CN111880242A - 一种高铁沿线大风监测点布设方法 - Google Patents
一种高铁沿线大风监测点布设方法 Download PDFInfo
- Publication number
- CN111880242A CN111880242A CN202010709118.7A CN202010709118A CN111880242A CN 111880242 A CN111880242 A CN 111880242A CN 202010709118 A CN202010709118 A CN 202010709118A CN 111880242 A CN111880242 A CN 111880242A
- Authority
- CN
- China
- Prior art keywords
- monitoring points
- crosswind
- sensitive area
- verified
- arranging
- 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
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Environmental & Geological Engineering (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computational Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明涉及一种高铁沿线大风监测点布设方法,所述方法包括:步骤S1:计算初选线路沿轨道的横风;步骤S2:基于最大横风、平均横风确定待验证横风敏感区域;步骤S3:进行待验证横风敏感区域验证,将经过验证的待验证敏感区域确定为敏感区域;步骤S4:对于经过验证的敏感区域,建立单个气象要素站点时空序列;步骤S5:选择性剔除以得到待确定监测点。本发明在经过选择的监测点中进行监测点连续性检查以进一步优化监测点集合,增加所设置监测点在实际监测中能够达到空间和时间上双重的连续性。
Description
【技术领域】
本发明属于计算机技术领域,尤其涉及一种高铁沿线大风监测点布设方法。
【背景技术】
交通与气象有着十分密切的关系,尤其铁路是气象灾害的高敏感行业,强降雨、暴雪、大风、冰雹、雾、霾等气象灾害对其影响尤为重要。我国西部地区地形复杂,海拔高度变化很大,区域气象条件恶劣,气象观测稀少,精细化气候背景及气象灾害的研究较为困难,对铁路建设和铁路运营支撑较少,尤其是CZ铁路建设,将经历海拔500余米到5000余米的巨大地形起伏,气象条件面临更多的未知因素。该区域目前风速处于增大阶段,海拔越高增大越显著,说明对铁路的影响风险处于增大阶段,海拔越高,风险增加越大,需加强关注。此外,由于高原气象站点稀少,对气象特征的空间分布存在由插值带来的不确定性,对具体监测站点布局的设计依据不足,仍需利用精细化的资料进行针对布局的精细化分析。因此,开展铁路沿线的气象监测非常重要,然而由于投资有限,需要采用经济高效的监测布局,获得事半功倍的效果。本发明利用高精度的实况格点分析数据,进行更细致的空间特征分析,并通过数学计算,确定气象站点科学布局。在经过选择的监测点中进行监测点连续性检查以进一步优化监测点集合,增加所设置监测点在实际检测中能够达到空间和时间上双重的连续性。通过量化的方式科学的进行敏感区域的选取,并提出通过投影的方式以及投影量化值相结合的进行敏感区域的确定,使得确定的方式更加准确可操作,大大的降低了验证量。
【发明内容】
为了解决现有技术中的上述问题,本发明提出了一种高铁沿线大风监测点布设方法,所述方法包含:
步骤S1:计算初选线路沿轨道的横风;
步骤S2:基于最大横风、平均横风确定待验证横风敏感区域;
步骤S3:进行待验证横风敏感区域验证,将经过验证的待验证敏感区域确定为敏感区域;
步骤S4:对于经过验证的敏感区域,建立大风要素站点时空序列;
步骤S5:确定一个相关系数阈值RS计算每个点相关系数ri满足RS这个阈值的个数,然后对站点进行排序,选择性剔除以得到待确定监测点。
进一步的,采用逐步选取最优集合的方式,确定站点布局。
进一步的,所述步骤S3为,从敏感区域的气象站获取实际观测数据进行检验,计算极大风速超过预设风速的第一频率,主导风向与铁路轨道的夹角超过预设角度的第二频率,出现7级以上横风的第三频率;基于第一、第二、和/或第三频率及其组合确定所述待确定横风敏感区域验证是否为横风敏感区域。
进一步的,对于同一个敏感区域对应多个气象站,对于存在多个气象站时会获取多个参数,基于对敏感性程度来确定基于所述多个参数来计算第一、第二、第三频率的方式。
进一步的,所述敏感性程度和铁路等级、行驶车辆类型等相关。
进一步的,还包括步骤S6,对待确定检测点的实际观测数据进行检验以得到监测点。
进一步的,所述步骤S6具体为,对待确定检测点的单个气象要素在空间上的连续性进行检验。
进一步的,计算序列{xit}在空间上绝对变化值序列这个绝对值变化序列是一个随时间变化的值,其中,对于n个监测点则得到绝对变化值矩阵其中,i=1~n,基于绝对变化矩阵的得到相对变化矩阵,[zit]=[yit-MAX(y(i-1)(t-1),y(i-1)t,y(i+1)(t+1))],其中,i=2~n;相对变化矩阵同时考虑了空间和时间上的差异之间的连续性;基于相对变化矩阵计算时间连续向量VT,i=1~n,基于时间连续向量计算得到连续熵值KT=(VT×VTT)/|VT|;其中,VTT为VT的转置向量,|VT|为VT的长度;若连续熵值KT小于预设熵值阈值,则确定对于所述单个气象要素而言,监测点的设置是空间连续的。
进一步的,通过滑动窗口进行多窗口的连续性检查。
进一步的,对风两个方向进行联合取点的方式进行监测点的选取。
本发明的有益效果包括:(1)利用高精度的实况格点分析数据,进行更细致的空间特征分析,并通过数学计算,确定气象站点科学布局。在经过选择的监测点中进行监测点连续性检查以进一步优化监测点集合,增加所设置监测点在实际检测中能够达到空间和时间上双重的连续性;(2)通过量化的方式科学的进行敏感区域的选取,并提出通过投影的方式以及投影量化值相结合的进行敏感区域的确定,使得确定的方式更加准确可操作,大大的降低了验证量。(3)在高原上站点稀少缺乏资料的情况下,采用精细化实况格点分析场的资料进行弥补分析,能够在保障数据可靠性的同时提高计算精度。
【附图说明】
此处所说明的附图是用来提供对本发明的进一步理解,构成本申请的一部分,但并不构成对本发明的不当限定,在附图中:
图1为本发明的高铁沿线大风监测点布设方法示意图。
图2为本发明的敏感区域确定效果示意图。
【具体实施方式】
下面将结合附图以及具体实施例来详细说明本发明,其中的示意性实施例以及说明仅用来解释本发明,但并不作为对本发明的限定。
分析数据基于实况格点分析***,该***是基于时空多尺度分析***STMAS(Space-Time Multiscale Analysis System)开发的。能够采用多重网格顺序变分方法,通过不同尺度的分析方法,进行数据的分析和优化过程。本发明提出的方法在STMAS的基础上,在高原上站点稀少缺乏资料的情况下,采用精细化实况格点分析场的资料进行弥补分析,能够在保障数据可靠性的同时提高计算精度。
由于沿列车运行方向的大风对列车运行造成的影响非常有限,因此,必须考虑风与列车运行方向的夹角问题。本发明采用横风作为风的敏感因子进行分析,横风为风在列车运营方向的垂直分量,横风较大产生垂直风压过大会导致列车在运营过程中出现晃车或是倾覆的情况,横风也是综合反映风速和风向角影响的参量;需要对横风进行分析以对敏感区域进行重点监控;
步骤S1:计算初选线路沿轨道的横风,分析其分布特征;
其中,是轨道k处平均横风,VfMax,k为轨道k处最大横风,为轨道k处的方向向量,为i时刻轨道k处的风场;可以通过STMAS对初选线路进行分析获取、或者通过其他模拟分析工具获取;n为进行分析的时刻范围;
步骤S2:基于最大横风、平均横风确定待验证横风敏感区域;具体的:将最大横风和/或平均横风和风速阈值进行比较以得到敏感轨道,基于敏感轨道确定待验证横风敏感区域;
优选的:具体设置敏感级别并获取和所述敏感级别对应的敏感量化值;确定最大横风和/或平均横风超过风速阈值的次数,将所述次数和敏感量化值比较,如果次数超过第一敏感量化值,则确定所述轨道为敏感轨道;优选的:为平衡横风设置高的权重值,例如:最大横风超过则计数为5次等;敏感量化值为根据检测的范围和敏感程度设置,便于不断的进行后续的设置调整。可以设置较为严格的敏感轨道筛选手段,例如:只要有任一者超过风速阈值则确定为敏感轨道;第一敏感量化值为预设值,可以进行动态调整。
所述基于敏感轨道确定待验证横风敏感区域,具体为:基于敏感轨道的位置关系和/或区域中敏感轨道数量确定待验证横风敏感区域;
优选的:将区域中的敏感轨道向水平面投影得到投影轨道,如果投影轨道形成封闭或者半封闭图形,则确定封闭图形的封闭面积,对半封闭图形进行封闭以确定半封闭图形的封闭面积;若封闭面积小于阈值面积,则确定敏感轨道所在的区域为待验证敏感区域;阈值面积是预设值;
优选的:如果敏感轨道数量超过第二敏感量化值,则确定所述敏感轨道所在的区域为待验证敏感区域;一种严格的确定方法是只要存在敏感轨道,则确定所述确定敏感轨道所在的区域为待验证敏感区域;
现有计数的确定方法都很简单,甚至仅仅是依靠经验来从敏感轨道确定敏感区域,但是实际上这样的操作缺乏技术标准,而且使得后续的验证步骤非常的复杂,本发明通过量化的方式科学的进行敏感区域的选取,并提出通过投影的方式以及投影量化值相结合的进行敏感区域的确定,使得确定的方式更加准确可操作,大大的降低了验证量;
例如:通过对CZ铁路沿线分析以及根据铁路部门有关文件规定,列车报警风速阈值为15m/s,因横风要求更为严格,因此,采用7级风(13.9m/s)作为敏感区域确定的依据。图2显示了沿轨道横风大于7级的影响区域,在最深色色部分显示。这些区域为敏感区域;
步骤S3:进行待验证横风敏感区域验证,将经过验证的待验证敏感区域确定为敏感区域;具体为:从敏感区域的气象站获取实际观测数据进行检验,计算极大风速超过预设风速的第一频率,主导风向与铁路轨道的夹角超过预设角度的第二频率,出现风速阈值以上横风的第三频率;基于第一、第二、和/或第三频率及其组合确定所述待确定横风敏感区域验证是否为横风敏感区域;
对于同一个敏感区域可能对应多个气象站,对于存在多个气象站时会获取多个参数,基于对敏感性程度来确定基于所述多个参数来计算第一、第二、第三频率的方式;所述敏感性程度和铁路等级、行驶车辆类型等相关;当敏感性较高时,采用多个参数加和的方式来计算,当敏感性一般时,采用多个参数平均的方式来计算,当敏感性较低时,采用多个参数中取其一的方式来计算(例如:取最大值或者最小值等);
步骤S4:对于经过验证的敏感区域,建立大风气象要素n×m站点时空序列[xit],其中,n是样本站点总数,m是时间序列的长度,i为二维空间上格点通过差值的方式映射到一维空间铁路沿线所形成的的站点序列值,也就是轨道沿线的站点序列值,t为时间序列值;计算站点时空序列[xit]的相关性结果;
任两个序列的协方差为:
步骤S5:对于每个相关系数向量ri,确定相关系数阈值RS,确定ri中元素值满足RS阈值的个数,基于所述个数对站点进行从小到大排序,基于所述排序选择性的剔除各点以得到待确定监测点。
优选的:采用逐步选取最大集合的方式,确定站点布局,也就是在满足监测点布局布设要求的下,选择所用站点最少的方式选择站点设置检测点;具体做法为:选择相关系数最大的第一个站点,与这个站点满足相关系数阈值要求范围内的点是一个组合;对于组合之外剩余的点重新进行相关性计算,并继续按照上面的方法确定第二个点,第三个···,直到没有站点可以选择为止;对于这些组合中的每个组合,选择代表范围最大化、站点数量最少为目标求取最优解,将最优解对应的组合中的站点作为所选择的站点来设置检测点;由于点和点之间代表性范围不同,代表性范围最大化则是确定最经济的布局。最优目标就是用最少的点获取最大的代表性,也就是用最经济的站点数量能够对铁路全线进行监测;
优选的:对大风两个方向进行联合取点的方式进行监测点的选取,即选取的代表站在两个方向均满足相关系数阈值和布设要求。
步骤S6:对待确定检测点的实际观测数据进行检验以得到监测点;具体为:对待确定检测点的大风气象要素在空间上的连续性进行检验;
除了对监测点的大风气象要素进行相关性验证之外,通过对气象要素进行空间连续性的检验,验证大风气象要素在空间上而言并非独立存在的,彼此之间在空间上存在一定的连续性;
计算站点时空序列{xit}在空间上绝对变化值序列这个绝对值变化序列是一个随时间变化的值,其中,对于n个待确定监测点则得到绝对变化值矩阵其中,i=1~n,基于绝对变化矩阵的得到相对变化矩阵,[zit]=[yit-MAX(y(i-1)(t-1),y(i-1)t,y(i+1)(t+1))],其中,i=2~n;相对变化矩阵同时考虑了空间和时间上的差异之间的连续性;基于相对变化矩阵计算时间连续向量VT,i=1~n,基于时间连续向量计算得到连续熵值KT=(VT×VTT)/|VT|;其中,VTT为VT的转置向量,|VT|为VT的长度;若连续熵值KT小于预设熵值阈值,则确定对于所述大风气象要素而言,监测点的设置是空间连续的;
优选的:通过滑动窗口进行多窗口的连续性检查;优选的设置窗口长度为L,为了增加检验的连续性,设置窗口长度小于L;当滑动窗口内对于检测点的检验是不连续的,则可以进一步的缩小滑动窗口的尺寸,并进行连续熵值的计算,直到得到一个满足预设熵值阈值的连续熵值为止,此时窗口内的监测点为连续的,通过对滑动窗口外的监测点进行调整来使得监测点的设置满足连续性的要求;所述调整为调整监测点的空间位置、在相邻的监测点之间增加监测点等;
优选的:所述监测点为在步骤S5中选择被剔除的待确定监测点中选择监测点作为调整对象,增加到当前监测点集合中;
以上所述仅是本发明的较佳实施方式,故凡依本发明专利申请范围所述的构造、特征及原理所做的等效变化或修饰,均包括于本发明专利申请范围内。
Claims (10)
1.一种高铁沿线大风监测点布设方法,其特征在于,所述方法包含:
步骤S1:计算初选线路沿轨道的横风;
步骤S2:基于最大横风、平均横风确定待验证横风敏感区域;
步骤S3:进行待验证横风敏感区域验证,将经过验证的待验证敏感区域确定为敏感区域;
步骤S4:对于经过验证的敏感区域,建立大风要素站点时空序列;
步骤S5:确定一个相关系数阈值RS计算每个点相关系数r i满足RS这个阈值的个数,然后对站点进行排序,选择性剔除以得到待确定监测点。
2.根据权利要求1所述的高铁沿线大风监测点布设方法,其特征在于,采用逐步选取最优集合的方式,确定站点布局。
3.根据权利要求2所述的高铁沿线大风监测点布设方法,其特征在于,所述步骤S3为,从敏感区域的气象站获取实际观测数据进行检验,计算极大风速超过预设风速的第一频率,主导风向与铁路轨道的夹角超过预设角度的第二频率,出现7级以上横风的第三频率;基于第一、第二、和/或第三频率及其组合确定所述待确定横风敏感区域验证是否为横风敏感区域。
4.根据权利要求3所述的高铁沿线大风监测点布设方法,其特征在于,对于同一个敏感区域对应多个气象站,对于存在多个气象站时会获取多个参数,基于对敏感性程度来确定基于所述多个参数来计算第一、第二、第三频率的方式。
5.根据权利要求4所述的高铁沿线大风监测点布设方法,其特征在于,所述敏感性程度和铁路等级、行驶车辆类型等相关。
6.根据权利要求5所述的高铁沿线大风监测点布设方法,其特征在于,还包括步骤S6,对待确定检测点的实际观测数据进行检验以得到监测点。
7.根据权利要求6所述的高铁沿线大风监测点布设方法,其特征在于,所述步骤S6具体为,对待确定检测点的单个气象要素在空间上的连续性进行检验。
8.根据权利要求7所述的高铁沿线大风监测点布设方法,其特征在于,计算序列{xit}在空间上绝对变化值序列这个绝对值变化序列是一个随时间变化的值,其中,对于n个监测点则得到绝对变化值矩阵其中,i=1~n,基于绝对变化矩阵的得到相对变化矩阵,[zit]=[yit-MAX(y(i-1)(t-1),y(i-1)t,y(i+1)(t+1))],其中,i=2~n;相对变化矩阵同时考虑了空间和时间上的差异之间的连续性;基于相对变化矩阵计算时间连续向量VT,i=1~n,基于时间连续向量计算得到连续熵值KT=(VT×VTT)/|VT|;其中,VTT为VT的转置向量,|VT|为VT的长度;若连续熵值KT小于预设熵值阈值,则确定对于所述单个气象要素而言,监测点的设置是空间连续的。
9.根据权利要求8所述的高铁沿线大风监测点布设方法,其特征在于,通过滑动窗口进行多窗口的连续性检查。
10.根据权利要求9所述的高铁沿线大风监测点布设方法,其特征在于,对风两个方向进行联合取点的方式进行监测点的选取。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010709118.7A CN111880242B (zh) | 2020-07-22 | 2020-07-22 | 一种高铁沿线大风监测点布设方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010709118.7A CN111880242B (zh) | 2020-07-22 | 2020-07-22 | 一种高铁沿线大风监测点布设方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111880242A true CN111880242A (zh) | 2020-11-03 |
CN111880242B CN111880242B (zh) | 2022-03-25 |
Family
ID=73155908
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010709118.7A Active CN111880242B (zh) | 2020-07-22 | 2020-07-22 | 一种高铁沿线大风监测点布设方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111880242B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112498419A (zh) * | 2020-11-25 | 2021-03-16 | 中铁第四勘察设计院集团有限公司 | 一种加密方法、装置、设备和存储介质 |
CN113176420A (zh) * | 2021-02-08 | 2021-07-27 | 国网北京市电力公司 | 一种针对电网杆塔点的风速预报订正*** |
CN113516406A (zh) * | 2021-07-30 | 2021-10-19 | 中国气象局气象探测中心 | 一种基于实时观测分析的高铁沿线降水测点布置方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102023317A (zh) * | 2010-10-14 | 2011-04-20 | 北京大学 | 高速铁路大风监测点布设方法 |
-
2020
- 2020-07-22 CN CN202010709118.7A patent/CN111880242B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102023317A (zh) * | 2010-10-14 | 2011-04-20 | 北京大学 | 高速铁路大风监测点布设方法 |
Non-Patent Citations (3)
Title |
---|
张子曰: "川藏铁路沿线气象风险特征分析", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
张海平等: "空间插值方法的适用性分析初探", 《地理与地理信息科学》 * |
赵芳霞等: "高速铁路风监测点布设优化研究", 《第十三届中国智能交通年会优秀论文集》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112498419A (zh) * | 2020-11-25 | 2021-03-16 | 中铁第四勘察设计院集团有限公司 | 一种加密方法、装置、设备和存储介质 |
CN112498419B (zh) * | 2020-11-25 | 2022-09-09 | 中铁第四勘察设计院集团有限公司 | 一种加密方法、装置、设备和存储介质 |
CN113176420A (zh) * | 2021-02-08 | 2021-07-27 | 国网北京市电力公司 | 一种针对电网杆塔点的风速预报订正*** |
CN113176420B (zh) * | 2021-02-08 | 2024-03-12 | 国网北京市电力公司 | 一种针对电网杆塔点的风速预报订正*** |
CN113516406A (zh) * | 2021-07-30 | 2021-10-19 | 中国气象局气象探测中心 | 一种基于实时观测分析的高铁沿线降水测点布置方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111880242B (zh) | 2022-03-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111880242B (zh) | 一种高铁沿线大风监测点布设方法 | |
CN109544932B (zh) | 一种基于出租车gps数据与卡口数据融合的城市路网流量估计方法 | |
Verworn et al. | Spatial interpolation of hourly rainfall–effect of additional information, variogram inference and storm properties | |
CN106228125B (zh) | 基于集成学习级联分类器的车道线检测方法 | |
De Silva et al. | A comparison of methods used in estimating missing rainfall data | |
CN109492788B (zh) | 预测人流量以及建立人流量预测模型的方法及相关设备 | |
CN107907864B (zh) | 一种风廓线雷达降水干扰抑制方法和*** | |
CN107918166B (zh) | 多卫星融合降水方法及*** | |
CN109255100B (zh) | 一种基于微波衰减特征响应指纹识别的城市降雨反演方法 | |
KR101255736B1 (ko) | 단일편파 레이더를 이용한 기상 및 비기상 에코 분류 방법 | |
CN111488336A (zh) | 一种集成小波变换和图像二值化的路网交通瓶颈识别方法 | |
CN113267834A (zh) | 一种基于多模型集成的融合降水预报方法 | |
CN114048944A (zh) | 一种暴雨诱发地质灾害下应撤离人口及损毁房屋的预估方法 | |
CN113935956A (zh) | 一种二向混合建模矿区土壤含水量数据缺失修复方法 | |
CN104198998B (zh) | 非均匀背景下基于聚类处理的恒虚警检测方法 | |
CN111639865A (zh) | 一种高铁沿线气象灾害发生风险分析方法 | |
Lean et al. | Understanding atmospheric motion vector vertical representativity using a simulation study and first-guess departure statistics | |
Tveito | Norwegian standard climate normals | |
Mason et al. | An intercomparison of EarthCARE cloud, aerosol and precipitation retrieval products | |
Willén et al. | Assessing model predicted vertical cloud structure and cloud overlap with radar and lidar ceilometer observations for the Baltex Bridge Campaign of CLIWA-NET | |
Le Marshall et al. | Error characterisation of atmospheric motion vectors | |
Kida et al. | Improvement of rain/no-rain classification methods for microwave radiometer observations over the ocean using a 37 GHz emission signature | |
CN112231641A (zh) | 一种基于气象数据的能见度估计方法 | |
CN111612260A (zh) | 基于集成学习模型的轨道交通车载数据预测方法 | |
CN114325879B (zh) | 一种基于分级概率的定量降水订正方法 |
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 |