排序方式： 共有2条查询结果，搜索用时 46 毫秒
1
1.
采用具有自适应性的EEMD方法（Ensemble Empirical Mode Decomposition）重点研究滁州市1970—2019年7个国家基本站年降水和汛期降水的非线性变化特征。结果显示,以滁州站为例,其近50年的降水量变化存在年际尺度和年代际尺度,分别为2.3年和8.0年以及16年和32年,同时发现具有2.3年和8.0年时间尺度的年际变化占主导地位;全市7个国家站汛期降水量对年降水量贡献率均在60%以上,且在空间上总体呈东南多西北少的特征;全市7个国家站汛期多年平均暴雨降水量占汛期多年平均降水量的比率均在33%以上。7个国家站近50年汛期暴雨频数除来安站和天长站呈下降趋势外其余皆呈增加趋势,而汛期小雨频数皆呈下降趋势。 相似文献
2.
为探寻小麦赤霉病病穗率预测方法，基于滁州市2005-2020年小麦赤霉病病穗率资料和对应气象资料，运用相关性及灰色关联分析法(GRA)确定小麦赤霉病主要气象影响因子并作为支持向量回归(SVR)模型的输入向量，再利用粒子群算法(PSO)优化SVR模型的惩罚因子C和核函数参数g,建立基于粒子群算法优化的小麦赤霉病预测支持向量回归模型。同时针对本地不同小麦品种，构建PSO-SVR-SOUTH和PSO-SVR-NORTH的PSO-SVR分模型，应用3种模型对滁州地区小麦赤霉病病穗率进行预测。结果表明，拔节期至灌浆期是影响滁州小麦赤霉病的重要时段，各生育时期内降水量、雨日数、湿度、日照等气象因子与赤霉病有高关联；PSO-SVR赤霉病病穗率预测模型的起报时间越接近灌浆期，其预测精度越高，测试样本的预测值与实测值相关系数最高达0.68,均方根误差最小为9.55%;按照不同小麦品种构建的PSO-SVR-SOUTH和PSO-SVR-NORTH模型的预测效果要优于原PSO-SVR模型，其中最迟起报时间的PSO-SVR-SOUTH和PSO-SVR-NORTH模型的平均绝对误差分别较原PSO-SVR模型减少了... 相似文献
1