条件非线性最优扰动台风目标观测 框架系统
基于非线性最优目标函数的红外云图台风中心自动定位
3 . 2 . 2 变异 操 作
行解看作是群体的“ 染色体” , 将其置于问题的“ 环
境” 中, 根据适者生存的原则 , 从 中选择出适应环 境 的“ 染色体” 进行复制 ,通过交叉 、变异两种基
为了防止有效基 因的缺失 ,最大限度地避免 早熟收敛 , 本文利用二元变异算子㈣( 同或/ 异或) 来进行变异操作 ,提高 了遗传算法 的优化速度 。 其变异概率为 :
物遗传算法 ,求得 了台风中心位 置的最优数值 解 , 有效 地实现 了台风 中心的 自动定位 。多个 台风 中心定位仿真 结果表明 ,该方法能够实现有眼和无眼 台风 的 自 动定位 ,并且理论可靠 、实用性强 、定位精度高 。
关 键 词:非线性最优 目标 函数 ;台风 中心 ;自动定位 ;红外云 图
, 、 , ,
函数
,
利用简单遗传算法进行求解 ;在此基础之
这些研究主要是综合利用数字图像处理技术和数
上
后
学形态学操作从云图中提取 出边缘和骨架等形态
特征 , , 引 ,实 现 台风 中心 的 自动定 位 ,这 些 方
针对 台风中心密闭云区的特点 ,对遗传算法 的初始群体生成和遗传操作方面进行了改进
定量描述和参数的 自动提取 ,因此 ,这些算法都 存在 定程度的通用性和鲁棒性问题 ;王燕燕等
一
台风 中心的确定对于天气分析和台风预测具 有重要 的意义 , 而台风作为一种复杂的天气系统 ,
是在热带海洋上空发展起来的强烈气旋性涡旋 ,
具有很强的非线性结构特点 ,在大气动力学中用
一
[ 1 0 将台风运动看作是刚性物体 的运动 并 需人 工 干预 自动化程度不高 ,另外 ,由于气旋 中心并
风情大数据下台风路径误差分析及预报效果评估
风情大数据下台风路径误差分析及预报效果评估黎婷;陈亮;叶永;洪振杰【摘要】针对台风路径预报准确度评估问题,应用中、美、日、韩四国对2016年西北太平洋生成的26个台风的路径预报数据,计算各国气象机构24 h、48 h、72 h、96 h、120 h台风路径预报误差数值.利用层次分析法(AHP),以各预报时长台风路径误差为判断准则,构建台风路径预报效果评估模型,并对各国台风路径预报效果的总体实力进行综合评估.结果表明,2016年台风路径预报效果最好的是日本,其次为中国、美国、韩国.【期刊名称】《宜宾学院学报》【年(卷),期】2018(018)006【总页数】5页(P95-99)【关键词】台风路径;误差分析;层次分析法;综合评估【作者】黎婷;陈亮;叶永;洪振杰【作者单位】温州大学数理与电子信息工程学院,浙江温州325035;温州大学数理与电子信息工程学院,浙江温州325035;温州大学数理与电子信息工程学院,浙江温州325035;温州大学数理与电子信息工程学院,浙江温州325035【正文语种】中文【中图分类】P413;O29随着大数据时代的来临,数值预报模式和其他统计动力客观预报模式的发展和改进,台风业务的路径预报能力有了很大的提高[1].由于大气初值和数值模式中物理过程存在着不确定性的事实,决定了台风系统是一个高度非线性的系统,虽然在一定条件下可以证明某些线性微分方程组稳定格式的数值解,能够近似表示相应的微分方程的真解,但对于非线性系统来说,即使有时候数值解是计算稳定的,但却与真解毫无相似之处,因此台风路径的误差分析和台风路径探测的精准度和预报准确率仍有待进一步认识和提高.国内学者对台风路径业务预报误差做了很多分析研究[2-5].余锦华等[6]根据陈联寿等[7]的台风路径分类思路,比较了2005-2009年西北太平洋各类型台风的路径预报误差,对认识台风路径特征,提高台风路径预报水平起到了积极作用.近年来层次分析法作为一种分层次指标权重定量评价决策方法已经被应用到各个领域[8-13],在气象领域相关的评价与评估工作中,张颖超等[14]利用层次分析法建立了台风灾害影响评估模型;闫敏慧等[15]利用层次分析法确定气象服务评价的指标权重,促进气象服务评价工作的发展.但是利用层次分析法,以路径误差为判断准则对气象机构预报效果进行评价的研究却不多.而台风路径误差作为影响台风预报效果最直观因素,以此为准则对台风预报效果进行评估具有重要意义.本文以2016年中央气象台台风网提供的西北太平洋台风路径业务预报的资料为基础,对2016年西北太平洋主要26个台风的路径特征和路径预报误差进行了分析,计算各国气象机构24 h、48 h、72 h、96 h、120 h台风路径预报误差数值.应用层次分析法中的9分位标度法,选取各气象机构对台风路径本身可以预测的主要物理指标作为判断准则,构建台风路径预报效果评估模型,并对各国台风路径预报效果的总体实力进行综合评估.1 台风路径误差分析台风路径误差分析主要包括对台风路径特征和路径预报误差分析,分析时对台风路径预报数据进行了初步检验,剔除掉错误的样本.充分了解预报误差,也有助于加强对台风预报业务水平现状及其发展趋势的认识,可为各气象机构预报效果评估提供判断依据.1.1 2016年台风路径特征根据中央气象台台风网数据统计,2016年西北太平洋生成主要台风数共26个,大多数西北太平洋台风在副热带高压西南侧生成,沿着副热带高压边缘的路,或西进,或西北,或转向,或北上.然而也有一些台风在副热带高压西北侧生成,径直向东北移动;有一些台风受冷空气影响,西行阵脚大乱而转向西南移动;更有个别特殊台风,在经过了台风高纬度后,没有向东北转向,而是调头向西,走出一条倒抛物线,最终都登陆我国华东地区.如果定义西进台风为A1型路径,西北行台风为A2,转向者为A3,北上台风为A4,东北行者为A5,倒抛物线者为B1,西北转西南者为B2,可得图1所示的台风基本路型.根据图1所定义的台风路型,对2016年各台风进行路径归类,得到台风的路径分布情况,如图2所示.由图1、图2可知:2016年台风路径“正常”的多,异常的少,没有那种无法归类的奇异台风,如1986年韦恩、2012年的天秤都是令预报员头疼但却让研究者有文章可做的迷途台风,但一年中出现了一个“倒抛物线”台风,即1310狮子山,也算相对比较少见.图1 台风基本路型图2 2016年台风路径分布图1.2 2016年台风路径误差分析以2016年中央气象台台风网提供的西北太平洋台风路径业务预报的资料为基础,针对以上各台风路径特征,统计了各气象机构2016年各台风登录位置的最佳路径数据及路径的12 h、24 h、48 h、72 h、96 h、120 h等未来状态的预测,可得到各气象机构的台风路径预测误差:其中赤道半径r=6371,φF、λF为预测的纬度和经度(弧度),φR、λR为实际最佳定位纬度的经度(弧度).利用式(1)计算得到 12 h、24 h、48 h、72 h、96 h、120 h台风路径误差数值,如表1所示.由表1可知,不同的气象机构,针对相同的预报时长,台风路径预报误差不同,同一个气象机构,不同的预报时长,台风路径预报误差也不一样.一般而言,预报时效越长,台风路径预报误差越大.在表1中24 h预报效果最好的是日本,48 h、72 h预报效果最好的是中国,可见我国台风路径预报准确率已基本达到国际先进水平.96 h预报效果最好的是韩国,但其24 h、48 h、72 h、120 h的预报效果相对其他国家较差,这可能与预报样本次数有关,在同样的预测时间点,收集到的有关韩国的预测信息较少.120 h预报效果最好的是日本,并且在所有预测数据中,日本的预报误差最稳定,且整体预报效果偏好.尽管我国预报效果已经取得了很大的进步,但随着人们对预报时长的要求越来越高,120 h的预报效果的提升仍是我国需要努力的方向.表1 西北太平洋海域2016年中、美、日、韩台风业务预报平均距离误差96 h机构中国日本美国韩国12 h样本/次195平均误差/km 52.3/ / // / /24 h样本/次192 192 190 157平均误差/km 67.7 65.1 69.8 66.1 48 h样本/次151 153 151 124平均误差/km 134 140.9 137.3 142.6 72 h样本/次113 113 115 89平均误差/km 219 224.6 232.1 237.6样本/次81 78 80 58平均误差/km 333 340.8 359.3 325.9 120 h样本/次53 50 52 31平均误差/km 507.7 444.8 519.8 551 2 台风路径预报效果评估一个气象机构的台风路径预报效果的好坏取决于多方面,每个方面及其影响效果也不一样,但主要还是反映在台风路径预报误差上.而对于台风路径数值预报模式而言,其结果不仅是获得一个可能的路径预报数值,也要了解这个路径预报数值具体的可信度.层次分析法是采用将定性描述和定量分析相结合的系统决策方法,把复杂的问题分解成各个相关因素,又将这些因素按支配关系分组形成有序的阶梯层次结构,通过两两比较的方式设定属性重要性矩阵,最后确定各元素的权重以及决策层相对于目标层的权重组合.利用层次分析法确定指标权重,将决策者主观思维逻辑数字化,可使评价结果更加客观、科学.2.1 层次结构评估的模型为了更好地对中、日、美、韩四个国家气象机构的台风路径预报效果的总体实力进行综合评估,以各气象机构台风路径预测数据和最佳路径数据的误差为判断准则,可以采用某种距离函数,总的评价效果目标表达式为:其中ωi为各判断准则影响指标所占权重,Ei,Ni为台风路径数据统计的预测经度和纬度,E,N为台风路径实际经度和纬度,其中各预测时长具体的误差数值在表2中已经给出,对于(2)式求解目标函数的关键问题在于以各预测时长误差数值作为判断准则相对应的指标权重ωi的获取.为了计算出评价各国气象机构台风路径预测效果所需的指标权重ωi,建立如图3所示的结构层次,第一层指出总体目标是选出预测效果最好气象机构;第二层的五个标准促成总体目标的实现;第三层的每个评价对象,显示了在不同标准下判断时各自优劣的特点,以对各气象机构台风路径预报效果进行系统分析和评价.图3 台风路径预测效果评估层次体系构造成对的判断矩阵是层次分析法的关键,Saaty将1-9标度方法作为判断矩阵的标度,如表2所示.表2 判断矩阵的标度标度1 3 5 7 9 2,4,6,8倒数含义表示两个因素相比,具有同样的重要性表示两个因素相比,一个因素比另一个因素稍微重要/偏爱表示两个因素相比,一个因素比另一个因素明显重要/偏爱表示两个因素相比,一个因素比另一个因素强烈重要/偏爱表示两个因素相比,一个因素比另一个因素极端重要/偏爱上述两相邻判断的中值相应两因素交换次序的重要性比较判断矩阵中的各元素表示的是每个属性的两两比较结果,则相对于台风路径预测效果,24 h、48 h、72 h、96 h、120 h预测路径误差两两对比的判断矩阵为:2.2 模型的求解与分析由于方根法更能凸显某些指标的重要性,因此本文采用方根法,利用以上判断矩阵,经计算可得各指标权重,由特征向量:表示.对其归一化处理后ω=(0.342,0.244,0.146,0.122,0.146)T,判断矩阵的最大特征根λmax=5.3.一致性检验为RC=I IR(其中IC为一致性指标,IR为平均随机一致性指标),计算可得RC=0.067<0.1,通过一致性检验,所以可认为各判断指标在整体评价系统中所占比例合理.最后利用表1中的数据和式(2),得到各个国家在各一级判断准则下总的评价效果,如表3所示.表3 各国台风路径预报效果表(单位:km)总体预报效果199.893 6 193.135 8 208.326 4 209.444 0机构中国日本美国韩国24 h平均误差67.7 65.1 69.8 66.1 48 h平均误差134 140.9 137.3 142.6 72 h平均误差219 224.6 232.7 237.6 96 h平均误差333 340.8 359.3 325.9 120 h平均误差507.7 444.8 519.8 551各国气象预报机构总体评价效果相对表2各预报时长路径误差平均水平图形表现如图4所示.图4 各国台风路径总体预报效果相对于平均水平偏差图利用层次分析法,计算出层次体系判断层各指标相应的权重和各气象机构总体台风路径预报效果评估数值,通过表3可以直观了解到各预报机构不同预报时段台风路径预报效果的优劣特征,以及各气象机构总体预报效果,可见总体预报效果最好的为日本,其次为中国、美国、韩国.由图4可知,尽管台风路径预报总体效果最好的是日本,且路径误差数值波动较平缓,但其48 h和96 h的路径预报效果却在各国平均水平之下;我国各预报时长的路径预报误差除120 h外均比各国路径预报平均误差小,且各预报时段误差较稳定,数值波动较小;而误差数值波动较大的为韩国,这也和韩国总体预报效果体现一致;美国台风路径预报误差数值虽然波动不大,但是各时段预报效果除48 h外均在平均水平之下,总体预报水平只稍优于韩国.由此也表明,我国台风路径路径总体预报水平已经达到国际先进水平但120 h预报效果较差,还没有达到国际平均水平,120 h预报效果的提升仍是我们努力的方向.由于统计年份只有一年,上述结论仅反映这一年的评价情况,随着资料的逐步完善和数据的积累,将得到更全面的评价.3 结论本论文以2016年中央气象台台风网提供的西北太平洋台风路径业务预报的资料为基础,对2016年西北太平洋主要26个台风的路径特征和路径预报误差进行了分析,计算各国气象机构24 h、48 h、72 h、96 h、120 h台风路径预报误差数值.应用层次分析法中的9分位标度法,选取各气象机构对台风路径本身可以预测的主要物理指标作为判断准则,构建台风路径预报效果评估模型,对该四个主要台风影响大国的台风路径预报效果的总体实力进行综合评估.其结果为:台风路径总体预报效果最好的是日本,其次是中国、美国、韩国,这说明该方法可以对气象机构台风路径预报效果进行较好的评估.由此也表明我国台风路预报水平已达到国际先进水平,虽然仍有进步的空间.通过对各判断指标的权重计算和各气象机构台风路径预报效果总的评估,可以直观了解各机构预报时段的优劣特点,有助于在业务预报时参考.参考文献:【相关文献】[1] 许映龙,张玲,高栓柱.我国台风预报业务的现状及思考[J].气象,2010.36(7):43-49.[2] 倪钟萍,吴立广,张玲.2005-2010年台风突变路径的预报误差及其环流背景[J].气象,2013(6):719-727.[3] 杨琼琼,吴立广.中国24h台风路径预报难点及其大尺度环流分析[J].气象科学,2015(4):389-397.[4] 黄奕武,高拴柱,钱奇峰.对T639台风路径预报误差与环境变量的相关分析和回归分析[J].气象,2016(12):1506-1512.[5] 周菲凡,山口宗彦,段晚锁,等.GRAPES全球模式对台风路径预报的误差来源的诊断研究[C].第33届中国气象学会年会,西安,2016:540-541.[6] 余锦华,唐家翔,戴雨涵,等.我国台风路径业务预报误差及成因分析[J].气象,2012(6):695-700.[7] 陈联寿,丁一汇.西北太平洋台风概论[M].北京:科学出版社,1979.[8] 赵婵娟,郭东星,令狐晓娟.层次分析法在医院绩效评价中的应用探讨[J].中国药物与临床,2009(11):1138-1139.[9] 申志东.运用层次分析法构建国有企业绩效评价体系[J].审计研究,2013(2):106-112.[10]张婧.层次分析法在气象服务效益定量评估中的应用[J].科技与创新,2014(16):151-152.[11]PECCHIA L,BATH B A,PENDLETON N,et al.Analytic hier⁃archy process(AHP)for examining healthcare professionals’assessments of risk factors[J].Methods InfMed,2011(5):435-444.[12]HE J,LI D H,ZHOU K prehensive evaluation of mi⁃crogrid planning schemes based on the analytic hierarchy pro⁃cess(AHP)method[C].Automotive,Mechanical and Electrical Engineering,Hong Kong,2016.[13]HONG W X,WEI X Z,YANG F.Risk evaluation of express⁃way PFI construction project based on the analytic hierarchy process and grey clustering[J].IETI,2016,2(3):137-144.[14]张颖超,张美娟,张中秋,等.浙江省登录热带气旋灾害影响评估[J].大气科学学报,2013(2):229-234.[15]闫敏慧,姚秀萍,王蕾,等.用层次分析确定气象服务评价指标权重[J].应用气象学报,2014(4):470-475.。
一种求解条件非线性最优扰动的快速算法及其在台风目标观测中的概要
安充电桩汽车租赁合同6篇篇1安充电桩汽车租赁合同租赁方:____________________承租方:____________________鉴于租赁方为安充电桩公司,注册地址为____________________,法定代表人为____________________,经营者联系电话为____________________;承租方为____________________,联系地址为____________________,联系电话为____________________;双方经协商一致,就租赁方出租安充电桩汽车的相关事宜达成以下协议:一、租赁车辆信息1.1 租赁方将出租的安充电桩汽车具体信息如下:车牌号:____________________车型:____________________车辆颜色:____________________车辆识别码:____________________充电方式:____________________1.2 租赁方保证出租车辆符合国家相关法律法规要求,车辆无大面积损坏,能够正常行驶。
二、租赁期限2.1 租赁期限为____________________年/月/日至____________________年/月/日。
2.2 如承租方需续租车辆,在到期前20个工作日内提出书面申请,经租赁方同意后可以续租。
三、租金及支付方式3.1 租金总额为____________________元,按照____________________的支付方式支付。
3.2 租金支付方式为____________________,在签订租赁合同时支付首期租金;第二期租金在租期前____________________天内支付;之后每个____________________期支付一次租金。
3.3 租金相关应税费用由承租方自行承担。
四、车辆使用及维护4.1 承租方在租赁期内有权合理使用车辆,但不得私自改装车辆,如需维修或保养应及时通知租赁方。
条件非线性最优扰动(CNOP):简介与数值求解
条件非线性最优扰动(CNOP):简介与数值求解孙国栋;穆穆;段晚锁;王强;彭飞【期刊名称】《气象科技进展》【年(卷),期】2016(6)6【摘要】This paper introduces the deifnition of conditional nonlinear optimal perturbation (CNOP), and the applications of the CNOP in atmosphere and ocean studies. The CNOP approach is expanded as that related to initial perturbation (CNOP-I), related to parameter perturbation (CNOP-P), and the combined both of CNOP-I and CNOP-P, according to the different perturbation types. The CNOP-I approach has been applied to the predictability studies of ENSO events, Kuroshio path anomalies, blocking, nonlinear stabilities of thermohaline circulation and grassland ecosystem. The CNOP-I has been further employed to explore the target observation of typhoon. The sensitive region could be identiifed by using the CNOP-I approach. The forecast skill may be improved by adding more adaptive observations in the sensitive region. The CNOP-P approach has been applied also to Kuroshio path anomalies, nonlinear stabilities of thermohaline circulation and grassland ecosystem. Here, we carried out a numerical simulation how to obtain the CNOP with the Burgers equation through building the tangent linear model and adjoint model. The result shows that the CNOP can be calculated by using the Burgers equation, the tangent linear model and the adjoint model with nonlinear optimizationalgorithm; It supplies a guide to a beginner to learn the CNOP and a reference for employing the CNOP to other applicable subjects.%介绍了条件非线性最优扰动(Conditional Nonlinear Optimal Perturbation,CNOP)的定义及其在大气和海洋等可预报性研究中的应用。
非线性地流-12大气和海洋的可预报性-在台风研究和预报中的应用
CNOP ( x0*) :
J
(
x0* )
max
G1 ( x0 )
J
(
x0 )
其中, J ( x0) G2[PM (x0 x0) PM (x0)]
M : 非线性传播算子; G1,G2 为度量范数; P : 投影算子;
CNOP为FSV在非线性空间的一个拓展!
• CNOP方法在目标观测中的应用思想
集合转换(ET)方法 集合卡曼滤波(EnKF)方法 集合转换卡曼滤波(ETKF)方法
非线性
条件非线性最优扰动(CNOP)方法 3DVAR-Piece by piece方法 繁殖 (BV)方法
……
➢线性奇异向量(SV)方法
X t
F(X)
0
X t0 X0
有解:
Xt M (X0)
F : 非线性偏微分算子; M : 非线性传播算子;
垂直积分能 量方案
12.7%
9.2%
• 伴随敏感性方法在目标观测中的应用
将求得的梯度 x0 J (x0 )的大值区做为目标观测的敏感区
梯度大,说明目标函数对此处相应的物理量很敏感, 若有小扰动则会导致大发展。相应地,若有小误差,则 可导致大的预报误差。因此,尽量减小梯度大值区的初 始场误差。
• 如何确定敏感区?
经验性地主观地 判断增加观测的 区域
利用数值模式客观 地确定增加观测的 区域
要求
数值模式相对成熟,误差较小
➢客观的敏感区的识别方法
线性类 集合类
准反演线性方法 线性奇异向量(SV)方法 伴随敏感性(adjoint sensitivity)方法 考虑台风引导流作用的ADSSV方法
-=
不同区域观测对减小 预报误差的能力
条件非线性最优扰动及其在天气气候目标观测中的应用
CNOP’s applications
Spring prediction barrier
Mu et al., GRL,2007 Mu et al., JGR, 2007 Duan et al., JGR,2009 Yu et al., QJRMS,2009
et al., QJRMS, 2013)
(王斌和刘娟娟,2011,气象学报;Qin
目标观测
又称适应性观测:是指为了最大限度地提高未来某一时 刻(验证时刻)某一地区(验证区域)的预报技巧,通 过某些方法在此之前的某一时刻(目标观测时刻)某一 区域(敏感区)增加观测。
初始扰动 非线性预报模式 初始基态 初始时刻 预报时刻
2
CNOP的物理意义
1. The initial error which have the largest effect on the uncertainty at prediction time (Mu et al.,
2007; Duan et al., 2005; 2009).
Blocking event, Mu and Jiang, 2008)
• 线性奇异向量(LSV)
⎧ ∂ (δ w) ∂F + |w=U ( w, x, t ; P )δ w = 0 ⎪ ∂w ⎨ ∂t ⎪δ w | = δ w t =0 0 ⎩
δ w( x , t N ) = M t
0 −tN
Methods to identify the sensitive areas
u SV (Palmer et al.1998)
u Adjoint Sensitivity (Ancell and Mass 2006) u ET (Bishop and Toth 1999) u EKF (Hamill and Snyder 2002)
浅谈非线性系统状态观测器设计问题
浅谈非线性系统状态观测器设计问题本文综述了非线性系统状态观测器设计问题的研究成果,包括发展简介,研究现状和发展趋势等。
标签:非线性状态观测器;类Lyapunov方法;Luenberger观测器方法;Lipschitz非线性系统;H∞状态观测器。
1、引言简单的说,观测器是基于模型和测量信息的闭环信息重构器。
具体来说,观测器设计问题即状态重构问题,就是重新构造一个系统,它以原系统的输入量和输出量作为输入量,而它的状态变量的值能渐近逼近原系统的状态变量的值,或者某种线性组合,则这种渐近逼近的状态变量的值即为原系统的状态变量的估计值,并可用于状态反馈闭环系统中代替原状态变量作为反馈量构成状态反馈律,这个用以实现状态重构的新系统通常称为原系统的观测器,它可以是由电子、电气等装置构成的物理系统,也可以是由计算机和计算模型及软件实现的软系统。
对线性系统而言,著名的Kalman滤波器和Luenberger观测器为该领域的观测器设计问题提供了较为完美的答案。
与线性系统不同,对非线性系统不存在一个总的方法来设计观测器,但对不同的非线性系统可以找出不同的设计方法,因而对非线性系统观测器的研究要复杂得多。
因此,非线性观测器问题是国内外控制界学者当今研究的热点之一。
2、非线性状态观测器的发展简介对于非线性系统状态观测器的研究始于上世纪70年代,在80年代取得了较大的进展,但由于非线性系统本身的复杂性,非线性观测器理论还未能系统化。
对非线性系统,观测器理论方面最初的系统性结果是在观测误差是线性的等一系列条件下得出的。
这类观测器存在的充分必要条件是相当严格的。
在1989年,Tornambe[1]提出了基于“高增益”近似抵消的方法。
然而此方法不能保证增益任意高时,估计的状态渐近收敛到真正的状态,即使观测器与系统的初值一致,一般情况观测器误差只是有界的,而不能保证是渐近收敛到零。
对于能够转换成能观标准型的单输入单输出非线性系统,1988年,Bastin和Gevers给出了系统转换成这类标准型的充要条件,然而此类观测器所需要的转换是很难找到的,并且Bastin和Gevers提出的条件是相当严格的。
条件非线性最优扰动(CNOP):简介与数值求解
黑潮和阻塞可预报性 以及热盐环流和草原生态 系统稳定性的研究。此外 ,CN OP — I 方法也被应用于探讨 台风 目标观测 的研 究 ,利 用CN OP 一 1 : ) 5 - 法 能够 识 别 出 台风 预 报 的 初 值 敏 感 区 ,通 过 观 测 系 统 模 拟 试 验表 明在 初 值 敏 感 区 增 加 观 测 能 够有 效 改 进台风的预报技巧。CN OP — P 方法也在E NS O和黑潮可预报性以及热盐环流和草原生态系统稳定性研究 中得到了应用。为 了将CN OP 方法应用于更多的领域 ,本文利 用一个简 单的B u r g e r s 方程 ,介绍 了如何通过建 立B u r g e r s 方程 的切线性模式 和伴随模式 ,从而利 用非线性最优化 算法计算获得CN OP 。这一数值试验 为将CN OP 方法应用于更多的领域提供 了借鉴 。 关键词 :条件非线性最优扰动方法 ( C NOP),可预报 性, 目标观测
I n t r od uc t i on a nd N u me r i c a l Com pu t a t i on
S u n G u o d o n g , Mu Mu , Du a n Wa n s u o , Wa n g Qi a n g , P e n g F e i ’
4 Un i v e r s i y t o f C h i n e s e Ac a d e my o f S c i e n c e s , B e i j i n g 1 0 0 0 4 9 )
Ab s t r a c t : Th i s p a p e l i n t r o d u c e s t h e d e i f n i t i o n o f c o n d i t i o n a l n o n l i n e a r o p t i ma l p e r t u r b a t i o n( CNOP) a n d t h e a p p l i c a t i o n s o f t h e
台风灾害预警系统的构建与优化
台风灾害预警系统的构建与优化近年来,台风灾害给许多地区带来了巨大的损失和伤害,特别是在亚洲一带,台风灾害频繁发生,给人们的生命财产安全带来了极大的威胁。
为了有效应对台风灾害,保障人民生命财产安全,我们需要构建和优化台风灾害预警系统。
一、台风灾害预警系统的构建1.数据采集构建台风灾害预警系统需要大量的基础数据支持,包括历史台风路径、气象监测、海洋监测、水文监测等多种数据。
这些数据需要从不同的渠道进行采集,例如卫星遥感、气象探测站、水文监测站、船只监测等,以确保数据的全面性和准确性。
2.数据处理采集到的数据需要进行预处理,以便于后续的分析和预测。
数据处理可以采用多种方法,例如数据清洗、数据整合、数据转换等,以确保数据的可靠性和一致性。
3.分析建模得到预处理后的数据,我们需要采用适当的算法进行分析和建模。
例如,可以采用基于机器学习的模型、基于统计的模型等方法进行分析和预测,以提高预警准确率和时效性。
4.信息展示构建台风灾害预警系统必须具备良好的信息展示能力,以便于用户及时获取和理解预警信息。
信息展示可以采用多种形式,例如基于地图的可视化、基于数据图表的可视化等,以确保用户方便快捷地获取预警信息。
二、优化台风灾害预警系统1.引入新技术为了提高台风灾害预警系统的准确性和时效性,需要引入新技术,例如人工智能、大数据、云计算等。
通过这些新技术的应用,可以更好地处理和分析数据,提高预警系统的效率和准确率。
2.完善硬件设备完善硬件设备是优化台风灾害预警系统的必要措施。
例如,可以增加气象探测站、水文监测站、无人机等设备的数量和覆盖面积,以提高数据的准确性和时效性。
3.加强体系建设为了完善台风灾害预警体系,需要加强体系建设,例如建设预警信息发布平台、建立预警信息共享机制等。
通过这些措施,可以提高预警系统的时效性和信息发布效率,更好地保障人民群众的生命财产安全。
总之,构建和优化台风灾害预警系统是当前时代社会的一个重要任务。
条件非线性最优扰动在长江中下游地区冬季暴雨中的应用研究
5期
刘 段灵 等 :条 件非线 性最 优扰 动在长 江 中下游地 区冬 季暴 雨 中的应用研 究
7 8 3
o b s e r v a t i o n ) X 称适 应 性观 测 ( a d a p t i v e o b s e r v a t i o n )
[ 2-4 1
,
始误 差 的敏 感 性 ,即减 少初 值 中 C NOP类 型 的初 值误 差 的振 幅 比减 小 F S V类 型 的收益 要 大 。 这 一
第2 9 卷 第5 期
2 0 1 3年 1 0月
热
带
气
象
学
报
V_ 0 1 . 2 9. No . 5 0c t . .2 01 3
J OURNAL 0F TR0P I CAL M ETE0R0L0GY
刘段 灵 ,孙 照渤 ,彭 世球 . 条 件 非线性 最 优扰 动在 长江 中下 游地 区冬 季暴 雨 中 的应 用 研究 [ J 】 _ 热 带气 象学 报 ,2 0 1 3 ,2 9 ( 5 ) : 7 8 2 — 7 9 2
设等都具有十分重要的现实意义 ,无疑也是我国 气象科技服务于社会经济发展的首要任务和必要
手段。
如何 提 高高影 响 性天 气 的预报 技 巧 ,不仅是 2 l 世 纪 大气科 学 面临 的重 大挑 战之一 , 也 是 国际 十 年 减灾 计 ̄ ] i ( I D NDR ) 关 注 的热 点之 一 。 高影 响
指 在 一些 初 始 误 差很 大或 者 可 能快 速 增 长
的区域 以及对 预 报误 差 最为 敏感 的区域 ,利用 移 动 性观 测 平 台增加 观测 ,以优 化模 式初 始 场 ,从 而最 经 济 有效 地提 高 模式 的预报 精度 。所谓 目标 观 测 就是 针 对 某 一 特定 区域 ( 称 为验 证 区 域) 的某 类 天气 事 件 ,确 定对 预 报结 果影 响较大 的关 键 敏 感性 区域 ,并 在敏 感 区内增 加观 测 ,最 大 限度 地 改进 预 报 效果 。自 S n y d e r [ ] 在 1 9 9 6年首 次 明确 提
光电稳定平台线性自抗扰控制器设计
光电稳定平台线性自抗扰控制器设计王春阳;彭业光;史红伟;辛瑞昊;张硕【摘要】为提升光电稳定平台的快速响应和扰动抑制能力,设计了基于平台模型的线性自抗扰控制器.通过系统辨识的方法,获取光电稳定平台的近似模型,然后将获取的模型信息加入到扩张状态观测器设计中,进行线性自抗扰控制器的设计,并与未采用模型信息的线性自抗扰控制器进行仿真对比.仿真结果表明:基于平台模型信息设计的线性自抗扰控制器可有效提高光电稳定平台的响应速度和扰动抑制能力.【期刊名称】《电光与控制》【年(卷),期】2018(025)011【总页数】5页(P112-115,119)【关键词】光电稳定平台;模型信息;线性自抗扰控制器;扰动抑制【作者】王春阳;彭业光;史红伟;辛瑞昊;张硕【作者单位】长春理工大学,长春 130022;长春理工大学,长春 130022;长春理工大学,长春 130022;长春理工大学,长春 130022;长春理工大学,长春 130022【正文语种】中文【中图分类】TP2730 引言光电稳定平台是惯性导航、制导及测量系统的核心设备,一般由光电载荷、框架系统、驱动与控制系统等装置构成。
其所搭载平台的运动及抖动会造成平台视轴的不稳定,影响其所搭载的光电探测设备的成像质量。
光电稳定平台系统内部也存在复杂的干扰因素,如机械谐振、轴系摩擦力矩、传感器噪声等,这些都会对视轴稳定精度造成不利影响。
随着现代技术的发展、目标机动性能的增强,对光电稳定平台要求越来越高,不仅要求其具有更快的响应速度、更好的稳定精度,还要具备抑制大范围扰动的能力。
因此,常规的控制策略已难以满足要求,急需寻找新的方法以提高系统的性能。
国内外的科技工作者在提高光电稳定平台性能方面对控制策略进行了深入研究。
文献[1-2]提出采用高斯型RBF神经网络对摩擦进行观测和补偿的方法;文献[3]针对稳定平台中的非线性扰动,采用LQG和Kalman滤波算法对扰动进行实时估计和补偿;文献[4]采用了基于神经网络的状态观测器并依据完全补偿原理设计陀螺平台控制系统。
台风灾害状态监测与预测系统设计与优化
台风灾害状态监测与预测系统设计与优化随着全球气候变化的影响,台风灾害对人类生命财产的威胁日益严重。
为了更好地监测和预测台风灾害的状态,保护人民的生命和财产安全,台风灾害状态监测与预测系统的设计和优化变得至关重要。
本文将介绍台风灾害状态监测与预测系统的设计原理、关键技术以及优化方法。
一、台风灾害状态监测与预测系统设计原理台风灾害状态监测与预测系统设计的基本原理是通过收集、分析和处理多源数据,利用气象学原理和数学模型,实现对台风的实时监测、路径预测和强度预测。
具体的设计原理包括以下几个方面:1. 数据收集与处理:系统需要收集来自气象卫星、气象雷达、海洋浮标、离岸测站等多个数据源的实时数据,并对数据进行处理和整合,以提供准确可靠的输入信息。
2. 台风路径预测:通过分析历史台风路径、大气环流形势、海洋温度、海洋盐度和气压等因素,建立数学模型,利用数据驱动和数值模拟方法预测台风的路径。
预测结果需要实时更新,并通过可视化展示给用户。
3. 台风强度预测:基于物理和统计方法,结合先进的数学模型,预测台风未来的强度变化。
这些模型需要考虑台风的大小、结构、风速、风向以及周边环境因素等多种因素的综合影响。
4. 系统集成与展示:将收集、处理、预测等步骤整合为一个完整的系统,并通过图表、地图、动画等方式,将结果可视化展示给用户,以便用户及时了解台风的状态和趋势。
二、台风灾害状态监测与预测系统的关键技术台风灾害状态监测与预测系统的关键技术包括数据采集与传输、数据处理与分析、预测模型建立与验证、系统集成与展示等方面。
1. 数据采集与传输:如何高效地获取多个数据源的实时数据,并通过可靠的网络传输到系统中,是系统设计的重点之一。
数据传输的稳定性和实时性对于台风预测的准确性至关重要。
2. 数据处理与分析:通过使用先进的数据处理算法,对收集到的数据进行去噪、补缺、插值等处理,以获得具有高质量的数据。
之后,需要对数据进行多维分析,如时间序列分析、空间插值分析等,从而得出台风的状态信息。
条件非线性最优扰动在南海台风中的应用研究
条件非线性最优扰动在南海台风中的应用研究
王晓雷;朱克云;周菲凡
【期刊名称】《成都信息工程学院学报》
【年(卷),期】2010(025)006
【摘要】为了提高南海台风的数值预报,利用条件非线性最优扰动(CNOP)方法寻找对南海台风预报影响最大的区域(敏感区),并对该区域中会导致较大预报误差的初始扰动场进行了详细地分析.对两个南海台风个例地研究发现,CNOP的风场和温度场结构在各σ层上不完全一致.计算了CNOP各σ层上的干能量,并在垂直方向上做了积分,将积分后的能量大值区确定为敏感区.进一步对敏感区内温度场的垂直剖面进行分析,发现敏感区内,温度场呈现一定的斜压结构.研究还发现,敏感区与台风的对流活动区域不完全重合,这有利于台风适应性观测地实施.
【总页数】7页(P640-646)
【作者】王晓雷;朱克云;周菲凡
【作者单位】成都信息工程学院大气科学学院,四川,成都,610225;成都信息工程学院大气科学学院,四川,成都,610225;中科院大气物理研究所云降水物理和强风暴实验室,北京,100029
【正文语种】中文
【中图分类】P456.7
【相关文献】
1.条件非线性最优扰动方法在黑潮目标观测研究中的应用 [J], 张星;穆穆;王强;张坤;
2.条件非线性最优扰动方法在黑潮目标观测研究中的应用 [J], 张星;穆穆;王强;张坤
3.条件非线性最优扰动在热带气旋调控减灾中的应用初探 [J], 彭跃华; 张卫民; 郑崇伟; 项杰
4.条件非线性最优扰动方法在台风“风神”和“凤凰”相互作用过程中的应用研究[J], 王晓雷;周菲凡;朱克云
5.条件非线性最优扰动在长江中下游地区冬季暴雨中的应用研究 [J], 刘段灵;孙照渤;彭世球
因版权原因,仅展示原文概要,查看原文内容请购买。
条件非线性最优扰动方法在台风"风神"和"凤凰"相互作用过程中的应用研究
在台风多发的季节 ,西太平洋上常常会同时
出现 两个 甚 至多 个 台风 的情 况 ,当同 时 出现 的台
风之间距离较小时 ,往往产生相互作用 的现象 ,
如相互旋转 、吸引以及合并 、逃离等 ,导致 台风
路径异 常而难 以预报 。很长时间以来 ,双台风相 互作用 的问题一直为气象学者所关注 , 早在 1 9 2 1
第2 9 卷 第2 期 2 0 1 3年 0 4月
热
带
气
象
学
报
Vo 1 . 2 9. NO . 2 Ap r . ,2 0 1 3
J OURNAL OF T ROP I C AL ME T EOROL0GY
王I 毙宙 , 周菲 凡 , 朱克 . 条 件非 线 性最 优扰 动 方法 在 台风 “ 风神” 和“ 凤凰 ” 相 互作 用 过程 中 的应用 研 究 [ J ] .热带 气 象学 报 , 2 0 1 3 , 2 9 ( 2 ) : 2 3 5 - 2 4 4
文章 编 号 : 1 0 0 4 . 4 9 6 5 ( 2 0 1 3 ) 0 2 . 0 2 3 5 . 1 0
条件 非线性最优 扰动方法在 台风 “ 风神 "和 “ 凤凰 "
相 互 作 用 过 程 中的应 用研 究
王 晓雷 一,周 菲凡 。 ,朱克云
( 1 成都信息工程学院大气科学学院 ,四川 成都 6 1 0 2 2 5 ;2 . 武汉市气象局,湖北 武汉 4 3 0 0 4 0 ; 3 .中 国科 学院 大气 物理 研 究所 云 降水 物理 与强 风暴 实 验室 ,北 京 1 0 0 0 2 9 )
年 ,F u j i w h a r a [ 1 】 就对一般双涡旋 的相互作用问题 进行 了理论分析和试验研究 ,后来这种双涡旋之
基于非线性干扰观测器的风电机组自适应反演滑模控制
上 述 控制 方法 的建 模 和仿 真 ,同时 与一 阶滑模 、传
统 PI控制 方法 进行 对 比仿 真 ,验 证 了设计 的 自适
应 反 演滑模 控 制器 的在 阶跃 突变 风 速和 连续 渐变
风速 下均 具有 良好 的控 制效 果 。
1 风 力机 模 型
风 力 机 是 将 风 能 中 的动 能 转 换 成 电能 的设
· 1547·
1所示 。
可 再 生 能 塬 双质 量机 械传 动模 型如 图 2所示 。
图 1 风 能 利 用 系 数 与 叶 尖 速 比 A关 系
Fig.1 Relationship of Cp and A
图 2 风 机 双 质 量 模 型 Fig.2 Two—m ass m odel for wind turbine
备 ,主要 由风轮 、齿轮箱 、传动系统 以及发 电机等
部 分 组成 。风 轮从 风 中捕 获 的机 械 功率 Pa为
1
÷p叮T尺 C (A,卢) 厶
(1)
式 中 :A为 叶尖 速 比 ; 为 风 速 ,m/s;P为 空 气 密
度 ,kg/m3;R 为风 力机 风轮 半径 ,1TI;/3为 桨距 角 ,。;
大 ,仿 真 中桨 距 角 州=0 0(3当叶尖 速 比 A达 到 最 尼 系统 ; 为发 电机转 速 ; 为 高速 轴 转矩 ; 为
优值 A 时 ,风能 利用 系数 C 达 到最 大值 c ,此 时 风力 机 从 风 中捕 获 的风 能 最 大 。 因此 ,A , 州 之 间 的关 系为
由于 风力 发 电系统 的复 杂特 性 以及各 种不 确 定参 数 ,经典 的最 大功 率跟 踪控 制法 具有 很 大局 限性 ,为了进一步提高风电系统的稳定性 ,许多学 者设计 了各种 非线 性控 制方 法 。文献 [5]使 用 内模 控制 方法 对控 制 器进 行优 化 。文 献 [6]将 模 糊 PID 控制 方法 应用 到最 大功 率跟 踪控 制器 中。文 献 [7] 使 用 自适应 方 法 来 消 除风 电系 统 的不 确 定参 数 。 文献[81中使用了准连续滑模鲁棒控制方法 。
条件非线性最优扰动在热带气旋调控减灾中的应用初探
条件非线性最优扰动在热带气旋调控减灾中的应用初探彭跃华; 张卫民; 郑崇伟; 项杰【期刊名称】《《装备环境工程》》【年(卷),期】2019(016)011【总页数】5页(P95-99)【关键词】条件非线性最优扰动; 热带气旋调控减灾; 四维变分; 非线性最优强迫扰动【作者】彭跃华; 张卫民; 郑崇伟; 项杰【作者单位】海军大连舰艇学院辽宁大连 116018; 中国科学院大气物理研究所北京 100029; 国防科学技术大学长沙 410073【正文语种】中文【中图分类】TB114热带气旋(TC)作为一种破坏力极强的极端气象事件和海洋天气现象,一直受到各界的广泛关注,不过之前大家主要关注它的自然强度演变和移动路径预报。
人工影响和调控热带气旋可能是许多人的梦想,但以前基本只能出现在人们的想象或科幻大片中。
随着气象学、数学、计算机、工程学、卫星技术等诸多科学技术的发展,也许梦想在不久的将来就会照进现实,这对于每年都受到热带气旋灾害的中国沿海地区乃至全球热带气旋灾区,尤其是那些经济发达的沿海城市具有非常重要的意义。
事实上,美国早就开始进行人工影响飓风的理论和可行性研究了,并且在1962—1983 年间开展过名为“Stormfury”的人工影响飓风的外场试验[1-2],但由于在理论和实际效果上都存在不可靠最终被迫叫停,大家认为主要还是因为设计理论上局限于云物理学的云种播散理论而未对热带气旋有较深入的了解就鲁莽行动所导致。
随着数值模拟技术和计算机的发展,人们可以避免这种“莽夫式”的外场试验,即先进行数值模拟试验。
更重要的是,对于气象运动,不大可能也不需要用对等的能量去与之抗衡。
大气是一个复杂非线性系统,混沌理论就是Lorenz 研究气象预报时提出的,其通俗形象即著名的“蝴蝶效应”,主要表现为对初值极其敏感。
在模拟一个过去已经发生的飓风之后,Ross Hoffman [3]在任意给定时刻改变一个或多个特征,并考察这些扰动的效果。
最优决策法在台风路径集成预报中的运用
最优决策法在台风路径集成预报中的运用
刘宇迪;王斌;侯志明
【期刊名称】《热带气象学报》
【年(卷),期】2003(019)002
【摘要】关于台风路径的预报方法很多,但没有一种方法预报的准确性占绝对优势,为此提出了一种集成方法--最优决策法,将几种性能较好的预报方法进行集成.经初步预报试验,效果较好,其预报误差均比其它方法小.
【总页数】6页(P219-224)
【作者】刘宇迪;王斌;侯志明
【作者单位】中国科学院大气物理研究所LASG 北京 100029;解放军理工大学气象学院江苏南京 211101;中国科学院大气物理研究所LASG 北京 100029;解放军理工大学气象学院江苏南京 211101
【正文语种】中文
【中图分类】P456.9
【相关文献】
1.熵权决策法在区域水资源开发最优排序中的应用 [J], 廖勇;梁川
2.最优组合赋权法在滑坡综合治理方案决策中的应用 [J], 罗东海;尚慧;王念秦
3.最优化技术在集成预报中的应用 [J], 张礼平
4.灰色最优关联评价法及其在房地产投资决策中的应用 [J], 钱净净;赵国杰
5.树形决策法、产品系列平衡法在银行信贷决策中的运用 [J], 朱建军;孙乃萍
因版权原因,仅展示原文概要,查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
图 1 目标观测示意图(周菲凡,2009) 。
条件非线性最优扰动(CNOP)台风目标观测框架系统是将 CNOP 方法(Mu et al. 2003)应用于台风目标观测进行敏感区识别的框架系统(如图 2)。目前,它 主要基于美国国家大气研究中心 (NCAR) 与宾夕法尼亚大学共同发展的第 5 代中 尺度模式 (简称 MM5 模式; Dudhia 1993) 及其伴随系统 (MM5_ADJ; Zou et al. 1997) 和大规模非线性优化算法谱投影梯度算法(SPG2;Birgin et al. 2001) 。 首先,由 MM5 模块(即 MM5 模式的前处理部分)提供初、边值条件,接着
1, 对 cnop-target 文件夹的说明 该文件夹是利用 MM5 模式及其伴随系统 MM5_ADJ 计算 CNOP、 第一线性奇异 向量(LSV)的文件夹。其中,子文件夹 MM5 为 MM5 模式的前处理部分;子文件 夹 cnop、lsv、 mkobs、以及 readout 为新创建的文件夹。其余子文件夹采用的 是 MM5_ADJ 里的子文件夹。 cnop 文件夹用以计算 CNOP;lsv 文件夹用以计算 LSV。 mkobs 文件夹用以产生 CNOP、LSV 计算需要的一些量,如初始扰动 pert.D, 初始基本态 U0.IC, 预报时刻基本态 Uth.D(需改名为 Ut_BAS.SAVE),以及计算 所需 psdc.txt 文件。上述文件生成后需拷贝到 cnop 或 lsv 文件夹中。 readout 文件夹用以把计算结果转换成二进制的形式。
对 cnop‐target 文件夹的说明……..…….…….…….…….…….……………..4 CNOP 计算前准备工作……..…….…….…….…….…….………………….….4
进入 cnop‐target/MM5 子文件夹 (MM5 模块) ……..…….…….…….…….4 进入 cnop‐target/mkobs 子文件夹 (mkobs 模块) ……..…….…….…….……4 进入 cnop‐target/cnop 子文件夹(cnop 模块)……..…….…….…….…….5
4
(1)修改 mmlif: 根据维数,需要修改 nestix, nestjx (即模式所用格点数) ; 根据需要,修改积分时间长度 TIMAX (以分钟为单位) ; 根据所用分辨率,修改 TISTEP ( 3 倍的分辨率,例如, 120km, 那么 TISTEP=360) (2)修改../include/parame.incl (即退出 mkobs 文件夹,进入 include 文 件夹,修改 parame.incl) 根据维数,修改 MIX, MJX, MKX (即模式所用格点数, 有 MIX=nestix, MJX=nestjx,MKX 为垂直层数)
2
理请见框架系统示意图 将 CNOP 台风目标观测框架系统发展成台风目标观测业务系统,一方面,需 要与业务数值天气预报系统相结合,以实时进行计算;另一方面,需要发展高速 快捷的优化算法以达到业务实时发布的要求;此外,还需要发展高级的可视化的 操作平台,基于这个平台,可以进行是否开展目标观测的决策,可以快捷地确定 出增加观测的区域, 同时可以将需要增加观测的指令 (包括观测区域及观测手段) 快捷地发送给各个观测部门。
执笔人:周菲凡,Email: zhouff04@ 1
由 mkobs 模块产生基态场和初始扰动,然后由 cnop 模块计算得到 CNOP,再由 readout 模块计算 CNOP 的垂直积分能量,据此确定敏感区。其中,mkobs 模块和 cnop 模块是基于 MM5_ADJ 建立起来的,需要调用 MM5_ADJ 的子程序及头文件; mkobs 模块主要调用了 MM5_ADJ 的非线性积分程序;cnop 模块除了调用 MM5_ADJ 的非线性积分程序,还需要调用伴随程序,用以进行梯度的计算。 cnop 模块在进行优化计算时采用 SPG2 算法, 该算法的优点是能够准确求解 含有球约束和盒子约束的最小值问题,且能够进行高维数的计算。因此在 CNOP 的求解过程中,我们是将其转换成最小值问题进行求解。 在此,初始扰动的约束方式采用球约束方式,这里我们将初始扰动的干能 量约束在某个数值内(该数值的取值标准为使得优化得到的 CNOP 的量级与当前 数值天气预报的分析场的误差的量级相当,具体如何选取可见第二部分中关于 deltaa 的取值说明,不同取值对 CNOP 的影响有多大,可见 Mu et al. 2009 及 周菲凡,2009) 。 在优化求解过程中 SPG2 算法要求提供目标函数及目标函数关于初始扰动的 梯度。因此,主要子程序 evalfg2 用以计算目标函数和梯度。这里,将非线性发 展后的扰动的干能量做为目标函数(以其他能量形式如动能和湿能量做为目标函 数,计算结果较为相似,可见周菲凡,2009),并由此通过调用伴随程序计算相 应的梯度(梯度的数学表示可见附录 1) 。 SPG2 算法迭代终止的条件有四个:一是收敛(即梯度小于某一给定值) ,二 是迭代次数超过某一给定的数值,三是线性搜索次数超过某一给定数值,四是出 现异常终止命令。当满足上述四个条件之一时,迭代将终止,同时输出最优初始 扰动,否则将利用梯度更新初始扰动,并对新初始扰动重新进行约束处理,然后 再次进入到 evalfg2 程序中进行目标函数和梯度的计算, 直至满足迭代终止条件 为止。 这里需指出的是,需要由 mkobs 模块产生多个初始扰动,将由多个初始扰 动通过 cnop 模块得到的最优初始扰动对应的目标函数进行比较,目标函数最小 的初始扰动即为 CNOP。 CNOP 方法及其计算原理请见附录 1,CNOP 方法在台风目标观测中的应用原
条件非线性最优扰动台风目标观测 框架系统
技术报告
完成人: 穆 穆1,周菲凡2,王洪利3,段晚锁2,秦晓昊2
1 中国科学院海洋研究所; 2 中国科学院大气物理研究所; 3 美国国家大气研究中心(NCAR)
执笔人:周菲凡
二〇一三年三月五日
目 录
CNOP 台风目标观测框架系统介绍……..…….…….…….…….…….………..1 CNOP 台风目标观测框架系统的操作……..…….…….…….…….…….…….3
附录……..…….…….…….…….…….…….……..…….…….…….…….…….…………..9
CNOP 方法及其计算原理……..…….…….…….…….…….…………….…….9 CNOP 在目标观测中的应用原理……..…….…….…….…….…….………11
参考文献……..…….…….…….…….…….……. ……..…….…….…….…….…….…12
二、CNOP 台风目标观测框架系统的操作说明
首先,由 MM5 模块(即 MM5 模式的前处理部分)提供初、边值条件,接着由 mkobs 模块产生基态场和初始扰动,然后由 cnop 模块根据 SPG2 算法计算得到 CNOP,再由 readout 模块计算 CNOP 的垂直积分能量,据此确定敏感区。
3
完成上述修改后,进行编译(make) ,生成可执行文件 mkobs.exe。 运行 mkobs.exe,生成初始基本态 U0.IC, 预报时刻基本态 Uth.D,初始扰 动 pert.D,以及计算所需的 psdc.txt 文件。 另外, 通过修改 mmlif 中的 TIMAX, 多次运行 mkobs.exe 可以得到多个 pert.D 以及多个时刻的 Uth.D。 强调:需要运行得到和优化时间长度匹配(将 TIMAX 设置成所要优化的时间 长度)的一个 Uth.D,将其重命名为 Ut_BAS.SAVE。 2.3 进入 cnop-target/cnop 子文件夹(cnop 模块) 将 BDYOUT_DOMAIN1 链接为 fort.9; 将 LOWBDY_DOMAIN1 链接为 fort.10; 将 MINPUT_DOMAIN1 链接为 fort.11; 将 mmlif 链接为 fort.7; 将 ehtran.ascii 链接为 fort.8; 将 landuse.tal 链接为 fort.12; (1) 将 mkobs 里生成的 pert.D, U0.IC, Ut_BAS.SAVE, psdc.txt 拷贝过来。
CNOP 的计算……..…….…….…….…….…….…………………………………….7 第一线性奇异向量(LSV)的计算………………………….……..…….…….7 对计算结果的处理……..…….…….…….…….…….…………………………...9 测试数据……..…….…….…….…….…….…….……..…….…….…….…….…..9
条件非线性最优扰动(CNOP)台风目标观测框架系统 技术报告
穆穆
1
周菲凡
2
王洪利
3
段晚锁
2
秦晓昊
2
1 中国科学院海洋研究所; 2 中国科学院大气物理研究所;3 美国国家大气研究 中心(NCAR)
一、CNOP 台风目标观测框架系统介绍
目标观测,又称为适应性观测(Snyder 1996) ,是指为了最大地提高未来某 一时刻( t1 ,验证时刻,也称预报时刻)某一地区( D1 ,验证区域)的预报技巧, 通过一些方法确定在此之前的某一时刻( t0 ,目标观测时刻)某一区域( D0 , 敏感区)增加观测,此外还有决策时刻( t d ) ,如图 1 所示。它的关键是进行敏 感区的识别。台风目标观测即为提高台风预报技巧的目标观测策略。
5
(2)如前修改 mmlif,但这里 TIMAX 必须设置为优化时间长度。 (3)修改 allpara,主要修改: MAXITT,为迭代的步数; ISTARTT, 初始扰动的产生方式(这里给出 4 种方式,此外,还可根据需要, 自行产生,比如,可用随机方法产生的随机扰动做为初始扰动) : a, 选择 4,为采用 mkobs 里生成的 pert.D; b, 选择 2,以第一次计算得的 ST 作为初始扰动; c, 选择 3, 以第一次计算的中间输出 CNOP03070400D24H.XXX 作为初始扰动; d, 选择 1,相当于在 cnop.f 程序里再计算 pert.D. IDWW,IUPP, JLFF, JRTT 这四个数给定了验证区域在整个模式 domain 中的 位置,如何计算请见附件中的程序 verifyarea.for,在 windows 下进行计算。 deltaa, 初始扰动的约束半径的值。选取的标准是使得计算得到的 CNOP 的 风场、 温度场等分量的量值和当前大气分析场的误差相当。一般采用如下公式计 算:deltaa**2/(mix*mjx*mkx)=beta, beta=0.03~0.3 之间,通常取 0.1。不同 取值结果差别有多大,可见周菲凡(2009)博士论文。 (4)修改 cnop.f。主要修改: NMAX (总维数,NMAX = mix*mjx*mkx*6+mix*mjx) ; MIX, MJX, MKX (即模式所用格点数) 注意:NMAX 不只在程序开头,在 spg2 子程序里也需要修改。 (5)修改../include/parame.incl (即退出 cnop 文件夹,进入 include 文件夹,修改 parame.incl;如果在 mkobs 步已经修改过就不需要再次修改) 根据维数,修改 MIX, MJX, MKX (即模式所用格点数, 或者说 MIX=nestix, MJX=nestjx,MKX 为垂直层数)