涡动相关法的不足是导致地表能量不平衡的重要原因。本文对文献中提出的能显著提升涡动相关法计算精度,并能使地表能量实现平衡的大涡平均法与Durand法展开研究,在白天通过5组试验对比研究了两者的异同、综合效应与改进方法。结果发现:...涡动相关法的不足是导致地表能量不平衡的重要原因。本文对文献中提出的能显著提升涡动相关法计算精度,并能使地表能量实现平衡的大涡平均法与Durand法展开研究,在白天通过5组试验对比研究了两者的异同、综合效应与改进方法。结果发现:(1)白天地表能量闭合水平与序列长度有一定关系,序列长度过长,闭合水平变差;过短,闭合水平则不一致,两者之间存在一个转折点。在此转折点长度上,闭合水平可达最优。(2)原始的能量闭合率(Energy balance ratio,简称EBR)为0.80,能量残差(Residual,简称Res)为64.9 W m^(-2),占可用能量的23.8%,远未平衡。(3)考虑大涡平均法后,EBR提高了0.18,达到0.98,Res降低到可用能量的5.3%(14.5 W m^(-2)),达到平衡。(4)考虑Durand法后,EBR提高了0.15,达到0.95,Res降低到25.1 W m^(-2),占可用能量的9.2%,效果逊于大涡平均法。(5)既考虑大涡平均法、又考虑Durand法后,EBR提高到1.17,Res降低到-35.1 W m^(-2),严重过闭合。分析发现,严重过闭合的原因是Durand法的感热附加项在白天过度累加了气体膨胀做功项所致。(6)去除Durand法的感热附加项这一累加部分,只考虑其潜热附加项,并同时考虑大涡平均法,结果可使EBR达到1.0,Res降低到只占可用能量3.2%(8.7 W m^(-2))的理想闭合状况。分析发现,大涡平均法是实现地表能量闭合的主导因素。展开更多
文摘涡动相关法的不足是导致地表能量不平衡的重要原因。本文对文献中提出的能显著提升涡动相关法计算精度,并能使地表能量实现平衡的大涡平均法与Durand法展开研究,在白天通过5组试验对比研究了两者的异同、综合效应与改进方法。结果发现:(1)白天地表能量闭合水平与序列长度有一定关系,序列长度过长,闭合水平变差;过短,闭合水平则不一致,两者之间存在一个转折点。在此转折点长度上,闭合水平可达最优。(2)原始的能量闭合率(Energy balance ratio,简称EBR)为0.80,能量残差(Residual,简称Res)为64.9 W m^(-2),占可用能量的23.8%,远未平衡。(3)考虑大涡平均法后,EBR提高了0.18,达到0.98,Res降低到可用能量的5.3%(14.5 W m^(-2)),达到平衡。(4)考虑Durand法后,EBR提高了0.15,达到0.95,Res降低到25.1 W m^(-2),占可用能量的9.2%,效果逊于大涡平均法。(5)既考虑大涡平均法、又考虑Durand法后,EBR提高到1.17,Res降低到-35.1 W m^(-2),严重过闭合。分析发现,严重过闭合的原因是Durand法的感热附加项在白天过度累加了气体膨胀做功项所致。(6)去除Durand法的感热附加项这一累加部分,只考虑其潜热附加项,并同时考虑大涡平均法,结果可使EBR达到1.0,Res降低到只占可用能量3.2%(8.7 W m^(-2))的理想闭合状况。分析发现,大涡平均法是实现地表能量闭合的主导因素。
文摘目的探讨自回归移动平均模型-长短期记忆(autoregressive integrated moving average-long short-term memory,ARIMA-LSTM)组合模型在肾综合征出血热(hemorrhagic fever with renal syndrome,HFRS)不同流行模式发病率预测中应用的可行性。方法收集1961—2020年全国HFRS年发病率、2004年1月至2020年12月全国、黑龙江省、吉林省、辽宁省、陕西省、山东省、河北省、广东省HFRS逐月发病率数据;全国及黑龙江省作为冬峰较春峰高代表,吉林省、辽宁省作为春峰与冬峰相当代表,陕西省、山东省作为仅存在冬峰代表,河北省、广东省作为仅存在春峰代表。1961—2014年逐年发病率、2004年1月至2020年6月逐月发病率数据作为训练集,2015—2020年逐年发病率、2020年7-12月逐月发病率数据作为测试集。分别建立ARIMA模型、ARIMA-LSTM组合模型,采用平均绝对百分比误差下降率(decline rate of mean absolute percentage error,DR_(MAPE))、均方根误差下降率(decline rate of root mean squared error,DRRMSE)评价模型拟合及预测精度优化程度。结果全国逐年、全国及黑龙江省、吉林省、辽宁省、陕西省、山东省、河北省、广东省逐月HFRS发病率拟合最佳ARIMA模型分别为ARIMA(2,0,0)、ARIMA(3,1,0)(2,1,1)_(12)、ARIMA(2,0,1)(2,1,1)_(12)、ARIMA(3,0,0)(2,1,1)_(12)含常数项、ARIMA(2,1,1)(2,1,1)_(12)、ARIMA(1,0,3)(1,1,0)_(12)、ARIMA(0,1,3)(2,1,1)_(12)、ARIMA(1,1,3)(2,0,0)_(12)、ARIMA(3,1,1)(1,1,1)_(12)。全国逐年、全国及黑龙江省、吉林省、辽宁省、陕西省、山东省、河北省、广东省逐月数据建立ARIMA-LSTM组合模型较ARIMA模型拟合的DR_(MAPE)依次为-19.57%、-46.38%、-43.27%、-46.37%、-49.70%、-48.36%、-58.23%、-35.52%、-48.74%;DRRMSE依次为-11.21%、-36.17%、-64.89%、-55.68%、-54.81%、-31.76%、-39.69%、-55.64%、-30.06%。全国逐年、全国及黑龙江省、吉林省、辽宁省、陕西省、山东省、河北省、广东省逐月数据建立ARIMA-LSTM组合模型较ARIMA模型预测的DR_(MAPE)依次为-11.10%、-8.69%、-19.68%、-36.17%、-55.57%、-9.44%、-14.60%、-14.22%、-9.26%;DRRMSE依次为-14.43%、-7.42%、-12.66%、-13.83%、-36.56%、10.37%、81.14%、-19.68%、-1.18%。结论ARIMA-LSTM组合模型总体在各类HFRS数据中拟合及预测效果均优于ARIMA模型,LSTM适于我国HFRS预测模型优化,但陕西省和山东省不适于ARIMA-LSTM预测。
