咸阳机场气候与影响飞行的天气分析

本文普查了咸阳机场1992年-2003年的天气资料，分析了气温、湿度、降水、能见度、沙尘暴等主要要素的年分布特征和月分布特征，对成阳机场出现的极端气候事件进行了讨论，并提出预报着眼点。     

基于机器学习相似度算法的Kp指数预报

基于机器学习中的相似度算法,建立了在历史太阳风数据中寻找与当前太阳风特征相近事例的推荐模型,用来预报地磁Kp指数.使用1998-2019年间随机选择的120个太阳风事例作为测试数据集,该模型能够推荐得到历史上与输入太阳风造成相似地磁影响的太阳风事例,最优事例的Kp指数与实际值的均方根误差为0.79,相关系数为0.93....     

基于TLE的弹道系数计算方法及应用分析

针对仅使用两行要素（Two Line Element，TLE）作为数据源的应用需求，研究了基于TLE轨道衰减的弹道系数计算方法。介绍了一种常用的基于两组TLE的直接计算法，分析TLE选取间隔对结果精度的影响；提出了一种基于多组TLE的迭代计算方法，以降低异常TLE对计算结果的影响；从弹道系数计算效果、在再入预报中的应用等方面对这两种方法进行比较分析。结果表明，两种方法各有优劣，基于多组TLE的迭代计算法稳定性更高、受TLE精度的影响更小；由于数据区间更短，基于两组TLE的计算结果对短期轨道衰减特性反应得更准确，用于临近再入时的预报效果更好。     

太平机场雷暴分析预报

本文根据能量天气学原理，利用数理统计方法，对哈尔滨太平国际机场1995－1997年的资料进行综合分析，建立了雷暴预报的AmK模式、总温度模式和经验预报模式，在此基础上建立了一个雷暴集成预报模式，并在计算机上实现了自动分析、处理和预报，经回报检验和试报，效果较好。     

基于民航气象数据库的预报业务系统开发

一、民航气象数据库系统简介民航气象数据库系统于2008年7月1日正式投入业务运行,该系统以民航华北气象中心为主节点,通过ATM网络与地区气象中心(6个)、空管分局站(37个)构建民航气象广域网络,来实现民航气象数据资料的共享与传递。     

基于深度学习递归神经网络的电离层总电子含量经验预报模型

利用行星际太阳风参数与太阳活动指数、地磁活动指数、电离层总电子含量格点化地图数据,首次基于一种能处理时间序列的深度学习递归神经网络（Recurrent Neural Network,RNN）,建立提前24h的单站电离层TEC预报模型.对北京站（40°N,115°E）的预测结果显示,RNN对扰动电离层的预测误差低于反向传播神经网络（Back Propagation Neural Network,BPNN）0.49～1.46TECU,将太阳风参数加入预报因子模型后对电离层正暴预测准确率的提升可达16.8%.RNN对2001和2015年31个强电离层暴预报的均方根误差比BPNN低0.2TECU,将太阳风参数加入RNN模型可使31个事件的平均预报误差降低0.36～0.47TECU.研究结果表明深度递归神经网络比BPNN更适用于电离层TEC的短期预报,且在预报因子中加入太阳风数据对电离层正暴的预报效果有明显改善.      

太阳质子事件中短期预报模型研究

太阳质子事件通量的预测对航天器抗辐射加固设计和航天员出舱活动具有非常重要的意义.针对一年以下的航天任务,利用经验统计方法,确认太阳活跃年和太阳平静年期间,1——365天不同时间段内 > 10MeV,> 30MeV和 > 60MeV的太阳质子事件积分通量符合对数正态分布,且通量对数的标准偏差σ和期望值μ随任务期时间的变化满足对数函数形式.以此为基础,构建太阳质子通量的中短期预报模型.该模型能够针对太阳活跃年和太阳平静年,给出一定置信度下1——365天不同时间内 > 10MeV,> 30MeV和 > 60MeV的质子事件通量分布,从而为执行中短期航天任务提供太阳质子事件通量的预测,以规避不必要的风险.      

宇宙线变化特征在强地磁暴预报中的应用

利用宇宙线中子探测数据定性分析了地面宇宙线多台站之间的相互联系以及大磁暴与宇宙线之间的响应关系. 以Irkutsk和Oulu宇宙线台站为例, 运用小波去噪技术提高数据的稳定性. 结果表明, 相同世界时条件下, 两站宇宙线通量相关性在事件发生时较高; 而相同地方时条件下, 相关性则在平静期较高. 进一步采用相同地方时条件对不同宇宙线台站的通量在平静期和扰动期的相对变化进行分析, 选取2004年7月强地磁暴典型事例进行直观分析, 发现大地磁暴前Irkutsk和Oulu台站的宇宙线相对通量发生明显差异, 可以尝试作为强地磁暴宇宙线先兆特征. 通过对2001年3月至2005年5月的强磁暴和中强磁暴进行统计, 得到与强地磁暴相关的适当宇宙线相对差异阈值. 将得到的阈值对2005年9月至2011年12月所有强磁暴及中强磁暴进行验证, 总成功率达到87.5%, 误报率为35.7%, 结果较好.      

基于Deform软件二次开发和BP神经网络的TA15多向锻造微观组织预报

通过热压缩实验构建了TA15合金的热变形真应力-应变曲线,以此为基础分别建立了合金双相区及单相区温度区间的热变形本构方程;基于热压缩试样动态再结晶的统计数据建立了TA15合金的动态再结晶模型。借助Deform提供的二次开发功能实现相关数学模型的程序化,制定正交实验方案,实现了TA15合金多向锻造变形的微观组织仿真。通过正交实验分析得出各项因子的影响对象及强弱差异,提出了双相区及单相区温度区间内的多向锻造最佳因子组合。建立了TA15合金多向锻造变形微观组织的BP （Back Propagation）神经网络预测模型,将预测结果与有限元仿真结果进行比较,结果表明两种方法的预测结果基本一致,但神经网络具备有限元仿真难以实现的良好细节预测能力,能更为细致地实现对微观组织分布状态的划分。