排序方式: 共有458条查询结果,搜索用时 62 毫秒
11.
12.
基于Polar卫星1996-2008年的表面电压数据,研究了卫星在低轨区域出现正高电位(异常事件)与太阳活动的关系及其发生位置的磁地方时(MLT)分布.研究表明:太阳辐射与异常事件发生次数呈正相关,太阳活动越活跃,异常事件出现次数越多,但不会影响航天器表面电位;异常事件发生占比呈现明显季节性变化,在太阳活动高年,冬季和夏季次数较多,春季和秋季次数较少,在太阳活动低年,每月次数均维持在较低水平,而一个月内异常事件次数没有明显规律;在分布上南北半球表现出相似性,异常事件均不会发生在地磁纬度50°-60°区域,极区和昏侧发生次数较多,而不同的是异常事件在南半球发生得更多更集中;虽然太阳活动与航天器在低高度时表面出现正高电位的次数呈正相关,但即使在太阳活动峰年,航天器异常事件发生率也不超过10%. 相似文献
13.
日冕物质抛射(Coronal Mass Ejection,CME)参数识别模型是太阳风预报过程的重要组成部分.在空间环境预报业务中,为提高太阳风预报的准确率,需要提高CME参数识别的精度.模型以计算任务串行的方式运行,运算效率低导致模型运算时间长,不能满足这种需求.CME参数识别模型的物理运算过程相互不独立,其在单节点上的运行方式不能满足并行化要求.基于MapReduce的并行计算框架,改进了CME参数识别模型的计算流程,提出CDMR(CME detection under MapReduce)方法,实现了CME参数识别模型的并行计算,并对比分析CME参数识别模型在串行计算和MapReduce并行计算下的运行时间,提高了模型的识别精度和计算效率. 相似文献
14.
15.
受多种因素影响,临近空间大气环境要素复杂多变,预报难度很大.本文采用时间序列法中的自回归滑动平均(ARMA)模型对临近空间大气风场开展统计预报方法研究,基于廊坊(39.4°N,116.7°W)中频雷达在88km高度的大气纬向风数据开展预报试验.本次预报试验的样本数据为2015年9月24日至10月24日风场数据,利用过去7天数据对未来第8天风场数据进行预报.试验结果显示,ARMA模型对临近空间大气风场预报有一定的适用性.当风场变化规律性较强,即样本数据风场呈现出比较显著的24h周期性变化时,ARMA模型预报效果较好;当风场发生突变时,预报效果变差.与实测数据的对比结果表明,ARMA模型预报结果的误差在9~27m·s-1,预报效果优于同阶自回归(AR)模型,略优于高阶AR模型. 相似文献
16.
国际上发射的海表盐度遥感卫星主要有2颗:欧洲的SMOS和美国的Aquarius卫星,为给后续海表盐度遥感提供参考借鉴,对比分析了这2颗卫星的遥感器载荷、数据处理算法和盐度数据。遥感器载荷方面,SMOS采用L波段二维综合孔径辐射计,而Aquarius采用L波段实孔径辐射计加散射计;数据处理算法方面,分析了二者在介电常数模型、海面粗糙度校正以及反演算法方面的差异;盐度数据方面,分析了SMOS与Aquarius盐度数据之间的相关程度,并分别与ISAS(In Situ Analysis System)浮标盐度数据作对比,分析了2颗卫星的盐度数据精度。将2颗卫星的盐度遥感数据与ISAS浮标盐度数据对比发现,在全球范围内,Aquarius盐度测量精度优于SMOS;但在开阔海域,SMOS盐度测量精度优于Aquarius;而在近海岸区域,均出现较大的误差,且SMOS数据误差更大。 相似文献
17.
18.
基于树模型机器学习方法的GNSS-R海面风速反演 总被引:3,自引:2,他引:1
GNSS-R是基于GNSS卫星反射信号的一种新技术.GNSS-R技术可以运用到海面风场反演中,传统的GNSS-R技术反演海面风场主要有波形匹配和经验函数两种方法,风速反演精度约为2m·s-1.波形匹配方法耗时多,计算量大;经验函数方法通常只使用少量物理观测量,会造成信息浪费,损失一定的反演精度.为了提高海面风速的反演精度,引入机器学习领域常用的树模型算法决策树、随机森林、GBDT等对海面风速进行预测.利用GNSS-R与ECMWF数据构成训练集和验证集,训练集用于模型学习,验证集用于检验模型的反演效果.实验结果显示,决策树和随机森林预测误差约为0.6m·s-1,GBDT等算法的预测误差约为2m·s-1,满足风速反演要求.与GNSS-R传统反演方法相比,机器学习树模型算法效果更好,在验证集上表现稳定且误差较小.因此,可以将机器学习树模型算法运用到海面风速反演中. 相似文献
20.