利用北京气候中心第3代气候模式预测业务系统的第2代次季节至季节预测子系统(Beijing Climate Centerclimate prediction system version 3-subseasonal to seasonal version 2,BCC-CPSv3-S2Sv2)模式发布的次季节至季节(sub-seasonal to...
详细信息
利用北京气候中心第3代气候模式预测业务系统的第2代次季节至季节预测子系统(Beijing Climate Centerclimate prediction system version 3-subseasonal to seasonal version 2,BCC-CPSv3-S2Sv2)模式发布的次季节至季节(sub-seasonal to seasonal,S2S)回算数据,从确定性预报和概率性预报这2方面对该模式降水和气温的预测性能进行系统评价,并与上一代北京气候中心第2代气候模式预测业务系统的第1代次季节至季节预测子系统(Beijing Climate Center-climate prediction system version 2-subseasonal to seasonal version 1,BCC-CPSv2-S2Sv1)模式和欧洲中期天气预报中心综合预报系统(European Centre for Medium-Range Weather Forecasts-integrated forecasting system,ECMWF-IFS)模式预测结果的表现对比,研究现有模式较上一代在预测表现方面是否有所提升,且其是否达到国际先进水平。结果表明:现有模式整体预测效果优于上一代,但差于ECMWF-IFS模式。在提前1周时,现有模式对降水和气温的预测技巧有明显改进,但在提前3、4周时,预测效果仍较差,降水预测相关系数的平均值在提前4周时为0.11。BCC-CPSv3-S2Sv2春季降水预测对青藏高原中部地区在各个起报时间始终有较好的预测效果,相关系数均大于0.4。此外,现有模式冬季降水预测表现与ECMWF-IFS模式相近。对于气温预测,提前4周时其在西北、华北部分区域的预测技巧比提前3周、甚至2周更高,表明模式能较好把握S2S尺度上气温预测的可预报性来源。从概率预报的表现来看,现有模式降水和气温预测的欠离散问题更突出,但均值误差变小。此外,现有模式降水预测对负异常事件的预测表现更好。
现有的WiFi感知方法对数据的采集量及接收器的硬件资源需求较高,同时海量的数据处理也会消耗大量软硬件资源.基于模型的WiFi感知方法通过建立动作模式与信号变化之间的数学模型,一定程度上降低了对数据量的依赖,但是主流方案仍然需要多个接收天线或者天线阵列.本文提出一种使用单天线接收器的感知方案,利用不同子载波的信道状态信息的比值消除硬件及噪声干扰,并提出基于方差和极差的子载波组合选择算法,筛选出优质的子载波组合得到动作特征.进一步提出基于菲涅尔区理论的高可用特征生成算法,巧妙地结合反射路径变化与信道状态信息(Channel State Information,CSI)动态相位旋转之间的关系,通过在复平面上的数据拟合与相位对齐获得高可用特征.理论分析和实验结果表明,本文提出的单天线方案完全符合菲涅尔区理论,同时,可以有效提升不同动作在不同场景下的识别效果.对于七种不同的动作,本文方案的总体识别准确率保持在95%左右,CSI选择和特征强化获得了约2%的准确率提升.
暂无评论