简介:摘要:本文选用临安区气象局提供的2010~2022年逐时观测资料,选择数学统计方法分析了林安全短时降水特征,并探讨了临近预报预警技术。结果表明:2010~2022年临安区短时强降水次数共出现1532次,平均每年出现117.8次,整体以上升趋势为主,变化倾向率为65.659次/10a,上升趋势极为显著;不同级别的短时强降水分别占年短时强降水的百分比为20≤R<30 mm/h 占58.6%,30 mm/h≤R<40 mm/h占26.2%,40 mm/h≤R<50 mm/h占9.7%,R≥50mm/h占5.5%。R≥50mm/h短时强降水后期出现频率增多,在短时临近预报预警服务中需重点关注;临安区年内短时强降水天气主要出现在每年的5~9月份,这段时间的短时强降水次数为106.2次,占年内短时强降水次数的90.2%;40 mm/h≤R<50 mm/h的短时强降水仅出现在每年的6~9月份,R≥50mm/h的短时强降水在7~8月份出现频率较高;由于短时强降水天气属于强对流天气的一种,需要临安区气象部门将临近预报预警工作做好。
简介:摘要:城市轨道交通是公共交通主要部分,而随着技术进步,精准预测客流能够提升城市轨道交通安全系数,同时优化乘客服务体验。本文从概念界定入手,综合探究了城市轨道交通客流数据和多种预测模型下的客流预测方法,并对将来的研究方向提出想法。
简介:摘要:短时交通流预测是智能交通系统(ITS)的关键组成部分,其准确性、实时性直接影响到交通控制与诱导系统能否及时向出行者发布准确的交通信息,对于治理城市交通给拥堵问题具有重要意义。基于神经网络的预测方法是近年来非参数化方法中开展研究做多的,本问详细介绍了BP神经网络和RBF神经网络在交通流预测领域的应用与发展,以及国内外学者对神经网络的优化做出的努力。并提出了一个未来研究的方向即对更为复杂的网络层面上的城市道路进行预测,并拟定了一个解决方案。
简介:摘 要:选取永州市2010-2021年近12年11个国家气象站降水资料,采用最小二乘法、构建24小时数据模型等方法进行详细分析,得出永州市短时强降水气候分布特征,以期为农田水利建设、气象防灾减灾、决策气象服务、城市规划和灾害应急管理提供参考依据。结果表明:(1)永州市近12年来短时强降水的发生次数以1.094次/每年的速率缓慢增长。(2)不同雨强间强降水发生次数, 50mm/h以下的短时强降水占比在96.5%。(3) 各县市区短时强降水最大值及出现次数,永州市南部明显大于北部。(4)短时强降水月际特征南部在5月份达到第一峰值,北部在6月份达到第一峰值, 8月份出现第二峰值。(5)短时强降水日变化大体呈现双峰双谷分布特征。两个峰值出现于午后14-16时及半夜21-24时,两个谷值出现于早间4-6时及傍晚18时前后。