针对江苏强对流天气高发区域对流低层监测和精细化观测需求,本文利用江苏苏北X波段天气雷达网,设计并实现了针对气象目标的自适应协同控制技术,包括针对晴空、降水、风暴3种气象目标的识别技术及相应观测模式的制定,以及观测模式间自适...针对江苏强对流天气高发区域对流低层监测和精细化观测需求,本文利用江苏苏北X波段天气雷达网,设计并实现了针对气象目标的自适应协同控制技术,包括针对晴空、降水、风暴3种气象目标的识别技术及相应观测模式的制定,以及观测模式间自适应切换机制,建立了江苏X波段天气雷达组网自适应协同控制中心(Jiangsu Collaborative Adaptive Processing Center of X-Band Weather Radar Network,JSCAPC_XNET)。结果表明:JSCAPC_XNET有效填补了S波段天气雷达网局部低层探测盲区,把晴空、降水、风暴作为重点观测的气象目标满足了对全天候天气的观测需求,在协同观测网内,利用动态面积法实现的风暴体中心区识别技术、基于冰雹单体垂直结构概念模型设计的冰雹体识别技术以及适于多雷达识别中气旋的合并处理技术实现了对不同风暴单体识别和标注。针对气象目标的观测模式自适应切换机制保证了系统在3种模式间准确切换,提升了每部雷达的观测效能,实现了重点观测目标的精细化观测。试验期内观测到了包括强冰雹单体差分反射率(Z_(DR))柱、龙卷单体低层Z_(DR)弧、龙卷碎屑特征,以及直接反映龙卷可能及地的龙卷眼区低反射率因子区、下沉反射率因子核特征等,为提升小尺度极端天气监测和预警能力提供了观测手段。展开更多
Optimizing wind energy harvesting performance remains a significant challenge.Machine learning(ML)offers a promising approach for addressing this challenge.This study proposes an ML-based approach using the radial bas...Optimizing wind energy harvesting performance remains a significant challenge.Machine learning(ML)offers a promising approach for addressing this challenge.This study proposes an ML-based approach using the radial basis function neural network(RBFNN)and differential evolution(DE)to predict and optimize the structural parameters(the diameter of the spherical bluff body D,the total spring stiffness k,and the length of the piezoelectric cantilever beam L)of the wind energy harvester(WEH).The RBFNN model is trained with theoretical data and validated with wind tunnel experimental results,achieving the coefficient-of-determination scores R2of 97.8%and 90.3%for predicting the average output power Pavgand aero-electro-mechanical efficiencyηaem,respectively.The DE algorithm is used to identify the optimal parameter combinations for wind speeds U ranging from 2.5 m/s to 6.5 m/s.The maximum Pavgis achieved when D=57.5 mm,k=28.8 N/m,L=112.1 mm,and U=4.6 m/s,while the maximumηaemis achieved when D=52.7 mm,k=29.2 N/m,L=89.2 mm,and U=4.7 m/s.Compared with that of the non-optimized structure,the WEH performance is improved by 28.6%in P_(avg)and 19.1%inη_(aem).展开更多
随着 Web 信息量的快速增长,个性化的 Web 信息推荐系统扮演着越来越重要的角色。目前,大多数 Web 信息推荐系统存在着个性化程度不高,对用户历史数据依赖性高,系统不具备开放性,用户偏好“走样”概率高的问题。针对这四个方面的问题,...随着 Web 信息量的快速增长,个性化的 Web 信息推荐系统扮演着越来越重要的角色。目前,大多数 Web 信息推荐系统存在着个性化程度不高,对用户历史数据依赖性高,系统不具备开放性,用户偏好“走样”概率高的问题。针对这四个方面的问题,本文提出了一种新的、采用语义 Web 技术、基于 Web 社会网络的个性化 Web 信息推荐模型,详细分析了用户偏好的获取,Web 社会网络的生成以及待过滤 Web 信息的采集。并且,利用从实际中采集的真实数据进行了实验,证明了模型的可行性和有效性。展开更多
文摘针对江苏强对流天气高发区域对流低层监测和精细化观测需求,本文利用江苏苏北X波段天气雷达网,设计并实现了针对气象目标的自适应协同控制技术,包括针对晴空、降水、风暴3种气象目标的识别技术及相应观测模式的制定,以及观测模式间自适应切换机制,建立了江苏X波段天气雷达组网自适应协同控制中心(Jiangsu Collaborative Adaptive Processing Center of X-Band Weather Radar Network,JSCAPC_XNET)。结果表明:JSCAPC_XNET有效填补了S波段天气雷达网局部低层探测盲区,把晴空、降水、风暴作为重点观测的气象目标满足了对全天候天气的观测需求,在协同观测网内,利用动态面积法实现的风暴体中心区识别技术、基于冰雹单体垂直结构概念模型设计的冰雹体识别技术以及适于多雷达识别中气旋的合并处理技术实现了对不同风暴单体识别和标注。针对气象目标的观测模式自适应切换机制保证了系统在3种模式间准确切换,提升了每部雷达的观测效能,实现了重点观测目标的精细化观测。试验期内观测到了包括强冰雹单体差分反射率(Z_(DR))柱、龙卷单体低层Z_(DR)弧、龙卷碎屑特征,以及直接反映龙卷可能及地的龙卷眼区低反射率因子区、下沉反射率因子核特征等,为提升小尺度极端天气监测和预警能力提供了观测手段。
基金Project supported by the National Key R&D Program of China(No.2021YFF0501001)the National Natural Science Foundation of China(Nos.52308315,51922046,and 52192661)+3 种基金the Research Funds of Huazhong University of Science and Technology(No.2023JCYJ014)the China Postdoctoral Science Foundation(No.2023M731206)the Research Funds of China Railway Siyuan Survey and Design Group Co.Ltd.(Nos.KY2023014S,KY2023126S,2021K085,2020K006,and 2020K172)the Autonomous Innovation Fund of Hubei Province of China(No.5003242027)。
文摘Optimizing wind energy harvesting performance remains a significant challenge.Machine learning(ML)offers a promising approach for addressing this challenge.This study proposes an ML-based approach using the radial basis function neural network(RBFNN)and differential evolution(DE)to predict and optimize the structural parameters(the diameter of the spherical bluff body D,the total spring stiffness k,and the length of the piezoelectric cantilever beam L)of the wind energy harvester(WEH).The RBFNN model is trained with theoretical data and validated with wind tunnel experimental results,achieving the coefficient-of-determination scores R2of 97.8%and 90.3%for predicting the average output power Pavgand aero-electro-mechanical efficiencyηaem,respectively.The DE algorithm is used to identify the optimal parameter combinations for wind speeds U ranging from 2.5 m/s to 6.5 m/s.The maximum Pavgis achieved when D=57.5 mm,k=28.8 N/m,L=112.1 mm,and U=4.6 m/s,while the maximumηaemis achieved when D=52.7 mm,k=29.2 N/m,L=89.2 mm,and U=4.7 m/s.Compared with that of the non-optimized structure,the WEH performance is improved by 28.6%in P_(avg)and 19.1%inη_(aem).
文摘随着 Web 信息量的快速增长,个性化的 Web 信息推荐系统扮演着越来越重要的角色。目前,大多数 Web 信息推荐系统存在着个性化程度不高,对用户历史数据依赖性高,系统不具备开放性,用户偏好“走样”概率高的问题。针对这四个方面的问题,本文提出了一种新的、采用语义 Web 技术、基于 Web 社会网络的个性化 Web 信息推荐模型,详细分析了用户偏好的获取,Web 社会网络的生成以及待过滤 Web 信息的采集。并且,利用从实际中采集的真实数据进行了实验,证明了模型的可行性和有效性。
