CN112711899A - 一种蒸发波导高度的融合预测方法 - Google Patents
一种蒸发波导高度的融合预测方法 Download PDFInfo
- Publication number
- CN112711899A CN112711899A CN202011358850.0A CN202011358850A CN112711899A CN 112711899 A CN112711899 A CN 112711899A CN 202011358850 A CN202011358850 A CN 202011358850A CN 112711899 A CN112711899 A CN 112711899A
- Authority
- CN
- China
- Prior art keywords
- height
- evaporation waveguide
- prediction
- evaporation
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C13/00—Surveying specially adapted to open water, e.g. sea, lake, river or canal
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/41—Refractivity; Phase-affecting properties, e.g. optical path length
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
Abstract
本发明公开了一种蒸发波导高度的融合预测方法,包括如下步骤:(1)蒸发波导高度真值获取;(2)蒸发波导模型高度预测;(3)模型敏感性分析;(4)最小二乘支持向量机回归建模:根据敏感性分析结果,在不同环境区间,以获得的气象、水文观测数据和蒸发波导模型高度预测值为输入,以蒸发波导高度真值为输出,回归获得输入与输出之间的非线性映射关系,建立多个蒸发波导模型预测高度的融合预测模型;(5)蒸发波导高度预测。本发明所公开的预测方法能够有效的提高蒸发波导预测精度,在海洋开发、海上救援和军事勘察等方面具有重要意义。
Description
技术领域
本发明涉及海洋数据观测技术领域,特别涉及一种蒸发波导高度的融合预测方法。
背景技术
蒸发波导是由于水汽蒸发引起大气湿度随高度锐减形成的一种大气层结,这种层结具有异常大气折射率结构。蒸发波导对电磁波在海上的传输路径产生重要影响。高精度的预测蒸发波导发生的高度和强度,可以为海上作业提供良好的通信环境,更好地服务于海洋开发、海上救援和军事勘察等方面。
目前现有的蒸发波导模型,大多基于莫宁—奥布霍夫相似理论提出,但在普适函数、稳定度修正函数的选取以及尺度参数的确定方面存在不同,造成不同蒸发波导模型在非均匀大气条件和强稳定大气条件下预测的波导高度之间存在较大差异性。
发明内容
为解决上述技术问题,本发明提供了一种蒸发波导高度的融合预测方法,以达到提高蒸发波导高度预测精度的目的。
为达到上述目的,本发明的技术方案如下:
一种蒸发波导高度的融合预测方法,包括如下步骤:
(1)蒸发波导高度真值获取:通过海上垂直梯度观测方法,获取不同高度上的温度、相对湿度和气压数据,并对数据进行修正,获得蒸发波导真实发生高度,即蒸发波导高度真值;
(2)蒸发波导模型高度预测:通过在指定高度处安装气象、水文传感器,获得气象、水文观测数据,包括风速、温度、相对湿度、气压和海表温度,然后采用多个蒸发波导模型获得蒸发波导高度预测值;
(3)模型敏感性分析:通过仿真模拟,采用模型等值线分布图和敏感性分析方法,分别设定不同参数的变化区间,分析不同模型对不同参数的敏感性,划分环境区间;
(4)最小二乘支持向量机回归建模:根据敏感性分析结果,在不同环境区间,以获得的气象、水文观测数据和蒸发波导模型高度预测值为输入,以蒸发波导高度真值为输出,回归获得输入与输出之间的非线性映射关系,建立多个蒸发波导模型预测高度的融合预测模型;
(5)蒸发波导高度预测:获取新的指定高度处的气象、水文观测数据,输入到建立好的融合预测模型中,进行高度预测。
上述方案中,步骤(1)中,垂直梯度观测方法包括海上垂直梯度观测塔观测方法、释放探空气球观测方法。
上述方案中,步骤(1)中,数据修正包括传感器标定曲线修正和潮位数据修正。
进一步的技术方案中,传感器标定曲线修正具体如下:通过对传感器进行实验室标定,获得传感器标定曲线,依据传感器标定曲线,采用分段函数,对获取的观测数据进行修订。
进一步的技术方案中,潮位数据修正具体如下:通过获取观测点的潮位信息,对安装在不同高度处传感器距海面的高度进行实时修正。
上述方案中,步骤(1)中,蒸发波导高度真值的计算方法如下:
根据气象参数与大气折射率之间的内在关系,通过温度、气压和水汽压的经验公式求解大气折射率,并进行地球曲率订正,得到不同高度处的大气修正折射率;
通过求解不同高度处的大气修正折射率,采用最小二乘法拟合获得大气修正折射率垂直廓线,大气修正折射率垂直廓线变化率为零的点对应的高度即为蒸发波导高度真值。
进一步的技术方案中,通过获取首层的气压数据,结合不同层的温度和相对湿度数据,采用静力学气压与水汽压分别求解的方法,获取不同高度处的气压数据。
上述方案中,步骤(2)中,蒸发波导模型包括PJ、BYC、NPS和NWA模型。
上述方案中,步骤(3)中,根据不同蒸发波导模型的计算方法,分别设定不同的风速、相对湿度、气压和海表温度变化区间,通过绘制等值线曲线图谱和敏感性分析方法,分析不同参数对不同模型预测结果的敏感程度;并根据分析结果,对环境区间进行划分。
进一步的技术方案中,敏感性分析方法包括Sobol敏感性分析方法和拓展傅里叶幅度敏感性分析方法。
通过上述技术方案,本发明提供的蒸发波导高度的融合预测方法通过垂直梯度观测方法,获取气象水文观测参数,求解蒸发波导高度真值及现有蒸发波导模型预测高度,利用参数敏感性分析方法,划分不同环境区间,利用最小二乘支持向量机对风速、温度、相对湿度、气压、海表温度、各模型预测高度与蒸发波导高度真值之间的非线性关系进行回归,获得针对不同环境区间的函数映射关系,得到融合预测模型,通过融合预测模型对蒸发波导高度进行精确预测。
本发明解决了现有蒸发波导模型分别适用于特定的气象水文环境,导致单一模型的预测精度较低,不能满足实际应用需求的问题。本发明能够有效的提高蒸发波导预测精度,为电磁波传输路径的精细化研究提供高质量的数据支撑,在海洋开发、海上救援和军事勘察等方面具有重要意义。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。
图1为本发明实施例所公开的一种蒸发波导高度的融合预测方法流程示意图;
图2为蒸发波导高度真值的计算方法流程示意图;
图3为传感器参数修正示意图;
图4为NPS模型对相对湿度和气海温差敏感性分析示意图;
图5为以Sobol敏感性分析方法为例,获得的各模型对风速敏感性结果示意图;
图6为融合模型建立流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。
本发明提供了一种蒸发波导高度的融合预测方法,如图1所示,包括如下步骤:
步骤一,蒸发波导高度真值获取:通过海上垂直梯度观测方法,获取不同高度上的温度、相对湿度和气压数据,并对数据进行修正,获得蒸发波导真实发生高度,即蒸发波导高度真值。
如图2所示,蒸发波导高度真值的计算方法如下:
(1)海上垂直梯度观测方法获取气象、水文数据;
由于低层气象参数变化激烈程度大于上层,所以低层不同高度层之间间隔一般不大于3米,上层不同高度层之间间隔一般不大于5米,总高度不超过40米。垂直梯度观测方法包括海上垂直梯度观测塔观测方法、释放探空气球观测方法。
(2)对观测数据进行修正;
通过对安装传感器设备进行传感器标定,获得传感器标定曲线,依据传感器标定曲线,如图3以风速为例所示,采用分段函数,对获取的观测数据进行修订。
同时,通过获取观测点的潮位信息,对安装在不同高度处传感器距海面的高度进行实时修正,根据传感器安装海拔高度Helevation和潮位Htides,求解传感器距海平面高度Hsea,即Hsea=Helevation-Htides。
(3)根据气象参数与大气折射率之间的内在关系,通过温度、气压和水汽压的经验公式求解大气折射率,并进行地球曲率订正,得到不同高度处的大气修正折射率;
为了解决静力学气压压高方程不适用于海上水汽含量较高环境的问题,通过仅获取首层的气压数据P1,结合不同层的温度Ti和相对湿度RHi数据(i表示层数),采用静力学气压与水汽压分别求解的方法,获取不同层的气压数据Pi。具体如下:
首先,采用饱和水汽压经验公式及温度Ti求解各层饱和水汽压Ei,然后根据各层相对湿度RHi求解各层水汽压ewi=RHi/100*Ei,通过ed1=P1-ew1获得首层静力学气压,采用已知各层海拔高度Zi及静力学压高方程Zi-Z1=18400*(1+T/273)*log(ed1/edi),求解各层静力学气压edi,最后通过Pi=ewi+edi获得各层气压值。求解饱和水汽压经验公式包括但不限于Goff-Grattch公式、Magnus公式和WM01996公式。
(4)获得观测数据后,根据气象参数与大气折射率之间的内在关系,通过温度T、气压P和水汽压e的经验公式求解大气折射率N:
对N进行地球曲率订正,得到不同高度z处的大气修正折射率M:
M=N+0.157z
通过求解不同高度处的M,采用最小二乘法拟合获得M垂直廓线,拟合方程定义为:
M=f0z-f1ln(z+z0)+f2
其中,f0,f1,f2为待定系数,z为海拔高度,z0=0.001。
大气修正折射率垂直廓线的变化率dM/dz=0所对应的高度z即为蒸发波导高度真值。
步骤二,蒸发波导模型高度预测:通过在指定高度处安装气象、水文传感器,获得气象、水文观测数据,包括风速、温度、相对湿度、气压和海表温度,然后采用多个蒸发波导模型获得蒸发波导高度预测值;蒸发波导模型包括但不限于PJ、BYC、NPS和NWA模型。
步骤三,模型敏感性分析:根据不同蒸发波导模型的计算方法,分别设定不同的风速、相对湿度、气压和海表温度变化区间,计算蒸发波导高度,绘制等值线曲线图谱,如图4所示,以NPS模型为例,根据等高线疏密程度及走势,分析不同参数对蒸发波导模型预测结果的敏感性。等值线越密的区域所对应的参数范围,表示该参数在该范围内,对蒸发波导模型预测结果的敏感性越大,反之,敏感性越小。
通过设定风速、温度、相对湿度和海表温度的取值范围及取值间隔,采用敏感性分析方法,逐项分析每一个参数对每一个模型的敏感性指数。敏感指数表达了每一个变量独自对函数结果的总方差的贡献程度。通过在不同维度上对参数进行排序,对输入参数与模型预测结果的敏感性进行分析。如图5所示,以Sobol敏感性分析方法为例,获得的各模型对风速敏感性结果,参数值所对应蒸发波导模型的敏感指数越大,表明该参数值对该模型预测结果的敏感性越大。敏感性分析方法支持但不限于Sobol敏感性分析方法和拓展傅里叶幅度敏感性分析方法(EFAST敏感性分析方法)。
根据敏感性分析结果,对环境参数区间进行划分,敏感性越低,划分间隔越大,敏感性越高,划分间隔越密。
步骤四,最小二乘支持向量机回归建模:
如图6所示,根据敏感分析结果,在不同环境区间,分别采用支持向量机建立气象水文参数、蒸发波导模型预测高度与蒸发波导高度真值之间的映射关系。输入包括指定高度处的风速Umeasure,温度Tmeasure,相对湿度RHmeasure,气压Pmeasure及海表温度SSTmeasure,各模型预测结果(i代表不同蒸发波导模型),输出为蒸发波导高度真值Htrue,采用支持向量机建立输入与输出之间的映射关系,得到建立多个蒸发波导模型预测高度的融合预测模型:
步骤五,蒸发波导高度预测:获取新的指定高度处的气象、水文观测数据,输入到建立好的融合预测模型中,进行高度预测。
另外,在步骤四建立好融合预测模型后,可以对融合模型进行评估,将新的指定高度处的风速、温度、相对湿度、气压、海表温度的滑动平均值及各模型预测高度代入步骤四建立的非线性映射关系中,得到该时刻的蒸发波导高度预测值,与蒸发波导高度真值进行评估,评估方式包括预测值与高度真值之间的绝对误差、方差和相关性分析等方法。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种蒸发波导高度的融合预测方法,其特征在于,包括如下步骤:
(1)蒸发波导高度真值获取:通过海上垂直梯度观测方法,获取不同高度上的温度、相对湿度和气压数据,并对数据进行修正,获得蒸发波导真实发生高度,即蒸发波导高度真值;
(2)蒸发波导模型高度预测:通过在指定高度处安装气象、水文传感器,获得气象、水文观测数据,包括风速、温度、相对湿度、气压和海表温度,然后采用多个蒸发波导模型获得蒸发波导高度预测值;
(3)模型敏感性分析:通过仿真模拟,采用模型等值线分布图和敏感性分析方法,分别设定不同参数的变化区间,分析不同模型对不同参数的敏感性,划分环境区间;
(4)最小二乘支持向量机回归建模:根据敏感性分析结果,在不同环境区间,以获得的气象、水文观测数据和蒸发波导模型高度预测值为输入,以蒸发波导高度真值为输出,回归获得输入与输出之间的非线性映射关系,建立多个蒸发波导模型预测高度的融合预测模型;
(5)蒸发波导高度预测:获取新的指定高度处的气象、水文观测数据,输入到建立好的融合预测模型中,进行高度预测。
2.根据权利要求1所述的一种蒸发波导高度的融合预测方法,其特征在于,步骤(1)中,垂直梯度观测方法包括海上垂直梯度观测塔观测方法、释放探空气球观测方法。
3.根据权利要求1所述的一种蒸发波导高度的融合预测方法,其特征在于,步骤(1)中,数据修正包括传感器标定曲线修正和潮位数据修正。
4.根据权利要求3所述的一种蒸发波导高度的融合预测方法,其特征在于,传感器标定曲线修正具体如下:通过对传感器进行实验室标定,获得传感器标定曲线,依据传感器标定曲线,采用分段函数,对获取的观测数据进行修订。
5.根据权利要求3所述的一种蒸发波导高度的融合预测方法,其特征在于,潮位数据修正具体如下:通过获取观测点的潮位信息,对安装在不同高度处传感器距海面的高度进行实时修正。
6.根据权利要求1所述的一种蒸发波导高度的融合预测方法,其特征在于,步骤(1)中,蒸发波导高度真值的计算方法如下:
根据气象参数与大气折射率之间的内在关系,通过温度、气压和水汽压的经验公式求解大气折射率,并进行地球曲率订正,得到不同高度处的大气修正折射率;
通过求解不同高度处的大气修正折射率,采用最小二乘法拟合获得大气修正折射率垂直廓线,大气修正折射率垂直廓线变化率为零的点对应的高度即为蒸发波导高度真值。
7.根据权利要求6所述的一种蒸发波导高度的融合预测方法,其特征在于,通过获取首层的气压数据,结合不同层的温度和相对湿度数据,采用静力学气压与水汽压分别求解的方法,获取不同高度处的气压数据。
8.根据权利要求1所述的一种蒸发波导高度的融合预测方法,其特征在于,步骤(2)中,蒸发波导模型包括PJ、BYC、NPS和NWA模型。
9.根据权利要求1所述的一种蒸发波导高度的融合预测方法,其特征在于,步骤(3)中,根据不同蒸发波导模型的计算方法,分别设定不同的风速、相对湿度、气压和海表温度变化区间,通过绘制等值线曲线图谱和敏感性分析方法,分析不同参数对不同模型预测结果的敏感程度;并根据分析结果,对环境区间进行划分。
10.根据权利要求9所述的一种蒸发波导高度的融合预测方法,其特征在于,敏感性分析方法包括Sobol敏感性分析方法和拓展傅里叶幅度敏感性分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011358850.0A CN112711899B (zh) | 2020-11-27 | 2020-11-27 | 一种蒸发波导高度的融合预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011358850.0A CN112711899B (zh) | 2020-11-27 | 2020-11-27 | 一种蒸发波导高度的融合预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112711899A true CN112711899A (zh) | 2021-04-27 |
CN112711899B CN112711899B (zh) | 2022-04-26 |
Family
ID=75542078
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011358850.0A Active CN112711899B (zh) | 2020-11-27 | 2020-11-27 | 一种蒸发波导高度的融合预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112711899B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113609639A (zh) * | 2021-06-25 | 2021-11-05 | 中国人民解放军92493部队试验训练总体研究所 | 一种适用于稳定条件的蒸发波导修正模型 |
CN113970760A (zh) * | 2021-10-12 | 2022-01-25 | 中国人民解放军国防科技大学 | 蒸发波导探测装置 |
CN114779292A (zh) * | 2022-04-20 | 2022-07-22 | 青岛智慧蓝色海洋工程研究院有限公司 | 一种对近海面大气波导的状态测量、监测、分析的方法 |
CN114895378A (zh) * | 2022-05-06 | 2022-08-12 | 青岛智慧蓝色海洋工程研究院有限公司 | 一种多节点采集近海面大气波导状态数据的方法 |
CN116822567A (zh) * | 2023-08-28 | 2023-09-29 | 山东省科学院海洋仪器仪表研究所 | 一种蒸发波导预测模型参数的优化方法 |
CN117421601A (zh) * | 2023-12-19 | 2024-01-19 | 山东省科学院海洋仪器仪表研究所 | 一种海面蒸发波导临近期快速预报方法 |
CN117540342A (zh) * | 2024-01-05 | 2024-02-09 | 山东省科学院海洋仪器仪表研究所 | 一种蒸发波导融合短期预测方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103344957A (zh) * | 2013-06-14 | 2013-10-09 | 张永刚 | 一种波导超视距海浪监测雷达 |
CN103399361A (zh) * | 2013-06-17 | 2013-11-20 | 中国人民解放军海军航空工程学院 | 一种蒸发波导时空态势压缩感知方法 |
WO2016176487A1 (en) * | 2015-04-28 | 2016-11-03 | Henri Johnson | Systems to track a moving sports object |
WO2018080299A1 (en) * | 2016-10-26 | 2018-05-03 | Petroliam Nasional Berhad (Petronas) | Trans-horizon wireless communication system using the tropospheric evaporation duct |
CN108931827A (zh) * | 2018-05-21 | 2018-12-04 | 中国海洋大学 | 一种蒸发波导的集合诊断方法 |
CN111310889A (zh) * | 2020-01-16 | 2020-06-19 | 西北工业大学 | 一种基于深度神经网络的蒸发波导剖面估计方法 |
CN111638566A (zh) * | 2020-06-30 | 2020-09-08 | 国家海洋技术中心 | 一种基于空中系留平台的海洋蒸发波导探测系统 |
CN111717359A (zh) * | 2020-06-12 | 2020-09-29 | 西北工业大学 | 一种具有蒸发波导监测系统的波浪滑翔器 |
-
2020
- 2020-11-27 CN CN202011358850.0A patent/CN112711899B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103344957A (zh) * | 2013-06-14 | 2013-10-09 | 张永刚 | 一种波导超视距海浪监测雷达 |
CN103399361A (zh) * | 2013-06-17 | 2013-11-20 | 中国人民解放军海军航空工程学院 | 一种蒸发波导时空态势压缩感知方法 |
WO2016176487A1 (en) * | 2015-04-28 | 2016-11-03 | Henri Johnson | Systems to track a moving sports object |
WO2018080299A1 (en) * | 2016-10-26 | 2018-05-03 | Petroliam Nasional Berhad (Petronas) | Trans-horizon wireless communication system using the tropospheric evaporation duct |
CN108931827A (zh) * | 2018-05-21 | 2018-12-04 | 中国海洋大学 | 一种蒸发波导的集合诊断方法 |
CN111310889A (zh) * | 2020-01-16 | 2020-06-19 | 西北工业大学 | 一种基于深度神经网络的蒸发波导剖面估计方法 |
CN111717359A (zh) * | 2020-06-12 | 2020-09-29 | 西北工业大学 | 一种具有蒸发波导监测系统的波浪滑翔器 |
CN111638566A (zh) * | 2020-06-30 | 2020-09-08 | 国家海洋技术中心 | 一种基于空中系留平台的海洋蒸发波导探测系统 |
Non-Patent Citations (1)
Title |
---|
漆随平等: "《海上蒸发波导的预测方法综述》", 《海洋通报》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113609639B (zh) * | 2021-06-25 | 2022-03-25 | 中国人民解放军92493部队试验训练总体研究所 | 一种适用于稳定条件的蒸发波导修正方法 |
CN113609639A (zh) * | 2021-06-25 | 2021-11-05 | 中国人民解放军92493部队试验训练总体研究所 | 一种适用于稳定条件的蒸发波导修正模型 |
CN113970760A (zh) * | 2021-10-12 | 2022-01-25 | 中国人民解放军国防科技大学 | 蒸发波导探测装置 |
CN114779292A (zh) * | 2022-04-20 | 2022-07-22 | 青岛智慧蓝色海洋工程研究院有限公司 | 一种对近海面大气波导的状态测量、监测、分析的方法 |
CN114779292B (zh) * | 2022-04-20 | 2024-03-08 | 青岛智慧蓝色海洋工程研究院有限公司 | 一种对近海面大气波导的状态测量、监测、分析的方法 |
CN114895378B (zh) * | 2022-05-06 | 2024-01-26 | 青岛智慧蓝色海洋工程研究院有限公司 | 一种多节点采集近海面大气波导状态数据的方法 |
CN114895378A (zh) * | 2022-05-06 | 2022-08-12 | 青岛智慧蓝色海洋工程研究院有限公司 | 一种多节点采集近海面大气波导状态数据的方法 |
CN116822567B (zh) * | 2023-08-28 | 2023-11-21 | 山东省科学院海洋仪器仪表研究所 | 一种蒸发波导预测模型参数的优化方法 |
CN116822567A (zh) * | 2023-08-28 | 2023-09-29 | 山东省科学院海洋仪器仪表研究所 | 一种蒸发波导预测模型参数的优化方法 |
CN117421601A (zh) * | 2023-12-19 | 2024-01-19 | 山东省科学院海洋仪器仪表研究所 | 一种海面蒸发波导临近期快速预报方法 |
CN117421601B (zh) * | 2023-12-19 | 2024-03-01 | 山东省科学院海洋仪器仪表研究所 | 一种海面蒸发波导临近期快速预报方法 |
CN117540342A (zh) * | 2024-01-05 | 2024-02-09 | 山东省科学院海洋仪器仪表研究所 | 一种蒸发波导融合短期预测方法及系统 |
CN117540342B (zh) * | 2024-01-05 | 2024-03-26 | 山东省科学院海洋仪器仪表研究所 | 一种蒸发波导融合短期预测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112711899B (zh) | 2022-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112711899B (zh) | 一种蒸发波导高度的融合预测方法 | |
WO2021218424A1 (zh) | 基于rbf神经网络的航海雷达图像反演海面风速方法 | |
Toba et al. | Wave dependence of sea-surface wind stress | |
CN109543356B (zh) | 考虑空间非平稳性的海洋内部温盐结构遥感反演方法 | |
CN102681033B (zh) | 一种基于x波段航海雷达的海面风场测量方法 | |
CN107238826B (zh) | 利用双偏振多普勒天气雷达回波反演雷暴电荷分布的方法 | |
Placke et al. | Long-term mean circulation of the Baltic Sea as represented by various ocean circulation models | |
CN115392098B (zh) | 基于水沙数值仿真的海上风电海缆裸露预测方法和系统 | |
CN113281754B (zh) | 一种雨量站融合雷达定量估测降雨的WRF-Hydro关键参数率定方法 | |
CN111680408A (zh) | 一种用于海上风电的风资源图谱绘制方法及装置 | |
CN115943255A (zh) | 在复杂地形中借助LiDAR测量风流的湍流的系统和方法 | |
CN110457795A (zh) | 基于神经网络的高层建筑物风致位移状态评估方法 | |
CN116559977A (zh) | 一种基于bp神经网络的nps-gryanik20蒸发波导高度预测方法 | |
CN106777949B (zh) | 一种基于再分析数据的海浪波向的长期趋势预测方法 | |
WO2024041669A1 (zh) | 一种海上溢油面积预测方法、系统和介质 | |
CN111597692B (zh) | 一种地表净辐射估算方法、系统、电子设备和存储介质 | |
CN117172149A (zh) | 一种基于数据特征分类和神经网络模型的蒸发波导预测方法 | |
CN104899464B (zh) | 一种适应噪声条件下的抽样学习机遥感定量反演方法 | |
CN112782096A (zh) | 一种基于反射光谱数据的土壤有机碳密度估算方法 | |
CN111650590A (zh) | 基于多普勒气象雷达的风场获取方法、装置、设备和介质 | |
Qiu et al. | Selection optimal method of evaporation duct model based on sensitivity analysis | |
Andreas | Two experiments on using a scintillometer to infer the surface fluxes of momentum and sensible heat | |
CN113536657A (zh) | 基于机器学习的海洋大气折射率预测方法 | |
Ma et al. | A Method for Establishing Tropospheric Atmospheric Refractivity Profile Model Based on Multiquadric RBF and k-means Clustering | |
CN116595381B (zh) | 一种水库分层水温模拟方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |