 |
| 1.5 本文创新点 |
| 1.6 文章内容概括 |
| 1.7 本章小结 |
| 第2章 掩星大气观测技术介绍 |
| 2.1 GNSS系统介绍 |
| 2.2 世界主要掩星系列任务介绍 |
| 2.3 掩星大气反演原理简介 |
| 2.3.1 Abel积分与Abel变换 |
| 2.3.2 大气参数反演 |
| 2.3.3 掩星反演流程简介 |
| 2.4 小结 |
| 第3章 GNSS掩星对流层顶反演 |
| 3.1 温度递减率方法 |
| 3.2 弯曲角协方差变换方法 |
| 3.3 FY3C GNOS对流层顶高度反演结果与对比检验 |
| 3.3.1 使用数据介绍 |
| 3.3.2 FY3C温度递减率对流层顶高度结果以及误差特性分析 |
| 3.3.3 FY3C弯曲角对流层顶结果以及误差特性分析 |
| 3.3.4 RO LRTH与RO BATH结果对比 |
| 3.4 本章总结 |
| 第4章 FY3C GNOS对流层顶参数修正 |
| 4.1 机器学习方法介绍 |
| 4.1.1 神经网络方法 |
| 4.1.2 支持向量回归 |
| 4.1.3 随机森林 |
| 4.2 使用数据介绍 |
| 4.3 参数设置与修正结果 |
| 4.3.1 神经网络 |
| 4.3.2 支持向量回归 |
| 4.3.3 随机森林结果 |
| 4.4 本章总结 |
| 第5章 FY3C GNOS对流层顶产品验证 |
| 5.1 使用数据与统计方法介绍 |
| 5.1.1 RO数据 |
| 5.1.2 无线电探空仪数据 |
| 5.1.3 统计方法 |
| 5.2 FY3C对流层顶产品检验 |
| 5.2.1 FY3C与COSMIC温度廓线对比 |
| 5.2.2 与COSMIC对流层顶参数的对比 |
| 5.2.3 FY3C对流层顶参数与无线电探空仪数据对比 |
| 5.3 FY3C全球分布对流层顶气候产品精度评估 |
| 5.4 讨论 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的论文与研究成果 |
（4）基于深度学习的水库洪水预报研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 水文预报方法研究进展 |
| 1.2.2 人工神经网络研究进展 |
| 1.3 研究内容及技术路线 |
| 第2章 水文驱动因子筛选与去噪 |
| 2.1 灰色关联分析 |
| 2.1.1 灰色系统理论 |
| 2.1.2 灰色关联分析理论 |
| 2.1.3 关联度计算步骤 |
| 2.2 Gamma Test基本理论 |
| 2.2.1 Gamma Test方法介绍 |
| 2.2.2 Gamma Test的基本假设 |
| 2.2.3 Gamma Test的算法介绍 |
| 2.3 K近邻算法 |
| 2.4 小结 |
| 第3章 人工神经网络模型介绍 |
| 3.1 循环神经网络 |
| 3.1.1 RNN的模型结构 |
| 3.1.2 RNN的基本算法 |
| 3.1.3 RNN的不足 |
| 3.2 长短时记忆神经网络 |
| 3.2.1 LSTM的模型结构 |
| 3.2.2 LSTM的基本算法 |
| 3.3 卷积神经网络 |
| 3.3.1 CNN的模型结构 |
| 3.3.2 CNN的基本算法 |
| 3.3.3 基于序列数据的CNN |
| 3.4 小结 |
| 第4章 人工神经网络模型的优化 |
| 4.1 数据标准化 |
| 4.2 优化器方法 |
| 4.2.1 随机梯度下降 |
| 4.2.2 标准动量优化算法 |
| 4.2.3 自适应梯度算法 |
| 4.2.4 均方根传播算法 |
| 4.2.5 自适应时刻估计算法 |
| 4.3 正则化 |
| 4.4 批标准化 |
| 4.5 小结 |
| 第5章 水库洪水预报工程实例研究 |
| 5.1 研究区域概况 |
| 5.1.1 地理位置 |
| 5.1.2 水文气象 |
| 5.1.3 地质地貌 |
| 5.2 数据筛选 |
| 5.2.1 数据介绍 |
| 5.2.2 筛选结果 |
| 5.3 基于LSTM的水库洪水预报模型 |
| 5.3.1 模型设置 |
| 5.3.2 模型计算结果 |
| 5.4 基于CNN的水库洪水预报模型 |
| 5.4.1 模型设置 |
| 5.4.2 模型计算结果 |
| 5.5 基于CNN-LSTM的水库洪水预报模型 |
| 5.5.1 模型设置 |
| 5.5.2 模型计算结果 |
| 5.6 水库洪水预报模型的性能评估 |
| 5.6.1 精度评定 |
| 5.6.2 相关分析 |
| 5.6.3 模型对比评价 |
| 5.7 小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 创新点 |
| 6.3 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间参与的科研项目与发表论文 |
| 学位论文评阅及答辩情况表 |
（5）GPS/BDS精密单点定位及短期钟差预报（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.3 主要研究内容 |
| 2 精密单点定位基础理论 |
| 2.1 时空基准 |
| 2.2 精密单点定位数学模型 |
| 2.3 精密单点定位相关误差 |
| 2.4 参数估计 |
| 2.5 本章小结 |
| 3 GPS/BDS精密单点定位实验分析 |
| 3.1 MGEX轨道/钟差精度分析 |
| 3.2 系统间偏差分析 |
| 3.3 观测条件分析 |
| 3.4 静态精密单点定位分析 |
| 3.5 动态精密单点定位分析 |
| 3.6 本章小结 |
| 4 卫星钟差建模基础理论 |
| 4.1 星载原子钟性能指标 |
| 4.2 卫星钟差数据预处理 |
| 4.3 钟差预报模型 |
| 4.4 本章小结 |
| 5 GPS/BDS短期钟差预报实验分析 |
| 5.1 预报策略优化 |
| 5.2 预报模型对比分析 |
| 5.3 钟差预报的应用 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（6）基于卷积神经网络的西北太平洋柔鱼渔场预报模型构建（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的及意义 |
| 1.3 研究现状 |
| 1.4 研究内容与技术路线 |
| 1.4.1 研究内容 |
| 1.4.2 技术路线 |
| 第二章 材料与方法 |
| 2.1 研究区域 |
| 2.2 研究数据 |
| 2.2.1 数据来源 |
| 2.2.2 生产数据的预处理 |
| 2.2.3 海洋数据的预处理 |
| 2.3 研究方法 |
| 2.3.1 深度学习方法 |
| 2.3.2 网络模型结构 |
| 2.3.3 渔场概率计算方法 |
| 2.3.4 模型评价指标 |
| 2.3.5 模型预报效果的检验方法 |
| 第三章 基于卷积神经网络的西北太平洋柔鱼渔场预报模型的构建 |
| 3.1 训练数据集 |
| 3.1.1 数据集的构建 |
| 3.1.2 数据增强 |
| 3.2 训练方案 |
| 3.3 结果分析 |
| 3.3.1 柔鱼生长阶段及洄游规律对模型准确率的影响 |
| 3.3.2 渔区时空信息对模型准确率的影响 |
| 3.3.3 海洋表面温度对渔场生物生态及预报模型的影响 |
| 3.3.4 模型应用效果 |
| 3.4 小结 |
| 第四章 不同柔鱼渔场预报模型效果对比 |
| 4.1 基于海洋叶绿素数据的卷积神经网络渔场预测模型 |
| 4.1.1 数据集构建与模型训练 |
| 4.1.2 结果与分析 |
| 4.2 基于随机森林方法构建柔鱼渔场预测模型 |
| 4.2.1 随机森林方法介绍 |
| 4.2.2 随机森林的应用 |
| 4.2.3 结果与分析 |
| 4.2.4 与卷积神经网络模型的比较 |
| 第五章 总结与展望 |
| 5.1 研究总结 |
| 5.2 不足与展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间发表的学术论文 |
| 附录 |
（7）BDS卫星钟差预报及实时精密单点定位研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.2.1 卫星原子钟性能评定 |
| 1.2.2 卫星钟差建模预报 |
| 1.2.3 实时精密单点定位 |
| 1.3 研究内容及技术路线 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.3.3 技术路线 |
| 1.4 本章小结 |
| 2 GNSS精密单点定位基本理论 |
| 2.1 精密单点定位模型 |
| 2.1.1 函数模型 |
| 2.1.2 随机模型 |
| 2.2 参数估计 |
| 2.2.1 Kalman滤波 |
| 2.2.2 自适应Kalman滤波模型 |
| 2.3 误差处理 |
| 2.3.1 卫星端误差 |
| 2.3.2 传播路径相关误差 |
| 2.3.3 接收机端误差 |
| 2.4 本章小结 |
| 3 BDS-2/BDS-3星载原子钟性能分析 |
| 3.1 数据及预处理 |
| 3.1.1 数据介绍 |
| 3.1.2 数据预处理 |
| 3.2 物理特性分析 |
| 3.2.1 相位特性 |
| 3.2.2 频率特性 |
| 3.2.3 频漂特性 |
| 3.2.4 噪声特性 |
| 3.3 频率稳定性分析 |
| 3.4 周期特性分析 |
| 3.5 本章小结 |
| 4 北斗卫星钟差预报精度分析 |
| 4.1 卫星钟差模型 |
| 4.1.1 多项式模型 |
| 4.1.2 灰色模型 |
| 4.1.3 时间序列模型 |
| 4.2 算例分析 |
| 4.2.1 实验数据及方案 |
| 4.2.2 实验结果 |
| 4.3 本章小结 |
| 5 基于SSR的实时精密单点定位 |
| 5.1 BDS实时产品质量分析 |
| 5.1.1 实时轨道质量分析 |
| 5.1.2 实时卫星钟差质量分析 |
| 5.1.3 空间信号测距误差(SISRE) |
| 5.2 实验及实验分析 |
| 5.2.1 实验说明 |
| 5.2.2 收敛时间分析 |
| 5.2.3 定位精度分析 |
| 5.2.4 真实动态实验与结果 |
| 5.3 本章小结 |
| 6 结论与展望 |
| 6.1 主要研究成果 |
| 6.2 未来工作展望 |
| 致谢 |
| 参考文献 |
| 作者简历 |
（8）基于iGMAS的电离层监测和评估方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题的背景和意义 |
| 1.2 电离层相关研究的国内外现状 |
| 1.3 论文主要内容与结构安排 |
| 第2章 GNSS相关内容及电离层基本理论 |
| 2.1 GNSS的发展现状及IGS和 iGMAS的简介 |
| 2.2 卫星导航定位原理及相关误差源分类 |
| 2.3 电离层的基本理论 |
| 2.4 本章小结 |
| 第3章 基于北斗GEO卫星的电离层监测方法 |
| 3.1 引言 |
| 3.2 双频实测电离层监测原理和精度分析 |
| 3.2.1 双频观测值的选取及平滑方法 |
| 3.2.2 组合观测值计算电离层的精度分析 |
| 3.3 利用北斗GEO卫星的优势 |
| 3.4 监测固定穿刺点处TEC结果及分析 |
| 3.4.1 单站电离层监测结果 |
| 3.4.2 典型测站连续监测结果与分析 |
| 3.5 利用监测结果分析太阳活动的电离层响应特征 |
| 3.5.1 太阳活动表征指数与分析电离层响应的思路 |
| 3.5.2 第24太阳活动周的电离层响应特征及其分析 |
| 3.6 本章小结 |
| 第4章 北斗三号BDGIM模型性能评估 |
| 4.1 引言 |
| 4.2 广播电离层模型算法 |
| 4.3 测站分布、参数选择与评估方法 |
| 4.4 评估结果及分析 |
| 4.4.1 全球格网点上不同电离层模型计算结果与分析 |
| 4.4.2 各个站点上空不同电离层模型计算结果与分析 |
| 4.4.3 与双频实测电离层的对比 |
| 4.5 本章小结 |
| 第5章 iGMAS电离层产品的长期预报方法研究 |
| 5.1 引言 |
| 5.2 时间序列模型及其性质 |
| 5.3 直接序列预报方法和间接系数预报方法 |
| 5.4 预报结果及其分析 |
| 5.4.1 直接序列预报方法预报结果 |
| 5.4.2 间接系数预报方法预报结果 |
| 5.4.3 两种方法预报结果对比及其分析 |
| 5.5 本章小结 |
| 第6章 地磁活动的电离层响应特征分析 |
| 6.1 引言 |
| 6.2 地磁暴的指数和形态及分析电离层响应的思路 |
| 6.3 地磁活动对应的测站电离层响应实例与分析 |
| 6.3.1 测站TEC序列和强磁暴期间DST指数相关性 |
| 6.3.2 电离层增量dTEC和强磁暴期间DST的相关性 |
| 6.3.3 较平静地磁环境下的电离层响应 |
| 6.4 本章小结 |
| 第7章 总结与展望 |
| 7.1 论文的主要结论及创新点 |
| 7.2 下一步工作展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（9）基于自航试验的船舶操纵运动灰箱辨识建模（论文提纲范文）
| 创新点摘要 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.2.1 理论意义 |
| 1.2.2 工程意义 |
| 1.3 船舶操纵运动建模的进展 |
| 1.3.1 船舶操纵性标准与规则的进展 |
| 1.3.2 船舶操纵运动建模方法的进展 |
| 1.3.3 船舶操纵运动EFD建模方法的进展 |
| 1.3.4 船舶操纵运动CFD建模方法的进展 |
| 1.4 船舶操纵运动辨识建模算法的进展 |
| 1.4.1 白箱辨识建模 |
| 1.4.2 黑箱辨识建模 |
| 1.4.3 灰箱辨识建模 |
| 1.5 船舶操纵运动模型结构与参数的进展 |
| 1.6 船舶自航试验及其标准的进展 |
| 1.7 本研究领域存在的问题 |
| 1.7.1 模型方面的问题 |
| 1.7.2 数据方面的问题 |
| 1.7.3 算法方面的问题 |
| 1.8 本文的主要工作安排 |
| 1.8.1 拟解决问题与分析 |
| 1.8.2 研究对象 |
| 1.8.3 研究思路 |
| 1.8.4 论文结构 |
| 2 船舶操纵运动辨识建模的模型、算法和试验方案 |
| 2.1 辨识建模的模型 |
| 2.1.1 船舶操纵的运动学 |
| 2.1.2 船舶操纵的动力学 |
| 2.2 辨识建模的算法 |
| 2.2.1 约束模试验的辨识 |
| 2.2.2 自航模试验的辨识 |
| 2.3 试验方案及其动力学约束 |
| 2.3.1 试验方案 |
| 2.3.2 理论计算舵力和横倾的方法 |
| 2.3.3 理论计算舵力与横倾的结果与分析 |
| 2.3.4 仿真计算舵力与横倾的方法 |
| 2.3.5 仿真计算舵力与横倾的结果与分析 |
| 2.3.6 理论计算与仿真计算的结果小结 |
| 2.4 试验方案的数据空间分布 |
| 2.4.1 试验数据分布的求解算法 |
| 2.4.2 试验数据分布的结果及分析 |
| 2.5 研究对象 |
| 2.5.1 自航模-KVLCC2 |
| 2.5.2 实船-YUKUN |
| 2.6 本章小结 |
| 3 自航模试验的灰箱辨识建模 |
| 3.1 引言 |
| 3.2 参考模型及其筛选 |
| 3.2.1 参考模型 |
| 3.2.2 主尺度向量优化 |
| 3.2.3 主尺度向量筛选 |
| 3.3 基于参考模型的非辨识建模(RM) |
| 3.3.1 问题描述 |
| 3.3.2 KVLCC2的参考模型筛选 |
| 3.3.3 非数据驱动的RM建模实例 |
| 3.4 基于参考模型的灰箱辨识建模 |
| 3.4.1 灰箱模型 |
| 3.4.2 基于参考模型-随机森林的辨识建模(RM-RF) |
| 3.4.3 基于参考模型-贝叶斯神经网络的辨识建模(RM-BRN) |
| 3.4.4 改进的基于参考模型-随机森林的辨识建模(RM-IRF) |
| 3.5 本章小结 |
| 4 灰箱辨识建模的超参优化 |
| 4.1 引言 |
| 4.2 基于RM-SVM的灰箱辨识建模 |
| 4.2.1 纵向加速度LSVM的求解 |
| 4.2.2 横向加速度和转向加速度LSVM的求解 |
| 4.2.3 纵向、横向和转向加速度的预报 |
| 4.2.4 RM-SVM与SVM的建模区别 |
| 4.3 RM-SVM超参对建模精度的影响分析 |
| 4.3.1 软间隔 |
| 4.3.2 核函数比例 |
| 4.3.3 不敏感边界 |
| 4.4 RM-SVM的超参优化方法 |
| 4.4.1 PS超参优化算法 |
| 4.4.2 PS优化RM-SVM超参 |
| 4.5 超参优化与辨识建模的结果与分析 |
| 4.5.1 超参优化的结果与讨论 |
| 4.5.2 辨识模型的有效性验证 |
| 4.5.3 辨识模型的泛化能力与预报精度评价 |
| 4.6 灰箱辨识建模的算法对比 |
| 4.7 自航模整体型操纵运动模型辨识 |
| 4.8 本章小结 |
| 5 灰箱辨识建模的实船验证 |
| 5.1 引言 |
| 5.2 实船试验数据处理 |
| 5.2.0 实船试验概况 |
| 5.2.1 测量设备及数据 |
| 5.2.2 定位测速测量数据的校核与分析 |
| 5.2.3 风速风向测量数据的校核与分析 |
| 5.3 干扰求解与试验修正的方法 |
| 5.3.1 干扰求解与试验修正的问题描述 |
| 5.3.2 干扰求解与试验修正的假设条件 |
| 5.3.3 干扰求解与试验修正的方法设计 |
| 5.4 干扰求解与试验修正的结果与分析 |
| 5.4.1 风浪漂移力的计算结果 |
| 5.4.2 风浪漂移距离的计算结果 |
| 5.4.3 轨迹的漂移距离的修正结果 |
| 5.4.4 附体坐标系速度的修正结果 |
| 5.4.5 求解与修正的结果分析 |
| 5.5 实船操纵灰箱模型验证算例 |
| 5.5.1 实船灰箱模型训练 |
| 5.5.2 实船灰箱模型泛化能力与预报精度评价 |
| 5.6 实船整体型操纵运动模型辨识 |
| 5.7 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 附录A 关于Z形试验中突然反压舵角时舵的法向力相关因素 |
| 附录B 船型及主尺度数据 |
| 附录C 参考模型的船舶尺度 |
| 附录D 船舶海试数据 |
| 附录E RM-RF算法随机森林的训练结果 |
| 附录F 育鲲轮试验的场地与天气概况 |
| 作者简历及攻读博士学位期间的科研成果 |
| 致谢 |
四、提高预报精度拓宽服务领域（论文参考文献）
- [1]基于WRF的未来（2050s）城市气候预测及适应性规划策略[D]. 南鹏飞. 大连理工大学, 2021(01)
- [2]复杂铝电解质关键物化参数预报和测定新方法[D]. 路辉. 北京科技大学, 2021
- [3]基于FY3CGNSS掩星探测的大气对流层顶产品研究[D]. 刘梓琰. 中国科学院大学(中国科学院国家空间科学中心), 2021(01)
- [4]基于深度学习的水库洪水预报研究[D]. 周唱. 山东大学, 2021(12)
- [5]GPS/BDS精密单点定位及短期钟差预报[D]. 程博. 辽宁工程技术大学, 2021
- [6]基于卷积神经网络的西北太平洋柔鱼渔场预报模型构建[D]. 朱浩朋. 上海海洋大学, 2021(01)
- [7]BDS卫星钟差预报及实时精密单点定位研究[D]. 胡豪杰. 安徽理工大学, 2020(07)
- [8]基于iGMAS的电离层监测和评估方法研究[D]. 赵坤娟. 中国科学院大学(中国科学院国家授时中心), 2020
- [9]基于自航试验的船舶操纵运动灰箱辨识建模[D]. 梅斌. 大连海事大学, 2020(01)
- [10]教育部关于印发普通高中课程方案和语文等学科课程标准（2017年版2020年修订）的通知[J]. 教育部. 中华人民共和国教育部公报, 2020(06)