简介:我们走在大路上我们没有走,我们坐在汽车上。汽车在崎岖不平的川藏线上摇摇晃晃地走。十年前,一辆破旧的小公共汽车拉着我们从省城到达渚。我们是十个人,五男五女,刚从大学毕业,却都是陌生人。我们脚踩着痰迹、废纸、果皮与瓜子壳,脸上蒙着灰尘与喷嚏喷出的眼泪鼻涕,昏沉沉地靠在硬
简介:利用1961-2002年ERA-40逐日再分析资料和江淮流域56个台站逐日观测降水量资料,引入基于自组织映射神经网络(Self-OrganizingMaps,简称SOM)的统计降尺度方法,对江淮流域夏季(6-8月)逐日降水量进行统计建模与验证,以考察SOM对中国东部季风降水和极端降水的统计降尺度模拟能力。结果表明,SOM通过建立主要天气型与局地降水的条件转换关系,能够再现与观测一致的日降水量概率分布特征,所有台站基于概率分布函数的Brier评分(BrierScore)均近似为0,显著性评分(SignificanceScore)全部在0.8以上;模拟的多年平均降水日数、中雨日数、夏季总降水量、日降水强度、极端降水阈值和极端降水贡献率区域平均的偏差都低于11%;并且能够在一定程度上模拟出江淮流域夏季降水的时间变率。进一步将SOM降尺度模型应用到BCCCSM1.1(m)模式当前气候情景下,评估其对耦合模式模拟结果的改善能力。发现降尺度显著改善了模式对极端降水模拟偏弱的缺陷,对不同降水指数的模拟较BCC-CSM1.1(m)模式显著提高,降尺度后所有台站6个降水指数的相对误差百分率基本在20%以内,偏差比降尺度前减小了40%-60%;降尺度后6个降水指数气候场的空间相关系数提高到0.9,相对标准差均接近1.0,并且均方根误差在0.5以下。表明SOM降尺度方法显著提高日降水概率分布,特别是概率分布曲线尾部特征的模拟能力,极大改善了模式对极端降水场的模拟能力,为提高未来预估能力提供了基础。
简介:摘要:根据当前逐日控 制系统的跟踪方式存在的不足,设计了一种将视日运动轨迹跟踪和光电跟踪方式相结合的跟踪方式,采用PLC作为主控制器,完成光电跟踪主程序、控制脉冲程序、测角信号程序和数据处理等程序的编写。通过与偏差控制、PID控制的对比,证明了模糊控制策略更加适用于逐日控制系统,且跟踪误差较小,系统稳定性好,为智能控制在逐日系统应用奠定了良好的实际应用基础。