气象数据分析系统的设计与预报应用

发布时间：2017-08-20 08:38

  本文关键词：气象数据分析系统的设计与预报应用

  更多相关文章： 数值预报 预报质量检验 数据挖掘 神经网络法

【摘要】：随着气象数据采集技术的发展以及各气象中心算法的完善,数值天气预报的准确率一直在稳步的提升。然而,面对当今社会对高精度天气预报的需求,来自各个气象中心的模式天气预报并不能够满足人们的要求。因此各个地区的气象部门需要根据自身情况,通过参考上级指导预报对本地区的未来天气现象重新进行预报以提高预报准确率。然而地区级气象部门却受限于本身设备条件,很难获得针对当地的具有指导意义的气象数据。基于上述原因,本文通过对浙江省气象台实际预报工作的调研,结合国家局下发的质量检验要求,为解决气象预报过程中遇到的实际问题,设计并实现了“浙江省天气预报数据分析系统”。并通过分析该系统的结果数据,设计并实现了基于神经网络方法的天气预测模块。该模块会将天气预测结果作为新的预报模式加入到数据分析系统中,为气象预报工作提供更多的数据支持。论文的主要工作内容如下:1、根据浙江省气象台气象预报工作的数据需求,通过对现有的气象数据结构的分析,设计并实现了一套在大时间跨度下,具有极高查询效率的气象数据仓库。通过该数据仓库的实现,将年度数据统计时间由原来的数百秒级降低到秒级。2、设计并实现了气象数据分析系统。利用C#、HTML、JavaScript与T-SQL语音开发了具备数据挖掘能力、质量检验能力、辅助预报能力,且数据表现形式丰富而直观的,数据分析系统。通过该系统的应用,可以有效的改善气象预报人员的预报准确率。3、提出以神经网络法构建预测天气数值参考数据的数据挖掘模型。该模型以BP神经网络方法构建,通过对历史数据的不断学习从而对各个参考预报模式的误差进行预测,然后根据预测结果给出新的参考数据,作为一种新的模式供预报人员参考。该参考数据相比较其他模式的数据在预报准确性与稳定性上都有较大的提升。通过气象数值预报分析系统在该浙江省气象台的应用实践证明,本文设计和实现的气象数值预报数据分析系统能很好地满足数值预报团队关于预报误差控制的需求。不仅根据数据学习模型计算得到的预报参考数据有较好的准确性。而且提供的质量检验功能,也为数值预报团队的预报工作提供了强有力的数据支持。
【关键词】：数值预报 预报质量检验 数据挖掘 神经网络法
【学位授予单位】：杭州电子科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：P456.7;TP183
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 绪论10-15
• 1.1 研究背景10-11
• 1.2 研究目的和意义11-12
• 1.3 国内外研究发展与现状12-14
• 1.3.1 国外的发展与现状12-13
• 1.3.2 国内的发展与现状13-14
• 1.4 论文的主要内容和结构14-15
• 第二章 质量检验方法及数据挖掘方法研究15-22
• 2.1 数值预报质量检验方法15-18
• 2.1.1 降水预报检验15-17
• 2.1.2 温度预报检验17-18
• 2.1.3 检验要素18
• 2.2 数据挖掘方法简介18-20
• 2.3 神经网络预测方法20-22
• 2.3.1 人工神经网络的神经元模型20-21
• 2.3.2 人工神经网络21-22
• 第三章 气象数据分析系统设计与实现22-45
• 3.1 气象数据分析系统的功能需求22-23
• 3.2 气象数据分析系统的设计23-24
• 3.2.1 系统总体设计23-24
• 3.2.2 系统功能24
• 3.3 数据库系统的设计24-29
• 3.3.1 数据库需求分析24-25
• 3.3.2 数据库结构设计25-28
• 3.3.3 数据库安全性设计28-29
• 3.4 数据采集模块的设计29-32
• 3.4.1 数据标准化30-32
• 3.4.2 计算核心数据表的目标数据32
• 3.5 气象数据分析系统后端架构32-34
• 3.5.1 MVC框架简介32-33
• 3.5.2 后端MVC架构的设计与实现33-34
• 3.6 气象数据分析系统前端实现34-37
• 3.6.1 前端模块的整体设计35
• 3.6.2 前端模块详细设计35-37
• 3.7 气象数据分析系统的性能优化37-39
• 3.7.1 数据表及磁盘IO优化37-38
• 3.7.2 数据仓库结构优化38-39
• 3.8 气象数据分析系统的应用39-45
• 第四章 通过BP神经网络进行数值天气预报45-56
• 4.1 BP神经网络算法45-48
• 4.1.1 BP神经网络概述45
• 4.1.2 BP神经网算法推导45-48
• 4.2 数值天气预报模型48-54
• 4.2.1 数值天气预报模型的设计48-50
• 4.2.2 数值天气预报模型的实现50-54
• 4.3 验证BP神经网络气象数据预测模型的数据预测结果54-56
• 第五章 总结与展望56-58
• 5.1 总结56
• 5.2 存在的问题和展望56-58
• 致谢58-59
• 参考文献59-60

【相似文献】

中国期刊全文数据库 前10条

1 张中昱;赵政;;模糊评价在环境数据分析系统中的应用[J];物探与化探;2006年05期

2 罗国忠;;建立电力营销数据分析系统[J];科技资讯;2007年32期

3 罗国忠;;建立电力营销数据分析系统[J];科技资讯;2007年33期

4 李志成;;沉降监测数据分析系统的设计与实现[J];测绘工程;2005年04期

5 崔山;苏秦;;网络会议平台数据分析系统的设计与实现[J];苏州大学学报(自然科学版);2010年04期

6 马连生;;基于JSP技术的纳税数据分析系统的构建[J];科技情报开发与经济;2008年32期

7 毛建昌，，何志礼;农业科研试验数据分析系统－LNT[J];西北植物学报;1996年06期

8 陶瑜,陶一鸣,吴义芳;肾病理数据分析系统的数据采集与处理[J];实验室研究与探索;2003年05期

9 彭宣戈;段芳;颜根英;;水文仪器结构检测的可靠性数据分析系统研究[J];井冈山大学学报(自然科学版);2011年06期

10 杨炳忻，卢钦棠;光子、质子X荧光谱的微机数据分析系统[J];中国科学技术大学学报;1994年04期

中国重要会议论文全文数据库 前7条

1 顾红生;;浅谈汽车行业竞品数据分析系统解决方案[A];第八届中国汽车设计与研发高峰论坛论文集[C];2013年

2 辛建峰;辛阳;;数据分析系统中的自定义量度方案设计实现[A];2011年通信与信息技术新进展——第八届中国通信学会学术年会论文集[C];2011年

3 尚屹;朱琦;;国家持久性有机污染物数据分析系统研究[A];2008中国环境科学学会学术年会优秀论文集（下卷）[C];2008年

4 郑慧娟;周嘉元;李斌;;水电站生产数据分析系统及其现场应用[A];中国水力发电工程学会信息化专委会2010年学术交流会论文集[C];2010年

5 张永忠;赵静;;基于事件检测算法的交通数据分析系统[A];2008全国第十三届自动化应用技术学术交流会论文集[C];2008年

6 王治国;王薇;訾凯;任鹏;;临床检验方法确认与性能验证数据分析系统(MVS)的开发与应用[A];中华医学会第九次全国检验医学学术会议暨中国医院协会临床检验管理专业委员会第六届全国临床检验实验室管理学术会议论文汇编[C];2011年

7 董刚;孙建林;谭耘宇;;建立梅钢热轧数据分析系统[A];自动化技术与冶金流程节能减排——全国冶金自动化信息网2008年会论文集[C];2008年

中国重要报纸全文数据库 前8条

1 记者 刘慧敏;开发区一企业研发成功“消费行为数据分析系统”[N];宁波日报;2009年

2 别志铭;基于云的大数据分析系统[N];网络世界;2013年

3 袁毅;苏州：数据分析系统精准问诊城市交通[N];人民公安报·交通安全周刊;2011年

4 绍兴职业技术学院 沈华峰 宁波大学信息科学与工程学院 朱双东;基于可缩放矢量图形数据分析系统的设计与实现[N];中国计算机报;2010年

5 记者 董科;转型客户服务 打造全新竞争力[N];期货日报;2010年

6 江苏省淮安市涟水地税局 周跃 黄吕胜 童政;应完善税收数据分析系统提升使用效能[N];中国税务报;2013年

7 陶利军;路桥当好企业经济分析师[N];中国工商报;2007年

8 本报记者 巩国强;汛潮的“卖点”[N];山西经济日报;2004年

中国硕士学位论文全文数据库 前10条

1 马宝全;新疆车牌信息数据分析系统的设计与实现[D];吉林大学;2016年

2 李全伟;移动数据分析系统的设计与实现[D];山东大学;2016年

3 陈盛力;SEM广告数据分析系统的设计与实现[D];北京交通大学;2016年

4 段凌轩;基于HTTP协议的网络数据分析系统的设计与实现[D];哈尔滨工业大学;2016年

5 廖静欣;基于电子商务平台的数据分析系统[D];广东外语外贸大学;2016年

6 孔令云;基于云计算的卡口交通数据分析系统[D];天津大学;2014年

7 刘胜;交通管理执法质量数据分析系统研究[D];天津大学;2014年

8 廖静欣;基于电子商务平台的数据分析系统[D];广东外语外贸大学;2016年

9 周乐安;气象数据分析系统的设计与预报应用[D];杭州电子科技大学;2016年

10 冯伟;基于云计算的海量数据分析系统的研究与实现[D];上海交通大学;2012年

本文编号：705626