一、利用气象数值产品研究冰雹的短期预报（论文文献综述）
杜智涛,姜明波,杜晓勇,周育峰,王鹏宇,张志标[1]（2021）在《机器学习在气象领域的应用现状与展望》文中研究表明机器学习是人工智能的核心,是使计算机具有智能的根本途径之一。随着以深度学习为代表的机器学习算法取得突破,人工智能呈现了加速发展的趋势,在各行业取得了广泛的应用。机器学习在计算效率、准确性、可移植性、协同性、灵活性、易用性等方面具有较大的优势,下一步将有可能改变传统的气象观测模式,加速和改善气象观测数据的处理,改善数值天气预报质量以及推进地球科学的交叉融合。为更好地推动人工智能相关技术在气象领域的应用,本文从气象观探测、数值预报、危险天气识别与预警和卫星资料处理等方面对机器学习算法的应用现状进行了整理。
张雪慧,田德宝,陈江勇,倪婷婷,宋刘明,冯瑜骅[2]（2021）在《从一次冰雹过程看冰雹快速预警的有效方法》文中提出大冰雹（直径≥2 cm）为强致灾性天气,目前冰雹预警时效普遍偏短,与社会防灾需求存在一定差距。通过对2016年6月8日长三角地区较为典型的冰雹过程分析,结合实际预警业务经验提出快速冰雹预警流程:首先掌握属地及周边冰雹生消时空规律,提高冰雹易发季节预警敏感度;其次于中短期预报中分析对流种类和强度,判断适合冰雹产生的强对流潜势大小,并检验冰雹特征指标,即0℃层高度、对流有效位能和垂直切变等是否符合经验指标;最后于短临预报中着重监测雷达回波的生成和动态,当初生对流发展迅速、将继续加强并影响责任区时,回波强度达50 dBz、回波顶高达12 km时,即可提前发布冰雹预警。
周康辉[3]（2021）在《基于深度卷积神经网络的强对流天气预报方法研究》文中研究指明强对流天气,包括冰雹、雷暴大风、短时强降水、龙卷等,常常伴有闪电,由于其时空尺度小,其精准预报具有极大难度。目前,强对流预报主要依靠基于观测数据的外推方法、基于数值模式的“配料法”等方法,预报效果有待进一步提升。近年来,随着中小尺度观测网络和高分辨率数值天气预报（High-resolution numerical weather prediction,HNWP）模式的不断发展,强对流天气监测和预报能力有了相应地提升。然而,高时空分辨率的观测数据和数值天气预报数据,完全由预报员进行主观分析具有较大难度,亟需发展能够将上述数据有效综合应用的客观预报方法。本文立足于强对流天气预报业务应用的实际需求,基于深度学习方法,开发了涵盖临近、短时、短期等不同预报时效的强对流天气预报方法。基于多源观测数据,实现了临近时段的闪电预报;基于多源观测数据和HNWP数据,实现了短时时段内的闪电预报;基于全球数值模式,实现了短期时段内的分类强对流天气预报。于此同时,本文还对以上针对强对流天气特征构建的深度学习模型,进行了可视化,尝试对深度学习的特征提取、预测过程进行解释。据我们所知,本文实现了深度学习在强对流预报领域的多个创新性尝试。如利用深度学习融合多源观测数据,进行闪电临近预报;利用深度学习融合多源观测和HNWP数据,进行闪电的短时预报;利用深度学习对数值模式进行后释用,实现分类强对流天气短期预报。临近时段（0～2 h）,基于静止气象卫星、多普勒天气雷达、云-地闪电（简称“闪电”）定位等多源观测数据,利用深度卷积神经网络,构建了图像语义分割模型（Lightning Net）,有效实现了闪电临近概率预报。经过训练的Lightning Net模型,能够提取时间和空间上的闪电发生发展特征,具备了较好的预报能力。2018年8月的预报检验表明,0～1 h闪电预报检验TS（Threat Score）评分达到0.453,命中率为0.633,虚警率为0.386;闪电预报结果为概率预报产品,预报概率值越大的区域往往对应闪电活动更为活跃的地区,也具备较好的指示性意义。由于卫星具有一定的初生对流观测能力,因此本方法具备较好的对流初生预报能力,能够在对流生成之前,对其进行有效预报。该方法利用深度学习算法有效地实现了卫星、雷达、闪电观测数据的融合应用,其预报性能显着优于仅仅基于单一数据源的预报性能。短时时段（2～6 h）,基于多源观测数据和HNWP数据的特性,构建了双输入单输出的深度学习语义分割模型（Lightning Net-NWP）。预报因子包括闪电密度、雷达反射率、卫星的6个红外通道云图,以及GRAPES3km输出的雷达组合反射率预报变量等共9个预报因子。深度学习模型使用了编码—解码的经典全卷卷积结构,并且参照了经典的池化索引共享的方式,尽可能保留不同空间尺度特征图上的细节特征信息。利用三维卷积层以提取多源观测数据时间和空间上的变化特征。结果表明,深度学习能够有效实现多源观测数据和HNWP数据的融合,Lightning Net-NWP能够较好地实现0～6 h的闪电预报,具备比单纯使用多源观测数据、HNWP数据更好的预报性能,且预报时效越长,融合的优势体现的越明显,为强对流短时预报提出了新的方法和思路。短期时段（6～72 h）,利用深度卷积神经网络,构建了雷暴和分类强对流天气（短时强降水、冰雹、雷暴大风）的概率预报模型。利用强对流天气历史观测数据标记全球数值模式的再分析数据,创建了大样本强对流天气分类样本集。样本特征包括温、压、湿、风等基本气象要素,同时也包含了反映水汽、动力、能量等强对流天气发生发展所需条件的常用强对流参数。基于强对流天气的这些样本特征,构建了6层的深度卷积神经网络预报模型。将经过训练的深度学习模型,应用于数值模式的预报数据,实现了分类强对流天气的概率预报。2015—2017年4—9月的预报检验表明,深度学习算法的预报表现,相对于预报员主观预报具有明显的提高,雷暴、短时强降水、冰雹和雷暴大风的TS评分分别提高了16.1%、33.2%、178%和55.7%。针对上述深度学习模型,本文使用决策树预报因子重要性排序、预报因子变换重要性以及深度学习模型卷积输出结果可视化等方法,对各种深度学习方法和模型进行了初步的解释。基于决策树预报因子重要性排序结果表明,对于分类强对流天气的预报因子,机器学习方法排列的预报因子重要性程度,很大程度上与预报员的主观认识是一致的,同时也能得到一些有益的启发。通过变换重要性方法（Permutation importance）对Lightning Net-NWP模型的各个预报因子的重要性进行了分析。结果表明,随着预报时效的延长,NWP预报因子起到的作用越来越大,而观测数据预报因子的重要性逐渐下降。利用卷积层输出可视化的方法,对Lightning Net预报过程进行了可视化,分析了其卷积核特征提取过程。
邓彩霞[4]（2021）在《基于情景分析的青海农牧社区减灾能力建设研究》文中指出自然灾害风险一直以来威胁着人类生存与安全,也一直学术界关注的焦点问题和政府治理的重要内容。随着科技的进步以及灾害治理经验的积累,人类的减灾能力得到较大的提升,然而,随着全球气候变化以及人类社会生活对自然环境干预范围和深度的增加,人与自然的关系也日益变得紧张,灾害风险日益加剧。青海省位于青藏高原,是一个集西部地区、民族地区、高原地区和欠发达地区所有特点于一体的省份,各种传统和非传统、自然和社会的安全风险时刻威胁着社会的可持续发展。青海特定的环境条件决定了当地灾害频发,同时也是全国自然灾害较为严重的省份之一,具有灾害种类多、分布地域广、发生频率高、造成损失重等特点。社区作为社会构成的基本单元,是防灾减灾的前沿阵地和基础。青海农牧社区基础设施落后,生态系统脆弱,受到自然灾害损害的可能性和严重性程度较高,被认为是防灾减灾工作的最薄弱地区。青海气象灾害多发,雪灾是青海省畜牧业的主要灾害,全省牧业区每年冬春期间不同程度遭受雪灾,“十年一大灾,五年一中灾,年年有小灾”已成为规律。在全球气候变暖以及极端天气现象的影响下,“黑天鹅”型雪灾不但对农牧民安全生产生活造成威胁,对区域经济社会全面协调可持续发展等形成挑战,而且还考验着地方政府的自然灾害的综合治理能力,思考如何提升农牧社区减灾能力刻不容缓。随着情景分析法在危机管理领域的应用,情景分析和构建被认为是提升应急能力的有效工具,对于农牧社区雪灾的减灾而言,在情景构建基础上所形成的实践分析结果对于现实问题的解决具有一定的战略指导意义。本研究聚焦于提升青海农牧社区减灾能力这一核心问题,以情景分析理论、危机管理理论、极值理论、复杂系统理论为研究的理论基础,运用实地调查法、情景分析法、德尔菲法、层次分析法等具体的研究方法,以“情景—任务—能力”分析框架为理论分析工具,首先从致灾因子的分析着手,对青海省农牧社区典型灾害进行识别;其次通过情景要素分析、关键要素选择、情景描述等方面着手对识别的典型灾害进行“最坏可信”情景构建,然后基于典型灾害的情景构建梳理出相应减灾任务,总结归纳出农牧社区不同减灾主体完成减灾任务所应该具备的能力条件,并结合现实对农牧社区减灾能力进行了定量与定性相结合的评估,最终分别从规则准备、资源准备、组织准备、知识准备、行动规划等方面提出农牧社区减灾能力提升的策略。本研究认为随着应急管理体系从“以体系建构”向“以能力建设”为重点的转变,着眼于全方位的能力建设,提升灾害治理的制度化、规范化、社会化水平是农牧社区减灾的必由之路。作为一种支撑应急全过程,以及应急管理中基础性行动的应急准备是能力建设的抓手。意识是行动的先导,要做好这一基础性行动其关键在于一个具备战略能力、拥有良好灾害价值观的领导体系,运用情景构建做好全面应急准备。完善的规则体系是应急准备、乃至采取应急行动所应遵循的的法定依据和行为准则;完善相应的法律法规,加强危机应急法规建设是做好农牧社区减灾工作的前提;良好的组织架构是提升农牧社区减灾能力的关键,加强各级政府部门在农牧区减灾中的核心地位和主导责任,坚持村社本位,实现以农牧民群众为主体,多元主体有效整合,形成灾害治理的协同格局。完备的知识准备是激发农牧社区减灾能力提升的内在动力,通过各种正式和非正式的渠道获取和累积灾害知识,形成正确的灾害价值观,占据减灾的主动地位;有针对性的借助信息技术,培养专门人才推动减灾专业化,助推农牧社区减灾能力提升。资源准备是农牧社区的减灾保障,构建合理的社区公共应急资源体系关键在于资源结构的优化。优先准备风险级别较高的减灾资源,优化资源存储数量和公共应急资源存储点,做好潜在资源共享平台,从而实现有限资源效用最大化。农牧社区减灾,规划先行,一套科学合理、行之有效的减灾指标体系是青海农牧区减灾管理的“指挥棒”,一项科学周密的专项减灾规划,是农牧区减灾任务实施的“路线图”和“控制表”。总之,在青海农牧社区灾害治理中,灾害情景构建与分析为灾害治理提供了一个全新的思路和发展方向。通过构建典型灾害具象化的“最坏可信情景”,让应急决策者、社区及其成员通过了解当前灾害态势,明确自身管理薄弱点,掌握可控干预节点,做好工作安排和充分的应急准备,预防灾害风险或者遏制灾后事态走向最坏局面。基于情景分析的农牧社区减灾能力的研究对于改进和完善现行农牧社区灾害应急管理体系,对于实现区域社会平安建设具有重大的实践和指导意义。
周康辉,郑永光,韩雷,董万胜[5]（2021）在《机器学习在强对流监测预报中的应用进展》文中提出近年来,机器学习理论和方法应用蓬勃发展,已在强对流天气监测和预报中广泛应用。各类机器学习算法,包括传统机器学习算法（如随机森林、决策树、支持向量机、神经网络等）和深度学习方法,已在强对流监测、短时临近预报、短期预报领域发挥了积极的重要作用,其应用效果往往明显优于依靠统计特征或者主观经验积累的传统方法。机器学习方法能够更有效提取高时空分辨率的中小尺度观测数据的强对流特征,为强对流监测提供更全面、更强大的自动识别和追踪能力;能够有效综合应用多源观测数据、分析数据和数值预报模式数据,为强对流临近预报预警提取更多有效信息;能够有效对数值模式预报进行释用和后处理,提升全球数值模式、高分辨率区域数值模式在强对流天气预报上的应用效果。最后,给出了目前机器学习方法应用中存在的问题和未来工作展望。
王昀[6]（2021）在《新疆天山两侧冰雹外场探测和预报预警指标研究》文中指出新疆是我国西北地区冰雹灾害最多的省份,尤其以天山两侧最为严重。进入新世纪雹灾出现次数、受灾面积、经济损失均呈增加趋势,冰雹灾害防御工作面临着严峻挑战,深入开展冰雹探测与成因机制、进而助力人工防雹作业水平提高的相关研究迫在眉睫。本论文从新疆人工防雹作业及防灾减灾的实际需求出发,以天山两侧冰雹重灾区阿克苏地区、博尔塔拉蒙古自治州（简称博州）、奎玛流域、喀什地区为研究靶区,采用通过TK-2A GPS探测火箭对雹暴进行下投式外场探测所获取的第一手资料,以及冰雹综合灾情信息报告、地面和高空常规气象探测资料、多部雷达探测资料、NCEP/NCAR再分析和预报数据集等多源数据资料,在雹暴尺度上探析了促进雹暴发展的关键对流要素的垂直分布特征,进一步加深了对雹暴发展物理机制的理解和认识,这为冰雹预报预警指标的研究与确定提供了重要科学依据,在此基础上研究建立了符合业务需求、可操作性强的冰雹预报指标和在时间上具有一定提前量的冰雹预警指标。研究成果进一步丰富了山区冰雹成因的理论内涵,可为进一步提高新疆冰雹灾害的防御能力提供新的科技支持。论文的主要内容和研究结果如下:（1）基于典型雹暴事件的外场探测试验,通过研究对流要素垂直分布特征获得雹暴发展物理机制的新发现。利用TK-2A GPS探测火箭系统,对2016年7月23日傍晚发生在天山北侧博州的一例属于非超级单体强对流风暴的雹暴事件,在发展阶段的入流区、成熟阶段的上升区（雹暴前侧）、衰退阶段的下沉区,开展了3次7 km高度以下的下投式探测,在雹暴尺度上首次获得雹暴生命史不同阶段气象要素的垂直探测资料,在对比分析水汽参量、风切变、稳定度这些对流要素垂直分布特征和差异性的基础上,对有利于雹暴发展和增强的物理机制获得新认识。探测研究新发现包括:（1）通过水汽条件的分析发现,在雹暴上升区2～4 km MSL（拔海高度）范围内存在对雹暴发展和维持具有重要作用的陡立湿层,其间出现高湿度尖点,指示出雹暴云内有融化层存在,给出了融化层出现位置和厚度的判识方法;雹暴上升区云内的绝热比含水量（LWC）随高度单调递增,可降水量（PW）高于入流区和下沉区,较大的LWC和PW有利冰雹的形成;雹暴入流区和上升区水汽水平输入为雹暴发展提供能量和水汽供应,雹暴入流区、上升区、下沉区水汽水平输入输出量垂直廓线的显着特征是3 km MSL高度以下呈上小下大的斗笠状分布,入流区和上升区水汽输入的最大值出现在云底所在高度附近。（2）雹暴上升区强的垂直风切变有利于热量和水汽的向上输送,为雹暴发展提供能量;从雹暴入流区到上升区,有中等强度以下的垂直风切变向强切变转化,正是这种转化促使雹暴向前移动和发展;雹暴上升区最大的风暴相对螺旋度有利于雹暴的发展与维持。（3）雹暴上升区对流性不稳定度随着气压的升高呈非线性增加是雹暴发展最有利的垂直稳定度条件;雹暴上升区云内湍流活动最弱,这有利于雹暴的发展、稳定和生命期的延长。（2）成灾冰雹环境参数预报指标研究（1）对2008-2019年5-8月天山两侧176例成灾冰雹环境条件的分析表明,对起始高度温湿非常敏感的对流有效位能（CAPE）、对流抑制能（CIN）、抬升凝结高度（LCL）和抬升指数（LI）,其指示意义不够显着,而全总指数（TT）、K指数（K）、杰弗逊指数（JEFF）、强天气威胁指数（SWEAT）、0℃层高度（HGT0）、0℃层与-20℃层高度差（HGZ）、可降水量（PW）、0-6 km风切变（SHR6）则表现出物理意义明确并且指示意义明显,将这8个环境参数确定为预报参数。（2）预报参数的特征分析表明,奎玛流域、阿克苏地区、喀什地区TT、K、SHR6平均值相当,JEFF、HGT0平均值三个区域依次升高,HGZ、PW平均值三个区域依次减小,SWEAT平均值阿克苏地区最高。天山两侧出现成灾冰雹时,TT、PW的平均值与中国东部、美国及欧洲国家冰雹事件相当,SWEAT、SHR6明显偏低。天山两侧平均HGZ比中国东部地区明显偏薄。（3）预报参数特征的差异,很大程度上取决于天山两侧热力和动力条件的不同。对流性不稳定的南强、北弱造成了天山南侧平均TT、K、JEFF、SWEAT要高于天山北侧,南侧HGZ比北侧薄。在近地层湿度相当的条件下,天山北侧更强烈的上升运动使得奎玛流域有着比天山南侧更高的PW。（4）利用2008-2016年5-8月NCEP/NCAR再分析格点资料,根据百分位数方法,研究建立了成灾冰雹的环境参数预报指标体系,其中TT、K、SWEAT、HGZ和PW的预报阈值均是天山北侧大于天山南侧,JEFF、HGT0、SHR6均是天山北侧小于南侧。再利用2017-2019年5-8月NCEP/NCAR预报数据集计算的预报参数,预报天山两侧成灾冰雹的试预报准确率达到了100%。可见,采用NCEP/NCAR预报数据集和上述优选的预报指标能够在今后的天山两侧成灾冰雹预报中发挥重要作用。（3）成灾雹云的雷达参数预警指标研究对2008-2019年5-8月天山两侧176例成灾雹云的进一步综合分析表明:从动态过程来看,在降雹前30 min、18 min和降雹时,成灾雹云云体高度分别在11 km、12 km、11.5 km以上,反射率大于45 d BZ的核心云体顶高大部分超过6km、7 km、6.5 km,且超过80%、87%、96%的成灾雹云会出现大于50 d BZ的核心云体。从时空分布上来看,6月、8月天山两侧成灾雹云都比较强盛,且天山南侧喀什地区的成灾雹云最为高大强盛。从降雹的雷暴类型来看,天山北侧5-8月主要是由单体风暴造成地面降雹;而天山南侧则分两个时间段,5月和6月属于单体风暴的活跃期,它是降雹的主要雷暴系统,7月和8月降雹主要是由长生命史的中尺度对流系统造成的。以上述分析研究为基础,利用雷达回波形态参数及其与0℃层高度的差,建立了天山两侧5-8月及各月的降雹前30 min、18 min成灾雹云的雷达参数预警指标。总体上天山南侧喀什地区雷达参数预警指标明显偏高,天山两侧各月的预警指标以8月最高。检验分析指出,天山两侧雷达参数预警指标的准确率在80%以上,具有实用价值。（4）成灾冰雹预报预警指标体系的构建将预报指标、降雹前30 min和18 min预警指标集成融合,得到天山两侧成灾冰雹预报预警指标体系。基于指标体系,在成灾冰雹多发时段,利用NCEP/NCAR预报场、时间分辨率6 min的雷达探测资料,在3～9 h短期-短时预报中嵌套0～30 min临近预报,实现14:00～02:00 BST（北京时间）天山两侧成灾冰雹无缝隙预报预警。因而,成灾冰雹预报预警指标体系的构建,既有重要理论价值,又对新疆天山两侧人工防雹精准作业能力的提升具有重要技术支持,弥补了以往同类研究的不足。
牛淑贞,张一平,王迪,曾明剑,袁小超,郝晓珍[7]（2021）在《河南省分类强对流天气概率预报方法研究与应用》文中研究说明采用每日4次0.75°×0.75°的欧洲中心再分析资料和2006—2015年4—9月河南省117个国家自动站冰雹、雷暴大风和短时强降水3类强对流天气实况资料,基于"邻（临）近原则"构建了河南分类强对流天气的网格点历史个例库,计算了逐日分类强对流天气物理参数和其15 d滑动气候平均值。综合考虑环境物理参数相对稳定性及其与气候态的差异性这两类指标,采用模糊矩阵评价技术,遴选各月表征各类强对流天气的特征环境物理参数并计算权重系数,结合历史强对流发生时物理参数的频率分布特征,最终分别基于欧洲中心细网格和华东中尺度区域模式资料构建了河南分类强对流天气概率预报方法,自动客观输出物理参数、网格探空和分类概率预报等产品;同时在大量历史个例反算的基础上,得到确定性预报的阈值概率,生成基于优势概率的分类强对流概率预报产品。该方法目前已实现逐日自动化业务运行,并在近年来分类强对流预报中取得了较好的预报效果。2018年检验结果表明,河南分类概率预报产品能够对强对流天气的类型和落区有很好的反映,特别是对模式预报可以进行有效的订正,各类强对流天气的命中率均在70%以上,TS评分均不低于0.45,漏报率较小,但存在一定的空报,需今后改进与完善。
李婧,何贞铭,徐佳琪,王晶晶,陈昊[8]（2020）在《人工智能在极端天气的应用综述》文中研究指明频发的极端天气一直极大地威胁着人类的生命财产,近年来随着科技的不断发展和机器学习技术的成熟,借助人工智能在极端天气领域已取得不少突破。重点介绍了20世纪80年代以来国内外人工智能技术在极端天气领域的研究、应用现状及其研究进展,并针对应用中的特点和不足提出评述。指出人工智能会成为极端天气领域中一个提高气候业务水平的强有力工具,并对未来人工智能在极端天气上的发展和应用趋势进行了展望。
莫丽霞,高宪权,欧徽宁,周云霞,梁维亮[9]（2020）在《基于数值模式产品的广西冰雹客观预报方法研究》文中研究说明利用2012—2016年广西重要天气报（WS报）和信息员上报的冰雹实况,以及欧洲中心（ECMWF）0.125°×0.125°的逐6 h再分析资料,分析不同天气背景下广西历史冰雹个例发生前后关键物理参数的特征及其变化。从不稳定能量、水汽条件、对流触发条件、垂直风切变、0℃层高度、-20℃层高度等方面归纳总结广西冷空气影响冰雹过程及暖区冰雹过程的预报指标,应用预报指标动态调整的配料法,分别建立冷空气影响冰雹过程和暖区冰雹过程的广西分类冰雹客观预报方程。利用方程对2017—2018年2—6月广西冰雹进行试报,结果表明该方程对广西冰雹天气有一定的预报能力,其中对大范围冷空气南下触发的冰雹过程较暖区发生的冰雹天气过程预报更为准确,但也存在较大范围的空报,空报区域基本与雷暴大风天气落区对应,具有一定的警示作用。
俞小鼎,郑永光[10]（2020）在《中国当代强对流天气研究与业务进展》文中研究指明对当代中国几十年来强对流天气研究和业务进展做了阐述,主要包括强对流系统产生的环境背景和主要组织形态,以及具体强对流天气的有利环境条件、触发机制、卫星云图特征、多普勒天气雷达回波特征以及预报、预警技术等诸方面。总体来看,中国学者对强对流以及不同类型强对流天气（强冰雹、龙卷、雷暴大风）发生、发展的环流背景以及通过雷达和卫星观测到的组织结构及其演变特征都已有了明确认识,研究了对流系统的多种触发机制,深入认识了超级单体、飑线等对流系统的环境条件、组织结构特征和维持机制,了解了中国中尺度对流系统的组织形态和气候分布特征,获得了强冰雹、龙卷、下击暴流和雷暴大风等的雷达、卫星和闪电等的多尺度观测特征、形成机制和现场灾害调查特征,发展了各类强对流天气识别、监测和分析方法以及基于"配料法"和深度学习方法等的预报、预警技术等。因此,强对流天气业务预报水平已得到显着提升。
二、利用气象数值产品研究冰雹的短期预报（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、利用气象数值产品研究冰雹的短期预报（论文提纲范文）
（1）机器学习在气象领域的应用现状与展望（论文提纲范文）
| 引言 |
| 1 气象观测 |
| 1.1 常规地面观测 |
| 1.2 天气现象图像观测 |
| 1.3 天气雷达观测 |
| 2 数值天气预报 |
| 2.1 数据获取 |
| 2.2 数据预处理和反演 |
| 2.3 数据同化 |
| 2.4 短时临近预报 |
| 2.5 中短期预报 |
| 2.6 预报后的处理和校正 |
| 3 强对流天气识别预警 |
| 3.1 冰雹 |
| 3.2 强风 |
| 3.3 闪电 |
| 4 卫星资料应用 |
| 4.1 卫星图像的检测、识别、分类和预报 |
| 4.2气象要素反演 |
| 4.2.1 降水 |
| 4.2.2 云顶高 |
| 4.2.3 气溶胶光学厚度 |
| 5 发展展望 |
（2）从一次冰雹过程看冰雹快速预警的有效方法（论文提纲范文）
| 1 6·8冰雹过程实况 |
| 2 冰雹天气发生规律 |
| 3 天气形势分析 |
| 4 冰雹天气特征指数 |
| 4.1 0 ℃层高度 |
| 4.2 能量指数与垂直风切变 |
| 5 短时临近监控判断 |
| 6 总结与讨论 |
（3）基于深度卷积神经网络的强对流天气预报方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 研究背景 |
| 1.2 国内外研究进展 |
| 1.2.1 机器学习在强对流和降水监测中的应用 |
| 1.2.2 机器学习在强对流临近预报中的应用 |
| 1.2.3 机器学习在强对流短时和短期预报中的应用 |
| 1.2.4 小结与展望 |
| 1.3 问题的提出 |
| 1.4 论文章节安排 |
| 第2章 基于多源观测数据的闪电临近预报 |
| 2.1 研究背景 |
| 2.2 数据和方法 |
| 2.2.1 卫星数据 |
| 2.2.2 全国雷达拼图数据 |
| 2.2.3 闪电定位数据 |
| 2.2.4 地理范围选取 |
| 2.3 深度学习方法 |
| 2.3.1 闪电预报流程 |
| 2.3.2 训练集和测试集构建 |
| 2.3.3 深度学习模型 |
| 2.4 试验结果 |
| 2.4.1 检验结果 |
| 2.4.2 2018年8月23日预报个例分析 |
| 2.4.3 2018年8月4日预报个例分析 |
| 2.4.4 闪电初生预报和检验 |
| 2.5 结论和讨论 |
| 第3章 基于高分辨率数值预报和观测数据的闪电短时预报 |
| 3.1 研究背景 |
| 3.2 数据 |
| 3.2.1 观测数据 |
| 3.2.2 高分辨率数值天气预报数据 |
| 3.3 深度学习模型 |
| 3.3.1 深度学习模型结构 |
| 3.3.2 训练集和测试集 |
| 3.3.3 训练过程 |
| 3.4 试验结果 |
| 3.4.1 批量检验结果 |
| 3.4.2 个例检验结果-2018年8月21日 |
| 3.4.3 个例检验结果-2018年8月23日 |
| 3.5 小结 |
| 第4章 基于数值预报的强对流天气短期分类预报 |
| 4.1 引言 |
| 4.2 数据与方法 |
| 4.2.1 NCEP FNL分析资料 |
| 4.2.2 强对流天气实况数据 |
| 4.3 深度学习预报算法 |
| 4.3.1 训练样本和测试样本 |
| 4.3.2 深度学习模型构建 |
| 4.3.3 预报过程 |
| 4.4 结果评估 |
| 4.4.1 不同模型评估 |
| 4.4.2 个例预报评估 |
| 4.4.3 算法整体评估 |
| 4.5 小结 |
| 第5章 基于机器学习可视化的强对流机理规律研究 |
| 5.1 研究背景 |
| 5.2 数据和方法 |
| 5.2.1 预报因子重要性排序 |
| 5.2.2 变换重要性 |
| 5.2.3 特征图(feature map可视化) |
| 5.3 机器学习模型可解释性 |
| 5.3.1 基于NWP的分类强对流天气预报因子重要性排序 |
| 5.3.2 基于多源观测数据和HNWP数据进行短时预报的预报因子变换重要性 |
| 5.3.3 基于多源观测数据特征图可视化 |
| 5.4 小结与讨论 |
| 第6章 总结与展望 |
| 6.1 全文总结 |
| 6.2 本文创新点 |
| 6.3 未来展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（4）基于情景分析的青海农牧社区减灾能力建设研究（论文提纲范文）
| 中文摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景、问题及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究问题 |
| 1.1.3 研究意义 |
| 1.2 国内外研究综述 |
| 1.2.1 社区减灾能力研究 |
| 1.2.2 情景分析法相关研究 |
| 1.2.3 情景分析在公共危机管理中应用研究 |
| 1.2.4 研究述评 |
| 1.3 研究思路、内容、技术路线 |
| 1.3.1 研究思路 |
| 1.3.2 研究内容与框架 |
| 1.3.3 技术路线 |
| 第二章 相关理论与研究设计 |
| 2.1 相关概念界定 |
| 2.1.1 灾害情景分析 |
| 2.1.2 农牧社区 |
| 2.1.3 社区减灾能力 |
| 2.2 相关理论基础 |
| 2.2.1 情景分析理论 |
| 2.2.2 危机管理理论 |
| 2.2.3 极值理论 |
| 2.2.4 复杂系统理论 |
| 2.3 研究设计 |
| 2.3.1 基于“情境—任务—能力”的农牧社区减灾能力分析框架 |
| 2.3.2 研究方法 |
| 第三章 基于致灾因子分析的青海农牧社区典型灾害识别 |
| 3.1 农牧社区孕灾环境分析 |
| 3.1.1 农牧社区自然环境 |
| 3.1.2 农牧区社会经济状况 |
| 3.2 农牧社区致灾因子分析 |
| 3.2.1 气象致灾因子 |
| 3.2.2 地质致灾因子 |
| 3.2.3 生物致灾因子 |
| 3.3 农牧社区灾害脆弱性分析 |
| 3.3.1 农牧社区灾害脆弱性表现 |
| 3.3.2 农牧社区灾害脆弱性 |
| 3.3.3 农牧社区灾情分析 |
| 3.3.4 农牧社区典型灾害识别 |
| 3.4 小结 |
| 第四章 基于情景分析的青海农牧社区典型灾害情景构建 |
| 4.1 农牧社区的雪灾情况 |
| 4.1.1 雪灾的成因及影响 |
| 4.1.2 近年来青海雪灾事件 |
| 4.1.3 雪灾区域选择 |
| 4.2 农牧社区特大雪灾情景构建 |
| 4.2.1 农牧社区雪灾情景构建的参数分析 |
| 4.2.2 基于极值理论的关键情景参数选择 |
| 4.2.3 .农牧社区雪灾情景描述 |
| 4.2.4 雪灾演化过程分析 |
| 4.3 小结 |
| 第五章 基于灾害情景的青海农牧社区减灾任务与能力分析 |
| 5.1 农牧社区多元减灾主体 |
| 5.1.1 政府组织 |
| 5.1.2 社区组织 |
| 5.1.3 居民个体 |
| 5.1.4 社会力量 |
| 5.2 基于雪灾情景的农牧社区雪灾减灾任务分析 |
| 5.2.1 基于公共危机管理过程的社区常规减灾任务 |
| 5.2.2 农牧社区雪灾常规减灾任务识别 |
| 5.2.3 雪灾情景下的农牧社区雪灾减灾任务 |
| 5.2.4 基层政府雪灾减灾任务归属 |
| 5.3 基于任务的农牧社区雪灾减灾能力分析 |
| 5.3.1 农牧社区雪灾常规减灾能力分析 |
| 5.3.2 农牧社区雪灾减灾能力评估方案设计 |
| 5.3.3 农牧社区雪灾减灾能力评估模型 |
| 5.3.4 农牧社区雪灾能力矩阵分析 |
| 5.3.5 农牧社区雪灾减灾能力实践分析 |
| 5.4 小结 |
| 第六章 面向能力构建的青海农牧社区减灾对策 |
| 6.1 规则准备:提升制度运行能力 |
| 6.2 组织准备:提升应对协调联动能力 |
| 6.3 资源准备:提升持续保障能力 |
| 6.4 知识准备:激发农牧社区减灾动力 |
| 6.5 行动规划:增强行动执行能力 |
| 6.6 小结 |
| 第七章 结论与展望 |
| 7.1 研究结论和学术贡献 |
| 7.1.1 研究结论 |
| 7.1.2 学术贡献 |
| 7.2 研究不足和研究展望 |
| 7.2.1 研究不足 |
| 7.2.2 研究展望 |
| 参考文献 |
| 博士期间研究成果 |
| 致谢 |
| 附录1 第一轮德尔菲法专家咨询表 |
| 附录2 第二轮德尔菲法专家咨询表 |
| 附录3 第三轮德尔菲法专家咨询表 |
| 附录4 青海省农牧社区雪灾减灾能力评估 |
| 附录5 |
| 附录6 青海农牧区雪灾减灾能力现状调查问卷 |
| 附录7 青海农牧社区雪灾减灾能力公众评判 |
（5）机器学习在强对流监测预报中的应用进展（论文提纲范文）
| 引言 |
| 1 机器学习在强对流监测中的应用 |
| 1.1 云和降水分类 |
| 1.2 定量降水估计与监测 |
| 1.3 冰雹和雷暴大风监测 |
| 1.4 风暴识别和追踪 |
| 1.5 深度学习在强对流监测中的应用 |
| 2 机器学习在强对流临近预报中的应用 |
| 2.1 基于雷达回波的外推预报 |
| 2.2 基于静止气象卫星资料的临近预报 |
| 2.3 综合多源资料的临近预报 |
| 2.4 深度学习在临近预报中的应用 |
| 3 机器学习在强对流短时和短期预报中的应用 |
| 3.1 基于探空观测的潜势预报 |
| 3.2 基于全球数值预报模式的潜势预报 |
| 3.3 基于高分辨率数值预报模式的强对流天气预报 |
| 3.4 深度学习在强对流短时和短期预报中的应用 |
| 4 存在的问题和未来发展 |
| 4.1 存在的问题 |
| 4.2 未来发展 |
| 5 结论 |
（6）新疆天山两侧冰雹外场探测和预报预警指标研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景、目的和意义 |
| 1.2 冰雹外场试验的研究进展 |
| 1.2.1 冰雹大规模外场试验的开展 |
| 1.2.2 基于外场试验对冰雹云三维气流结构的研究 |
| 1.3 环境参数在冰雹预报研究中的应用现状 |
| 1.3.1 环境参数在欧洲冰雹预报研究中的应用现状 |
| 1.3.2 环境参数在美国冰雹预报研究的应用现状 |
| 1.3.3 环境参数在中国冰雹预报研究中的应用现状 |
| 1.3.4 其它地区环境参数在冰雹预报研究中的应用现状 |
| 1.4 冰雹雷达参数预警指标的研究现状 |
| 1.5 论文研究内容及研究目标 |
| 第二章 研究区概况与外场试验设计 |
| 2.1 研究区概述 |
| 2.1.1 地理概况 |
| 2.1.2 新疆冰雹的时空分布 |
| 2.1.3 新疆冰雹灾害的时空分布 |
| 2.2 TK-2A GPS探测火箭系统简介及试验方案设计 |
| 2.2.1 TK-2A GPS探测火箭系统简介 |
| 2.2.2 外场探测试验方案设计 |
| 2.2.3 外场试验中冰雹云特征参量的计算方法与公式 |
| 2.3 资料及预处理 |
| 2.3.1 多普勒雷达探测数据 |
| 2.3.2 多普勒雷达探测数据的预处理 |
| 2.3.3 冰雹云的识别 |
| 2.4 本章小节 |
| 第三章 典型雹暴事件的对流层中低层火箭下投式探测 |
| 3.1 典型雹暴的雷达回波和环境场特征 |
| 3.2 典型雹暴探测过程 |
| 3.3 探测结果分析 |
| 3.3.1 水汽条件 |
| 3.3.2 风的垂直分布 |
| 3.3.3 稳定度 |
| 3.4 本章小结 |
| 第四章 天山两侧成灾冰雹的预报指标研究 |
| 4.1 成灾冰雹预报参数的确定与特征分析 |
| 4.1.1 邻近探空标准 |
| 4.1.2 成灾冰雹个例统计 |
| 4.1.3 环境参数梳理 |
| 4.1.4 成灾冰雹的环境参数特征 |
| 4.2 预报参数特征南北差异的可能原因 |
| 4.3 成灾冰雹的预报指标研究 |
| 4.4 成灾冰雹预报指标的检验 |
| 4.5 本章小结 |
| 第五章 天山两侧成灾雹云的雷达参数预警指标研究 |
| 5.1 资料与方法 |
| 5.1.1 雷达探测资料 |
| 5.1.2 雷达参数的确定 |
| 5.2 成灾雹云的雷达参数特征 |
| 5.2.1 降雹前 30 min分钟成灾雹云的雷达参数特征 |
| 5.2.2 降雹前18 min成灾雹云的雷达参数特征 |
| 5.2.3 降雹时成灾雹云的雷达参数特征 |
| 5.2.4 成灾雹云雷达参数的演变特征 |
| 5.3 成灾雹云的雷达参数预警指标 |
| 5.3.1 降雹前30 min成灾雹云的雷达参数预警指标 |
| 5.3.2 降雹前18 min成灾雹云的雷达参数预警指标 |
| 5.4 成灾雹云预警指标的检验 |
| 5.4.1 降雹前30 min成灾雹云雷达参数预警指标的检验 |
| 5.4.2 降雹前18 min成灾雹云雷达参数预警指标的检验 |
| 5.5 成灾冰雹预报预警指标体系的构建 |
| 5.6 本章小结 |
| 第六章 总结与讨论 |
| 6.1 全文总结 |
| 6.2 论文特色与创新点 |
| 6.3 不足与下一步计划 |
| 参考文献 |
| 在学期间的研究成果 |
| 致谢 |
（7）河南省分类强对流天气概率预报方法研究与应用（论文提纲范文）
| 引 言 |
| 1 资料来源与技术方法 |
| 1.1 资料来源 |
| 1.2 研究方法 |
| 1.2.1 邻(临)近原则 |
| (1)“空间邻近”原则： |
| (2)“时间临近”原则： |
| 1.2.2 滑动平均 |
| 1.2.3 模糊偏差矩阵评价方法 |
| (1)构建相对偏差模糊矩阵 |
| (2)采用变异系数法，确定各评价指标的权重 |
| (3)确定环境参数在方案中的权重 |
| 1.2.4 检验方法 |
| (1)TS评分 |
| (2)空报率FAR |
| (3)漏报率MAR |
| (4)命中率POD |
| (5)预报偏差BIAS |
| 2 研究结果 |
| 2.1 分类强对流天气概率预报方法构建 |
| 2.2 分类强对流天气概率预报产品研发 |
| 3 业务应用效果检验 |
| 3.1 2018年业务应用效果检验 |
| 3.1.1 分类强对流概率预报产品检验 |
| 3.1.2 优势概率预报产品检验 |
| 3.2 2018年典型个例检验 |
| 3.2.1 2018年8月18日“温比亚”台风过程中短时强降水 |
| 3.2.2 2018年6月13日河南北中部雷暴大风、冰雹强对流天气 |
| 4 结论与讨论 |
（9）基于数值模式产品的广西冰雹客观预报方法研究（论文提纲范文）
| 引 言 |
| 1 资料及相关技术定义 |
| 2 环流特征 |
| 3 关键物理量参数选取及冰雹预报指标确定 |
| (1)不稳定能量指标 |
| (2)水汽条件指标 |
| (3)对流触发指标 |
| (4)垂直风切变指标 |
| (5)0 ℃层和-20 ℃层高度 |
| 4 预报方法 |
| 5 预报效果检验 |
| 6 结论与讨论 |
（10）中国当代强对流天气研究与业务进展（论文提纲范文）
| 1 引言 |
| 2 雷暴和强对流天气产生的有利条件 |
| 2.1 雷暴和强对流的环境背景 |
| 2.2 雷暴和强对流的抬升触发机制 |
| 3 强对流系统的组织形态 |
| 3.1 超级单体风暴 |
| 3.2 飑线与弓形回波 |
| 3.3 中尺度对流系统 |
| 4 强对流天气和预报 |
| 4.1 强冰雹 |
| 4.2 下击暴流和雷暴大风 |
| 4.3 龙卷 |
| 4.4 强对流天气预报 |
| 5 中央气象台强对流天气业务进展 |
| 5.1 业务发展历史和成效 |
| 5.2 客观支撑技术 |
| 6 总结和展望 |
四、利用气象数值产品研究冰雹的短期预报（论文参考文献）
- [1]机器学习在气象领域的应用现状与展望[J]. 杜智涛,姜明波,杜晓勇,周育峰,王鹏宇,张志标. 气象科技, 2021(06)
- [2]从一次冰雹过程看冰雹快速预警的有效方法[J]. 张雪慧,田德宝,陈江勇,倪婷婷,宋刘明,冯瑜骅. 科技通报, 2021
- [3]基于深度卷积神经网络的强对流天气预报方法研究[D]. 周康辉. 中国气象科学研究院, 2021
- [4]基于情景分析的青海农牧社区减灾能力建设研究[D]. 邓彩霞. 兰州大学, 2021(09)
- [5]机器学习在强对流监测预报中的应用进展[J]. 周康辉,郑永光,韩雷,董万胜. 气象, 2021(03)
- [6]新疆天山两侧冰雹外场探测和预报预警指标研究[D]. 王昀. 兰州大学, 2021(09)
- [7]河南省分类强对流天气概率预报方法研究与应用[J]. 牛淑贞,张一平,王迪,曾明剑,袁小超,郝晓珍. 气象与环境科学, 2021(01)
- [8]人工智能在极端天气的应用综述[J]. 李婧,何贞铭,徐佳琪,王晶晶,陈昊. 科技与创新, 2020(23)
- [9]基于数值模式产品的广西冰雹客观预报方法研究[J]. 莫丽霞,高宪权,欧徽宁,周云霞,梁维亮. 干旱气象, 2020(03)
- [10]中国当代强对流天气研究与业务进展[J]. 俞小鼎,郑永光. 气象学报, 2020(03)