简介:介绍了数据挖掘、机器学习和深度学习的概念和相互关系,按照整体性学习理论建立了气象领域深度学习知识体系框架,简要介绍了当前主流的深度学习框架工具Caffe和TensorFlow,以及深度学习在气象领域的几个前沿应用,最后提出了推进深度学习技术在气象领域研究应用应当重视的三个关键环节.
简介:利用2015—2016年福州城区内涝和地面气象观测资料,分析内涝成因、最大降雨量与积水深度的关系,建立城市内涝积水深度拟合方程,并对拟合效果进行了检验。结果表明:1)导致福州城市内涝的突发性原因占26%,是城市管网等数据更新困难的主因,非突发性原因占74%;2)在3次不同天气系统的降雨量拟合结果中,雨季降水过程拟合平均绝对误差最小,午后雷雨天气降雨过程拟合平均绝对误差最大;3)对内涝积水深度负拟合值进行归零处理和阈值限定后,其结果均与实况相符;4)基于最新数据资料所得拟合值的误差更小。
简介:L波段雷达经过多年业务运行,故障频发,极易造成记录缺测或中断。如何在故障出现时完成观测任务,保证气象数据准确和完整,值班员的应急处置方法及时得当显得尤为重要。在总结经验的基础上,以西安泾河站2017年11月23日02时的一次L波段雷达系统突发性故障为例,从故障研判、仪器准备、数据观测、记录处理、编发报文等方面详细记录了单独测风应急观测业务流程和操作技巧,供同行参考。
简介:应美国普渡大学地球、大气和行星科学学院(以下简称“行星科学学院”)WenwenTung教授邀请,上海市气象灾害防御技术中心王强和杨辰于2017年9月16-21日访问美国普渡大学,就气象大数据分析研究、气象灾害风险大数据分析理论及技术应用方法等进行了交流,并讨论了合作研究方向及具体分工。
简介:1概况2018年3月2629日,世界气象组织(WMO)基本系统委员会(CBS)技术大会在瑞士日内瓦举行,来自42个国家和地区、4个国际组织及部分私营气象服务机构的代表参加会议。
简介:应美国国家海洋和大气管理局(NOAA)地球系统研究实验室(ES—RL)全球温室气体参比网络(GlobalGreenhouseGasRefereneeNetwork)首席科学家PieterTans教授邀请,中国气象科学研究院周凌唏研究员于2018年5月13日至6月2日赴美国NOAA的ESRL实验室和科罗拉多州及加利福尼亚州野外科学试验场所、美国国家大气研究中心(NCAR)、科罗拉多大学之极地与高山研究所稳定同位素实验室、高精度设备(HPD)研发加工厂进行了技术访问.
气象领域深度学习知识体系框架及前沿应用
利用最大降水量拟合福州城市内涝积水深度的误差分析
L波段雷达单独测风应急观测与记录处理
赴美国普渡大学技术交流总结
参加WMO基本系统委员会技术大会总结
赴美国国家海洋和大气管理局技术访问总结