一、民航621数值预报产品应用分析(论文文献综述)
王峰云,张小兵[1](2021)在《民航气象技术进步与创新发展》文中认为2012年起,民航气象部门与行业用户共同探索基于气象条件的运行协调决策机制CDM和大面积航班延误应急响应机制MDRS,为民航运行决策提供基于天气影响的预警预报与服务,至此,民航气象业务总体上实现了"点—点+线—点线面"的跨越,并实现了分级协同的预警预报服务模式。
陈雄壮,刘远方,李娟,王宏伟,祁振兴[2](2020)在《广西民航气象发展回顾及展望》文中研究说明回顾了六十多年来广西民航气象业务发展历史,在民航发展不同时期完成的科研成果,指出广西民航气象部门的业务发展和设备建设基本与中国民航气象发展同步,扼要介绍了各时期气象工作者的科技成果,总结了广西民航气象部门发展存在的不足,提出了未来航空气象服务产品精细化、智能化发展的方向,对加强广西民航气象的设备建设、行业交流、科技创新,提高预报水平和服务品质提出了展望。
徐文霜[3](2020)在《乌鲁木齐地窝堡机场飞机积冰气象条件分析及其个例模拟》文中研究说明飞机积冰对航空飞行造成了严重的安全威胁,它使飞机的空气动力性能变差,升力减小,阻力增大,影响飞机的稳定性和可操纵性,易导致飞机失事。为了探明起降于某一机场的民航飞机积冰发生特点和大气背景,准确预警预报其发生的气象条件,及时为防灾避灾提供决策建议。本文根据2018年起落于乌鲁木齐地窝堡机场的民航客机所提供的20例飞机积冰话音报告,结合覆盖各积冰发生过程的NCEP气象再分析资料,对飞机积冰特征进行了分析;在此基础上,对各积冰过程发生的大气环流形势进行分型;选取积冰发生概率最高的三种天气型的典型积冰个例,利用WRF数值模式对其发生大气背景进行了高分辨率的数值模拟,诊断分析了这些积冰过程发生的气象条件;筛选出发生程度最严重的一次积冰过程,运用WRF模式,进行了数值模拟试验,根据模式输出的大气物理量场,探讨了积冰产生的主要大气物理背景。研究飞机积冰发生规律及其形成机制、积冰潜势条件预报预警和民航飞行安全气象保障具有重要的参考价值。本研究的主要结论如下:(1)积冰发生特征的分析显示:2018年起落于地窝堡机场的民航客机的积冰具有明显的季节特点,70%的积冰过程发生在春秋两季,积冰发生时的飞行高度为2000-9000m;导致飞机积冰的大气环流形势大致可分为五种类型:西风槽型、冷锋型、中亚低涡型、急流型和对流云型。其中西风槽型占总积冰过程的45%、冷锋型占20%、中亚低涡型占15%,急流型和对流云型出现概率均小于12%,两者合占20%。(2)对各种天气型的积冰指数模拟发现,急流型积冰的平均强度高达80.02,易产生重度积冰;西风槽型、冷锋型和对流云型飞机积冰的平均强度指数分别为66.67、72.56、70.13,易产生中度积冰;中亚低涡型的平均积冰强度为41.63,易产生轻度积冰。(3)对发生概率最高的三种天气型积冰过程的大气背景模拟表明:西风槽型积冰过程主要受大气热力条件影响,冷锋型积冰受水汽条件影响最大,而中亚低涡型积冰则受大气动力条件影响最明显。冷锋型的积冰层高度高,在4~8km之间,云水含量大于0.04g/kg;西风槽型和中亚低涡型的积冰高度低,在1~5km,云水含量大于0.1g/kg;三者的过冷水分布区较连续。冷锋型积冰的云顶温度在-30℃以下,西风槽型和中亚低涡型积冰的云顶温度均在-20℃以上。(4)分析发生程度最严重的一次积冰过程(最大积冰指数达80.0以上)的大气物理背景后发现,飞机起飞前、飞行前期和中期的温度和湿度条件都十分有利于飞机积冰的产生,其中低层温度在-12~-2℃之间,低层相对湿度在90%以上,中高层水汽在50%左右,积冰发生时云顶温度在-30℃以下,云热力条件在中低层有利于过冷水滴的形成;航班起飞后前段和后段飞行高度上的云水含量变化于0.50~0.60g/kg之间,非常有利于积冰的形成。
张迪[4](2020)在《A地区空管局质量安全绩效评价研究》文中指出为推进民航高质量发展,空管单位作为民航系统最重要的运行保障单位,对空管服务的质量提出了更高的要求。空管单位质量安全绩效体现了空管单位质量安全水平,因此,对空管单位进行质量安全绩效评价,找出质量安全工作中的薄弱环节,为其提升质量安全绩效提供依据。首先,结合空管服务的特点,界定了空管单位质量安全绩效的内涵。在此基础上,借鉴卓越绩效准则并结合质量管理体系和安全管理体系的要素以及文献分析确定了领导、策划、空管的相关方、空管资源、空管运行过程管理、测量分析和改进、空管运行结果7个一级评价指标,管理层的承诺、风险管理、应急管理、空管运行安全结果等25个二级评价指标以及管理层对质量安全的强调情况、危险源库的建立及更新情况等59个三级评价指标的空管单位质量安全绩效评价指标体系。并结合隶属度分析和信效度检验对指标进行了验证。然后,运用模糊决策实验室分析法确定了一级评价指标和二级评价指标的权重,一级评价指标中,领导(0.171)对质量安全绩效的影响最为显着,其次为空管运行过程管理(0.170)、空管运行结果(0.165)、策划(0.157)、空管资源(0.151)、测量、分析和改进(0.126)和空管的相关方(0.060),二级评价指标中,影响质量安全绩效的主要为空管运行安全结果(0.129)、空管人员(0.089)、风险管理(0.074)、空管服务的提供(0.064)和质量安全目标及其实现的策划(0.063)。运用OWA算子确定了三级评价指标的权重。最后,基于云模型结合物元可拓理论构建了空管单位质量安全绩效评价模型,并利用该模型对A地区空管局的质量安全绩效进行了评价,评价结果表明该单位的质量安全绩效等级为较好,验证了所构建的空管单位质量安全绩效评价模型的合理性。
王楠,朱蕾,周建军,刘倩,杨洪儒[5](2020)在《基于EC细网格产品在乌鲁木齐机场低能见度预测中的释用》文中认为利用2015—2018年乌鲁木齐机场航空例行天气报告(METAR报)、ECMWF(European Centre for Medium-Range Weather Forecasting)细网格数值预报产品对影响能见度的主要因子进行分析,提取与低能见度相关性高的物理量作为预报因子,采用SVM方法,分别基于Poly、RBF核函数建立乌鲁木齐机场未来21 h能见度预报模型。结果表明:(1)基于预报因子区间分类的SVM模型物理意义明确,试验结果较好;以RBF为函数建立的SVM模型(SVM-RBF)预报能力更好,其训练样本预测的TS评分0.84,准确率89.20%。(2)SVM-RBF模型的检验样本中,预报准确样本的预报误差整体偏小;在漏报样本中则有能见度越低、预报误差越大的特点,模型的振荡性明显。(3)结合NCEP/NCAR再分析资料研究SVM-RBF模型对天气过程的预报表现,发现模型对于特定天气形势下引发的低能见度天气,预报误差较小且预报提前量较大。
杜晖[6](2020)在《河套周边地区云量精细化预报方法研究》文中提出云是一种常见的天气现象,云量的细微变化都有可能对天气系统的演变和发展产生较大的影响。云还直接影响航空航天活动,一直以来是空军和民航部门非常关注的天气现象之一。河套周边地区是我国重要的工业、军事区域,研究和掌握该地区云的变化特征和地方性规律,提供云量的精细化预报,提高云量的预报准确率,对该地区人们的日常生活、农业生产、以及军事活动等方面都有非常重要的现实意义。本文利用地面报文数据(MICAPS格式)、欧洲数值预报中心再分析资料(ERA-Interim)以及全球天气预报系统(GFS)预报场数据,统计分析了河套周边地区39个站点的云量在不同时间尺度上的变化特征,并从云量的生消机制角度出发构造了河套周边地区云量的5类预报因子,探究了影响总云量、低云量、对流云量的主要因子。在此基础上,利用多元逐步回归预报方法建立了总云量、低云量、对流云量的时间精细化预报模型,采用动态时变参数方法即自适应最小二乘回归以及自适应递推卡尔曼滤波方法对逐步回归方程建立了动态回归系数。本文还利用了反向传播(BP)神经网络预报算法、最小二乘支持向量机回归(LSSVM)预报算法以及Elman递归神经网络算法这三种机器学习和非线性预报模型对云量进行了预报研究。最后在几种预报模型的基础上,以总云量为例,采用简单集合平均(EMN)、消除偏差集合平均(BREM)、加权消除偏差集合(WBREM)、超级集合平均(SUP)等方法建立了集合预报模型,并利用独立样本检验模型效果。主要研究结果如下:(1)河套周边地区云量的年变化特征为:1979-2013年总云量、低云量观测值与ERA-Interim均呈南高北低分布。低云量观测值的分布特征与ERA-Interim更为一致,从西北到东南方向云量逐渐增多,ERA-Interim值低于观测值。1979-2018年之间的ERA-Interim云量Sen’s的趋势分布特征为:西部地区均有增多,尤其是西南地区,总云量和低云量Sen’s的趋势为10-1/10年(%)以上,且低云量增加趋势大于总云量;而东南部表现为总低云量减少趋势为-15×10-2/10年(%),中东部地区的云量略减少。(2)影响云量的预报因子主要为水汽类预报因子、GFS模式直接输出的云类预报因子和大气不稳定度类因子,对流云量和预报因子的相关性弱于总云量和低云量。39个站点逐步回归预报模型中水汽类预报因子和GFS模式直接输出的云类预报因子引入频次也最高,整层相对湿度引入频数最多,超过200次。(3)通过对GFS预报场进行释用,逐步回归预报方法得到的总云量预报值比模式直接输出的预报准确率有明显的提高,低云量的改进效果最大,西北部地区的平均订正能力在20%以上。利用自适应线性LS预报方法对总云量、低云量、对流云的预报效果明显优于自适应递推Kalman滤波方法。(4)三种非线性预报方法经过主成分提取后进行回代,结果和预报相差较小,回代和预报的平均绝对误差均随预报时效逐渐增大,对流云平均回代误差和预报误差最小,基本在10%以下。LSSVM预报模型对云量的回代拟合优度略好于其它两种神经网络预报模型。三种非线性预报模型对对流云量预报的时空差异较大。三种非线性预报模型的预报值和实况值的相关性相较于多元逐步回归预报方法,总云量、低云量、对流云量的预报值和实况的相关性明显加强。(5)几种预报方法能够明显地提高少云和多云天空状况下预报值的击中率,自适应LS方法最优(少云击中率平均提高24%,多云击中率平均提高34%)。在阴天状况下自适应递推Kalman滤波方法具有最高的击中率。(6)对比线性预报方法、非线性预报方法以及四种集合预报方法的总云量预报结果,不同方法对总云量的预报能力有所不同。自适应线性LS回归方法具有较高的预报技巧,平均绝对误差在20%左右,自适应递推Kalman滤波方法表现最差,经过集合预报,四种集合预报模型较原来有明显提升,优于单个预报方法,且集合预报模型中超级集合预报SUP预报技巧最高。总之,本文探讨了河套周边地区的云量区域精细化预报,能够为从事数值预报产品精细化释用的人员提供借鉴,亦为从事气象服务的当地业务人员提供参考。
柏友芹[7](2019)在《置顶信息公司竞争战略选择研究》文中指出随着中国经济的高速发展,中国民用航空产业的规模也随之不断扩张。中国民航局2018年正式提出建设航空强国的战略目标,并认为21世纪前20年是实现这一目标的重要时期。据民航局有关部门估计:到2020年,我国民航业将成为继美国之后的世界第二大民航市场,中国民航业信息化方面投入将达23.92亿元,其中硬件设备12.28亿元,软件及其配套5.46亿元,信息技术服务6.18亿元。中国民航信息化管理系统建设有较大发展空间。置顶信息公司成立于2008年,是专业从事民航航空业务相关的IT技术与系统的研发,为民航用户提供完整的业务解决方案、大型数据中心和系统集成服务。如何在激烈的市场竞争中找到适合企业发展的道路,是置顶信息公司经营管理的焦点之一。基于此,本文结合置顶信息公司实际发展情况,进行竞争战略选择研究,并提出相应的实施方案与保障措施。本文首先采用PEST分析模型对置顶信息公司所处的宏观环境进行分析,又采用波特“五力”模型对国内IT行业、民航信息化市场环境进行分析,确定了公司的外部机会,如国内经济环境转暖、行业软件信息化技术更新与系统提升、国内相关政策的支持与国际相关环境的改善、民航信息核心技术与设备的国产化等。同时本文也分析了公司面对的外部威胁,包括软件信息化行业人才供不应求、人员成本上升、同行业大型央企的竞争等。本文通过对竞争对手的分析,明确了置顶信息公司的行业竞争地位和综合实力。同时,通过外部环境评价矩阵与内部环境评价矩阵的分析,本文得出了置顶信息公司,在利用外部环境机会和回避外部威胁方面高于行业平均水平,公司内部优势影响远远大于其内部劣势。本文通过SWOT分析法,得出了置顶信息公司备选竞争战略,并且对备选战略进行识别与分析。经过适用性、可行性、可接受性,三个方面的定性评价,并依据定量战略计划矩阵的方法,本文最终选择了最适合置顶信息公司的差异化竞争战略。差异化竞争战略从产品设计、实施与售后、市场营销三个方面实施。实施保障的措施包括:加强企业文件建设、做好人力资源管理、提升市场营销能力、提升财务管理能力、提高管理创新能力。希望本文提出的差异化竞争战略及其保障措施,将有助于提高置顶信息公司市场竞争力,也为民航行业的IT科技类中小企业提供一定的借鉴与参考。
张成伟[8](2019)在《新一代静止卫星葵花-8的云分类研究及其应用》文中研究说明云在天气系统演变以及气候变化等方面发挥着极其重要的作用,它不仅决定性地影响全球辐射能量平衡,也影响全球水汽输送。云的类型对于天气的状况和未来的发展变化有着明确的指示意义,如积雨云之类的对流云与大气不稳定性、湍流和雷暴有关。准确的云检测和云分类对水文、气候、天气等研究和应用有着重要意义。为有效提升保障华南区域航空安全与效率的能力,需要实现全天时高时空分辨率客观化定量化的云类和降水反演。随着计算性能的提升和海量数据的不断积累,反演算法已从线性数学、数理统计向人工智能的机器学习、深度学习发展。近年来投入业务使用的新一代静止卫星如葵花-8提供了更精细的时空分辨率和更多的光谱通道,是否有利于云类和降水的反演值得深入研究。有如下几个问题需要尝试解决:1)机器学习算法高度依赖于已标记好的真值样本,但云型分类真值样本稀缺;2)过去使用旧代卫星反演夜间云和降水的效果明显不如白天,使用葵花-8能否得到改善;3)现有的一些静止卫星云分类产品所需外部依赖资料繁多、耗时长,业务应用困难。基于葵花-8的光谱通道对于云的辐射特性,本文研究实现了如何结合CloudSat的云类别廓线产品反演全天时云类,和如何结合地面雨量站反演降水强度的方法。通过与独立数据的对比检验,表明本文得到的全天时云分类和降水分布结果合理可靠,夜间效果与白天基本一致,而且最终得到的算法外部资料依赖少,运算速度极快,非常适合应用于业务监测。不过算法对于大雨尤其是暴雨存在低估,需要在以后的研究中改进。全文主要内容如下:1、将CloudSat的云类别廓线产品作为云分类的真值,通过和葵花-8图像匹配样本、基于最大似然估计和随机森林等统计和机器学习算法、检验Nida台风案例结果,并讨论分析定量和定性存在矛盾的原因,得到了4个可分别用于白天和夜间的分类器。结果表明,有可见光的情况下的两种算法整体准确率都要比不使用可见光高出许多,最大似然估计算法从夜间最佳的78.95%提升到白天最佳的87.38%,而随机森林算法则从85.23%提升到94.23%。单纯从定量分析的角度看,随机森林比最大似然估计算法明显准确率要更高,夜间随机森林的准确率甚至已经和白天的最大似然估计效果相近。尤其是对于卷云的识别,随机森林的表现明显更为优秀。然而,从云分类结果图上看,明显最大似然法更合理。分析表明随机森林算法严格按照训练样本的自身分布去拟合决策树模型,因此对数据的质量更为敏感,如实反映样本缺陷。2、考虑到云类本身在光谱空间的聚类特性,而最大似然估计分类器通过多次聚类迭代运算——事实上对错误样本进行了纠偏订正——是合理的。提出了结合最大似然估计算法和随机森林算法的全天时云分类方法。通过与美国海洋和大气管理局业务云类产品的对比检验证明,该方法能充分发挥新一代静止卫星更多光谱通道的优势,也对样本本身可能存在的错误具备较高的容忍度,尤其是夜间云分类能做到接近白天的水平。该分类器运算速度极快,而且使用时只需要用葵花-8的数据,便于业务化推广应用。3、使用地面雨量计降水量作为真值来估计葵花-8降水等级,并与GPM(Global Precipitation Measurement)降水反演产品和地面雨量计进行了验证。由于用于建模、反演和检验的资料是高时空分辨率的(卫星图像保持0.025°的分辨率信息,实测降雨资料为10分钟雨量计降水),保证了该方法可以实现高精度的降雨反演。通过充足样本建立了较为合理的降水概率判识矩阵,因而能够比较准确地划分雨区与非雨区。结合云分类的结果进一步分析降水样本和云类的关系,实现了基于云分类结果和随机森林来反演降水等级的方法,得到了全天时一致的降水强度分类器。该分类器使用基于样本雨量平均值得到的判据来反演降水等级,分布与GPM产品大致一致,部分等级降水甚至比GPM产品略好。GPM校准降水资料一般要比探测时间落后3—4个月才发布,无法用于业务应用,分辨率也较粗,而本文提出的方法在时空分辨率和及时性上都是很大的优势。
王智[9](2016)在《精细化风场模拟在低空风切变告警系统中的应用》文中进行了进一步梳理低空风切变是世界公认的危害航空安全的重要天气现象之一。为了预防低空风切变对飞行造成的危害,最早由美国开发的低空风切变告警系统(LLWAS)以其可靠的预报精度在美国本土以及世界上其他一些国家、地区得到了广泛应用。但是由于种种客观原因,该系统未在我国大陆地区得到广泛应用。近几年来,随着国内航班密度不断增加,风切变对机场航班运行的影响越来越严重,不仅增大了运行保障部门工作负荷,更为飞行安全埋下了隐患。设计我国自己的低空风切变告警系统的需求变得越来越迫切。一套完整的低空风切变告警系统,其预报精度不仅取决于传感器的精度,合理的测风站阵列布局也至关重要。由于目前我国低空风切变告警系统仍处于研发阶段,各方面技术还不成熟,系统测试时实地布设测风站费事费力,还有可能造成资源浪费,有必要引入计算机仿真技术实现布点方案辅助设计。本文采用最新一代中尺度天气预报模式(Weather Research and Forecast,WRF),通过动力降尺度的方法与计算流体力学(CFD)软件FLUENT耦合的方法建立了精细风场模型。选取兰州中川机场作为研究对象,设计了一系列模拟实验,验证了该模型的可靠性。建立了中川机场周围的三维地形模型,模拟了2015年4月一周的风场情况,通过对比实测数据,表明该耦合模式对复杂地形机场区域风场模拟效果较好。随后对发生在2015年的典型的8次风切变事件进行模拟,其中5次较好的模拟出风切变发生,证明了耦合模式可以满足对风切变模拟要求。并以9月19日的风切变为例进行了详细分析论述。最后,对美国低空风切变系统的基本原理以及测风站布点原则进行了详细介绍,提出了一套用于低空风切变告警系统选址评估的方法,并设计了三组布点方案的对比试验,通过在耦合精细风场模型中进行仿真验证,对三个方案进行了评价,说明该方法可以应用于为低空风切变告警系统的布点评估。
曾淑玲[10](2012)在《三类航危天气预报技术及业务系统研究》文中研究表明从上世纪20年代起,航空气象保障就逐渐得到国内外航空公司和气象科技工作者的广泛关注,这主要是因为天气是影响航空安全、正常与效率的最重要因素之一,给航空企业和飞行员提供及时、准确的天气预报,进而提升飞行的安全性是航空气象服务的职责和任务。航空工业的迅猛发展,对航空气象服务提出了更新更高的要求。在诸多的天气因素中,雷暴被称为夏季飞行安全的杀手;雾造成的低能见度常造成机场关闭;风是对飞行影响最大的气象要素,大风可影响飞机正常起降并损坏机场设施。因此,关于这三类典型航空危险性天气的短期预报技术进行深入研究,对于进一步提高航空气象预报业务能力具有重要的现实意义。本论文首先分析了近30年我国三类航危天气的时空分布特征并总结其主要天气型,为了解其气候概率、发生机制以及提高预报水平提供有效的支持;然后通过深入分析三类航危天气的主要物理因子,采用事件概率回归和BP神经网络两种方法建立了三类航危天气的动力-统计预报模型,并对模型的预报性能进行了检验和比较;最后基于软件开发技术构建了能够用于航空气象服务的三类航危天气短期预报业务化系统,目前已投入准业务化运行。主要研究结果如下:1、在极端天气气候事件增多的大背景下,研究表明,我国大陆雷暴、雾霾和大风存在不同的时空变化特征。我国雷暴高发区主要位于东南沿海、华南、西南以及青藏高原东部地区,近30年来雷暴日数经历了两个相对多发期和一个相对少发期。雾在我国南方和沿海地区频发,多雾地区主要分布在辽东半岛、山东半岛沿海、福建西北及沿海、江浙沿海、四川盆地以及云南西南部,长江以南地区的雾日数明显多于长江以北地区。近30年来大雾日数整体呈现出减少的趋势,而轻雾日数呈增加趋势。霾日数具有东多西少的空间分布特征,东部地区的霾集中在三个多发区,分别为长江中下游、华北和华南地区;2001年以后霾日数呈现出增加的趋势。大风主要出现在北方地区,频发区主要位于新疆北部、内蒙古中西部、青藏高原东部以及东部沿海区域。2、通过统计分析,筛选出了不同预报对象的主要影响物理因子。雷暴预报方程中贡献大的因子反映了水汽含量、动力条件和不稳定能量。雾霾预报方程中的因子主要有水汽含量、全风速、垂直速度和稳定度指数等。大风预报方程中的因子主要有模式输出的U、V分量及对流层中下层的全风速,其次为垂直速度,槽的强度、温度和涡度平流也在方程中占较大比重。3、针对全国不同站点,分别建立了基于线性回归理论的三类航危天气事件概率回归预报模型,并对其预报性能进行了检验。对于三类天气,TS评分值在不同区域和不同预报时效均高于气候概率值。雷暴在华南、东部沿海和东北地区预报效果相比其他地区更好。对水平能见度小于10km的雾霾天气,预报评分的空间分布随季节变化而不同,预报效果较好的站点在春季主要分布在西北东南部、华北南部、黄淮东部和江淮中东部;夏季主要分布在两大区域,分别是东北地区南部、华北地区和江南中西部、华南中西部地区;秋冬季分布在东北地区南部、华北地区、黄淮地区以及江淮东部;且冬季在东南沿海、华南预报效果好于秋季。对水平能见度小于1km的雾,预报评分和其气候概率空间分布有较好的一致性,预报评分在东北地区南部、黄淮、江南东部以及西南地区较高。大风天气的预报评分在北方地区整体较高,秋季在东南沿海具有较高的评分。4、针对全国不同站点,分别建立了基于非线性动力系统的三类航危天气BP神经网络预报模型,检验了其预报性能并与事件概率回归预报模型进行对比。整体来看,由于输入端预报因子相同,两种预报模型试预报评分的空间分布基本一致。对于雷暴天气,随着预报时效的延长,预报评分明显减小,夜晚的评分较白天偏低,且神经网络预报模型效果明显好于事件概率回归预报模型,在白天的预报时段内更为明显。雾霾神经网络模型对水平能见度小于1km雾的预报好于事件概率回归预报模型。对于大风天气,事件概率回归模型预报效果更好。个例预报分析表明两种预报模型对于三类天气的区域性特征的预报与实况都有较好的一致性。5、三类航危天气短期业务预报系统的建立及准业务化运行。针对当前航空气象业务保障中短期预报任务特点和预报需求,综合利用数值预报产品释用技术和软件开发技术,开发了三类航危天气短期业务化预报系统。系统设计共分为五个模块,分别是预报模型构建模块、数据采集入库模块、基本要素和特征物理量计算入库模块、预报数据自动生成模块和预报信息显示模块。本系统实现了数据自动下载入库、单要素或多要素、单一时间或历史上某一时间段的自动预报、地理信息数据接入、预报结果图形化显示等多个功能。本预报系统具有建模方法先进、客观化与自动化程度高、操作简便等优点,可以辅助预报员高效客观地完成三类航危天气短期预报的制作。目前本系统已集成到航空气象灾害预报支持服务系统进行准业务化运行。
二、民航621数值预报产品应用分析(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、民航621数值预报产品应用分析(论文提纲范文)
(1)民航气象技术进步与创新发展(论文提纲范文)
1 民航气象业务进展 |
1.1 民航气象发展回顾 |
1.2 民航气象的目标与职责 |
1.3 民航气象预报技术进展 |
1.4 民航气象国际交流与合作 |
2 民航气象服务创新与探索 |
3 民航气象服务发展方向 |
3.1 ASBU的航空气象信息 |
3.2 SWIM中的气象信息 |
3.3 基于航迹运行(TBO)中的航空气象服务 |
4 结语 |
深入阅读 |
(2)广西民航气象发展回顾及展望(论文提纲范文)
引言 |
1 广西民航气象业务发展回顾 |
1.1 广西民航气象建制历史 |
1.2 主要气象设备发展回顾 |
1.2.1 观测设备的发展 |
(1)常规观测设备 |
(2)自动观测设备 |
1.2.2 探测雷达和卫星云图设备的发展 |
(1)探测雷达设备 |
(2)卫星云图设备 |
1.2.4 气象传输和信息设备的发展 |
1.3 气象观测业务发展回顾 |
1.3.1 观测业务的发展 |
1.3.2 历史观测资料 |
1.4 气象预报业务发展回顾 |
2 广西民航气象科技发展回顾 |
3 结论与展望 |
3.1 研究结论 |
3.2 存在问题 |
(1)气象设备配备不足 |
(2)气象服务存在不足 |
(3)气象科技创新力度不够 |
(4)航空气象行业间交流不多 |
3.3 未来展望 |
(1)加强探测设备及信息系统建设 |
(2)提升航空气象服务能力 |
(3)推动航空气象创新工作 |
(4)加强广西气象行业交流 |
(3)乌鲁木齐地窝堡机场飞机积冰气象条件分析及其个例模拟(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景 |
1.2 国内外研究进展 |
1.2.1 积冰环境特征参数研究 |
1.2.2 积冰预报理论方法研究 |
1.2.3 遥感技术探测飞机积冰研究 |
1.2.4 飞机积冰数值模拟研究 |
1.3 研究目的和意义 |
1.4 研究内容和技术路线图 |
第二章 资料与方法 |
2.1 研究区概况 |
2.2 资料来源 |
2.3 研究方法 |
2.3.1 积冰指数的定义 |
2.4 WRF模式及模拟方案介绍 |
2.4.1 WRF模式简介 |
2.4.2 模式设置 |
第三章 2018年新疆地窝堡机场飞机积冰统计特征及其天气型 |
3.1 2018年积冰发生过程的统计特征分析 |
3.2 积冰过程发生的大气环流分型 |
3.2.1 冷锋型 |
3.2.2 西风槽型 |
3.2.3 中亚低涡型 |
3.2.4 急流型 |
3.2.5 对流云型 |
3.3 本章小结 |
第四章 积冰指数统计分析及三种主要天气型下飞机积冰发生的气象条件分析 |
4.1 基于WRF模式对20个个例积冰指数的模拟与分析 |
4.2 积冰过程简介 |
4.3 利用Ic积冰指数对积冰区域进行验证 |
4.4 积冰气象条件的诊断分析 |
4.4.1 水汽条件 |
4.4.2 热力条件 |
4.4.3 动力条件 |
4.4.4 云物理条件 |
4.5 本章小结 |
第五章 2018年一次最严重积冰过程诊断分析 |
5.1 积冰过程简介 |
5.2 积冰过程关键物理量分析 |
5.2.1 积冰指数Ic分析 |
5.2.2 中低层温场分析 |
5.2.3 相对湿度场分析 |
5.3 云物理条件分析 |
5.3.1 云顶温度场分析 |
5.3.2 云水含量场分析 |
5.4 本章小结 |
第六章 结论与展望 |
6.1 主要研究结论 |
6.2 本文特色与创新点 |
6.3 不足与展望 |
参考文献 |
作者简介 |
致谢 |
(4)A地区空管局质量安全绩效评价研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究现状 |
1.2.1 质量安全绩效评价指标体系的研究现状 |
1.2.2 质量安全绩效评价方法的研究现状 |
1.2.3 小结 |
1.3 研究内容和方法 |
1.3.1 研究内容 |
1.3.2 研究方法 |
1.4 技术路线 |
第二章 空管单位质量安全绩效评价指标体系的构建 |
2.1 空管单位质量安全绩效内涵的确定 |
2.1.1 绩效内涵 |
2.1.2 空管单位质量安全内涵 |
2.1.3 空管单位质量安全绩效内涵 |
2.2 空管单位质量安全绩效评价指标体系的初步建立 |
2.2.1 评价指标体系的建立思路 |
2.2.2 评价指标体系的初步建立 |
2.3 空管单位质量安全绩效评价指标体系的确定 |
2.3.1 调查问卷的设计 |
2.3.2 描述性统计分析 |
2.3.3 隶属度分析和信效度检验 |
2.3.4 空管单位质量安全绩效评价指标体系 |
2.4 本章小结 |
第三章 空管单位质量安全绩效评价模型的构建 |
3.1 评价方法的选择 |
3.2 云物元模型综合评价步骤 |
3.3 基于云物元理论的空管单位质量安全绩效评价模型的构建 |
3.3.1 确定待评物元 |
3.3.2 确定空管单位质量安全绩效标准等级 |
3.3.3 确定待评指标与各标准等级的关联度 |
3.3.4 确定各层级各个评价指标的权重 |
3.3.5 确定空管单位质量安全绩效的评价等级 |
3.4 本章小结 |
第四章 A地区空管局质量安全绩效评价的实证研究 |
4.1 A地区空管局概况 |
4.2 基于云物元模型的A地区空管局质量安全绩效评价 |
4.2.1 确定待评物元 |
4.2.2 计算待评指标与各标准等级的关联度 |
4.2.3 计算各层级各个评价指标的权重 |
4.2.4 A地区空管局质量安全绩效评价结果 |
4.3 结果分析及建议 |
4.4 本章小结 |
第五章 结论与展望 |
5.1 研究结论 |
5.2 研究展望 |
致谢 |
参考文献 |
作者简介 |
附录1 空管单位质量安全绩效评价指标调查问卷 |
附录2 空管单位质量安全绩效评价指标体系内容效度调查问卷 |
附录3 空管单位质量安全绩效评价指标影响关系判断问卷 |
附录4 空管单位质量安全绩效定性指标评分表 |
(5)基于EC细网格产品在乌鲁木齐机场低能见度预测中的释用(论文提纲范文)
1 资料 |
2 乌鲁木齐机场低能见度逐月分布特征及主要影响因子分析 |
2.1 乌鲁木齐机场低能见度逐月分布特征 |
2.2 影响机场低能见度天气的主要因子分析 |
3 预报模型因子选取 |
4 不同方法试验结果对比 |
5 基于SVM-RBF建模的预测产品的质量分析 |
5.1 检验样本的预报误差分析 |
5.2 预测准确的天气个例分析 |
6 结论 |
(6)河套周边地区云量精细化预报方法研究(论文提纲范文)
中文摘要 |
Abstract |
第一章 绪论 |
1.1 研究目的和意义 |
1.2 研究现状 |
1.2.1 云的气候特征 |
1.2.2 云的预报现状及存在问题 |
1.2.3 集合预报研究现状 |
1.3 研究内容 |
第二章 数据与方法 |
2.1 研究区域 |
2.2 研究资料 |
2.2.1 MICAPS格式地面报文资料 |
2.2.2 地面气象资料 |
2.2.3 ERA-Interim再分析资料 |
2.2.4 GFS预报场资料 |
2.3 方法介绍 |
2.3.1 双线性插值 |
2.3.2 功率谱分析 |
2.3.3 归一化计算方法 |
2.3.4 PCA主分量提取 |
2.3.5 多元逐步回归预报方法 |
2.3.6 自适应线性最小二乘回归算法 |
2.3.7 自适应递推卡尔曼滤波算法 |
2.3.8 最小二乘支持向量机回归预报方法 |
2.3.9 BP神经网络预报方法 |
2.3.10 Elman神经网络预报方法 |
2.3.11 低云的对流云、非对流云分类方法 |
2.4 预报效果评估 |
第三章 河套地区云量特征分析 |
3.1 年际变化特征 |
3.2 年变化特征 |
3.3 日变化特征 |
3.4 云量垂直物理量诊断研究 |
3.5 本章小结 |
第四章 云量预报因子选取及相关性分析 |
4.1 预报因子的选取 |
4.2 GFS预报因子与云量的相关性分析 |
4.2.1 GFS预报因子与云量间的相关性分析 |
4.2.2 GFS预报因子间的相关性分析 |
4.3 本章小结 |
第五章 基于线性统计释用方法对云量预报及效果分析 |
5.1 多元逐步回归预报建立 |
5.1.1 预报因子被引入频数 |
5.1.2 云量预报方程 |
5.1.3 云量预报方程预报效果评估 |
5.1.4 云量预报试预报 |
5.2 动态时参预报模型 |
5.2.1 自适应线性最小二乘回归算法 |
5.2.2 自适应递推卡尔曼滤波算法 |
5.3 本章小结 |
第六章 基于机器学习和非线性模型对云量预报及效果分析 |
6.1 预报因子主成分提取 |
6.2 三种非线性预报模型参数设置 |
6.2.1 最小二乘支持向量机LSSVM预报模型 |
6.2.2 BP神经网络预报模型 |
6.2.3 Elman神经网络预报模型 |
6.3 三种预报模型比较 |
6.4 线性预报模型和非线性预报模型对比 |
6.5 本章小结 |
第七章 总云量集合预报研究及效果检验 |
7.1 多模式集成集合预报的建立 |
7.1.1 加权集合平均(EMN) |
7.1.2 消除偏差集合平均(BREM) |
7.1.3 加权消除偏差集合(WBREM) |
7.1.4 超级集合预报(SUP) |
7.2 多种集合预报集成的效果判定 |
7.3 几种模型预报效果对比 |
7.3.1 39个站点试预报平均预报效果对比 |
7.3.2 单个站点2017年总云量试预报效果对比 |
7.4 本章小结 |
第八章 总结与讨论 |
8.1 全文总结 |
8.2 本文特色与创新点 |
8.3 存在问题及下一步研究计划 |
参考文献 |
在学期间的研究成果 |
致谢 |
(7)置顶信息公司竞争战略选择研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 选题背景与研究意义 |
1.1.1 选题背景 |
1.1.2 研究意义 |
1.2 国内外研究现状分析 |
1.2.1 国外研究现状分析 |
1.2.2 国内研究现状分析 |
1.2.3 研究现状综述 |
1.3 研究方法与主要内容 |
1.3.1 研究方法 |
1.3.2 主要内容 |
第2章 相关基础理论 |
2.1 企业战略与竞争战略 |
2.2 竞争战略的基本模式 |
2.3 竞争战略选择基本理论 |
2.3.1 PEST分析模型 |
2.3.2 波特五力模型 |
2.3.3 SWOT |
2.3.4 矩阵分析工具 |
第3章 置顶信息公司竞争战略选择环境分析 |
3.1 公司概况 |
3.2 外部环境分析 |
3.2.1 置顶信息公司宏观环境分析 |
3.2.2 基于波特五力模型的行业环境分析 |
3.2.3 置顶信息公司发展面临的机遇与威胁 |
3.2.4 置顶信息公司外部环境评价(EFE)矩阵 |
3.3 内部环境分析 |
3.3.1 置顶信息公司发展现状 |
3.3.2 置顶信息公司发展的优势与劣势 |
3.3.3 置顶信息公司内部环境评价(IFE)矩阵 |
3.3.4 置顶信息公司SWOT分析 |
第4章 置顶信息公司竞争战略识别与选择 |
4.1 置顶信息公司竞争战略备选方案识别与分析 |
4.2 置顶信息公司竞争战略备选方案评价 |
4.2.1 置顶信息公司竞争战略备选方案适用性评价 |
4.2.2 置顶信息公司竞争战略可行性评价 |
4.2.3 置顶信息公司竞争战略可接受性评价 |
4.3 置顶信息公司竞争战略选择 |
4.3.1 QSPM分析框架 |
4.3.2 竞争战略选择 |
第5章 置顶信息公司竞争战略实施与保障 |
5.1 置顶信息公司竞争战略实施 |
5.1.1 产品设计 |
5.1.2 售后服务 |
5.1.3 营销管理 |
5.2 置顶信息公司竞争战略保障措施 |
5.2.1 加强企业文化建设 |
5.2.2 做好人力资源管理 |
5.2.3 提升营销管理能力 |
5.2.4 提升财务管理能力 |
5.2.5 提高管理创新能力 |
结论 |
参考文献 |
致谢 |
(8)新一代静止卫星葵花-8的云分类研究及其应用(论文提纲范文)
摘要 |
ABSTRACT |
缩写注释表 |
第一章 绪论 |
1.1 研究意义 |
1.2 研究背景 |
1.2.1 观测云的方式 |
1.2.2 云类型的标准 |
1.2.3 卫星云类反演的方法进展 |
1.2.4 静止卫星云分类的评估分析 |
1.2.5 降水的观测和反演进展 |
1.2.6 人工智能算法在遥感领域的应用展望 |
1.3 研究目标与内容 |
1.3.1 研究目标 |
1.3.2 研究内容 |
第二章 数据和预处理 |
2.1 引言 |
2.2 关注区域 |
2.3 葵花-8数据和预处理 |
2.3.1 时空分辨率筛选 |
2.3.2 可见光反照率的归一化 |
2.3.3 云分类数据集 |
2.3.4 降水数据集 |
2.4 训练检验集数据 |
2.4.1 云垂直廓线 |
2.4.2 地面雨量站降水 |
2.4.3 全球预报模式产品 |
2.5 对比测试集数据 |
2.5.1 云分类对比测试集 |
2.5.2 降水对比测试集 |
第三章 云分类方法的试验 |
3.1 引言 |
3.2 云类定义和流程 |
3.3 样本匹配 |
3.3.1 云类上的匹配 |
3.3.2 时空上的匹配 |
3.4 分类器的设计和训练 |
3.4.1 最大似然估计算法及分析 |
3.4.2 随机森林算法及分析 |
3.5 训练结果和讨论 |
3.5.1 定量分析 |
3.5.2 个例比较 |
3.5.3 对于不一致的讨论 |
3.5.4 分类器运算速度 |
3.6 小结 |
第四章 云分类的对比测试和改进 |
4.1 引言 |
4.2 分类器对比测试 |
4.2.1 样本选取和对应 |
4.2.2 全部样本的表现 |
4.3 分类器的改进 |
4.4 改进后的分类器对比测试 |
4.4.1 定量分析 |
4.4.2 个例比较 |
4.5 云分类产品对比 |
4.6 小结 |
第五章 云分类在降水反演中的应用 |
5.1 引言 |
5.2 样本匹配和质量控制 |
5.2.1 样本匹配 |
5.2.2 质量控制 |
5.2.3 降水等级定义 |
5.3 降水区判识 |
5.4 机器学习反演降水 |
5.4.1 结合云分类构造降水强度矩阵 |
5.4.2 随机森林反演全天时降水 |
5.5 评估和讨论 |
5.5.1 总体评估 |
5.5.2 个例分析 |
5.6 测试集数据的对比检验 |
5.6.1 总体评估 |
5.6.2 个例分析 |
5.7 小结 |
第六章 总结与展望 |
6.1 全文总结 |
6.2 特色和创新之处 |
6.3 展望 |
参考文献 |
附录A 云状电码及符号表 |
附录B 最大似然优化算法的IDL核心程序 |
致谢 |
(9)精细化风场模拟在低空风切变告警系统中的应用(论文提纲范文)
摘要 Abstract 第1章 绪论 |
1.1 概述 |
1.2 国内外风场模拟研究进展 |
1.2.1 中尺度大气数值模式对风场的模拟 |
1.2.2 计算流体力学模式在小尺度风场模拟中的应用 |
1.3 本文的研究内容 |
1.4 研究思路及创新点 |
1.4.1 实验方案 |
1.4.2 可能的创新之处 |
1.5 论文章节安排 第2章 机场低空风切变概述 |
2.1 低空风切变理论基础 |
2.2 低空风切变形成的原因 |
2.2.1 雷暴引起的风切变 |
2.2.2 微下击暴流导致的风切变 |
2.2.3 引发低空风切变的其他情况 |
2.3 低空风切变对于民航飞行的影响 |
2.3.1 起飞离地后遭遇风切变 |
2.3.2 起飞滑跑遭遇风切变 |
2.3.3 进近时遭遇风切变 |
2.4 预防低空风切变危害的方法 |
2.5 本章小结 第3章 复杂地形机场精细风场模拟方法 |
3.1 概述 |
3.2 中尺度大气模式WRF |
3.2.1 WRF模式基本框架 |
3.2.2 模式物理过程方案 |
3.2.3 WRF数据资料 |
3.2.4 WRF模式安装及运行 |
3.3 计算流体力学软件FLUENT |
3.4 WRF与FLUENT的耦合方法 |
3.4.1 复杂地形CFD三维建模技术 |
3.4.2 FLUENT边界文件的制作 |
3.4.3 耦合过程中需要考虑的问题 |
3.5 本章小结 第4章 中川机场精细风场模拟试验 |
4.1 基于WRF-FLUENT模式耦合精细风场模拟试验 |
4.1.1 试验方案 |
4.1.2 结果分析 |
4.2 中川机场风切变模拟实验 |
4.2.1 事件回顾 |
4.2.2 天气过程分析 |
4.2.3 背景场模拟结果分析 |
4.2.4 耦合风场模型验证 |
4.3 本章小结 第5章 低空风切变告警系统选址评估方法 |
5.1 LLWAS介绍 |
5.1.1 基本工作原理及系统组成 |
5.1.2 LLWAS的发展 |
5.2 FAA关于LLWAS选址原则 |
5.2.1 选址一般考虑因素 |
5.2.2 测风站的几何布局 |
5.2.3 选址的一般步骤 |
5.3 精细风场模拟在低空风切变告警系统布点评估中的应用 |
5.3.1 选址方案设计——以中川机场为例 |
5.3.2 方案评估 |
5.4 本章小结 第6章 结论与展望 |
6.1 主要工作与结论 |
6.2 存在的不足与未来研究展望 致谢 参考文献 附录:关键脚本代码 |
1、GAMBIT三维曲面建模journal文件生成脚本 |
2、FLUENT边界文件profile生成脚本 |
3、FLUNNT后台运行journal文件生成脚本 作者简介 |
(10)三类航危天气预报技术及业务系统研究(论文提纲范文)
摘要 Abstract 第一章 绪论 |
1.1 航空危险性天气预报研究背景 |
1.2 航空危险性天气预报研究的目的和意义 |
1.3 三类航空天气短期预报研究现状 |
1.3.1 雷暴天气预报研究现状 |
1.3.2 低能见度天气预报研究现状 |
1.3.3 大风天气预报研究现状 |
1.4 基于数值预报产品释用方法的要素预报研究现状 |
1.5 本文研究目的、内容和章节安排 |
参考文献 第二章 预报方法和资料 |
2.1 事件概率回归方法及其应用 |
2.1.1 事件概率回归方法 |
2.1.2 事件概率回归在天气预报中的应用 |
2.2 神经网络方法及其应用 |
2.2.1 人工神经元模型和网络结构 |
2.2.2 基于BP算法的多层前馈网络 |
2.2.3 神经网络预报方法在天气预报中的应用 |
2.3 预报因子的筛选方法 |
2.4 格点到站点的双线性插值方法 |
2.5 所用资料 |
2.5.1 T213L31模式产品 |
2.5.2 地面观测资料 |
2.5.3 再分析资料 |
参考文献 第三章 我国三类航空危险性天气特征及成因 |
3.1 我国雷暴天气的时空分布及成因 |
3.1.1 我国雷暴天气时空分布特征 |
3.1.2 我国雷暴天气的环流型 |
3.1.3 雷暴天气预报因子选取 |
3.2 我国雾霾天气的时空分布及成因 |
3.2.1 我国雾霾天气的时空分布特征 |
3.2.2 我国雾天气的环流型 |
3.2.3 雾霾天气的预报因子选取 |
3.3 我国大风天气的时空分布及成因 |
3.3.1 我国大风天气的时空分布特征 |
3.3.2 我国大风天气的环流型 |
3.3.3 大风天气的预报因子选取 |
3.4 小结 |
参考文献 第四章 基于事件概率回归理论的动力统计预报模型 |
4.1 事件概率回归预报模型的建立 |
4.2 事件概率回归预报方程 |
4.2.1 雷暴预报方程因子分析 |
4.2.2 雾霾预报方程因子分析 |
4.2.3 大风预报方程因子分析 |
4.3 预报判据的确定和自动化客观预报的实现 |
4.3.1 预报判据的确定 |
4.3.2 自动化客观预报的实现 |
4.4 预报结果分析及检验 |
4.4.1 预报误差的时空分布 |
4.4.2 个例分析 |
4.5 小结 第五章 基于BP神经网络方法的动力统计预报模型 |
5.1 神经网络预报模型的建立 |
5.1.1 网络结构 |
5.1.2 建模及预报流程 |
5.2 预报结果分析及检验 |
5.2.1 预报误差的时空分布 |
5.2.2 个例分析 |
5.3 两种统计模型的讨论 |
5.3.1 两种统计模型对三类天气预报性能分析 |
5.3.2 两种模型在航空危险性天气预报的优越性 |
5.4 小结 |
参考文献 第六章 业务化预报系统的建立 |
6.1 业务化预报系统实现的技术路线 |
6.1.1 特征物理量参数的计算 |
6.1.2 数值预报产品释用技术 |
6.2 业务化预报系统设计说明 |
6.3 整体功能结构及运行流程图 |
6.4 系统各模块说明 |
6.5 软件界面说明 |
6.5.1 主界面功能介绍 |
6.5.2 数据下载入库功能介绍 |
6.5.3 单个要素预报功能介绍 |
6.5.4 自动化预报界面功能介绍 |
6.5.5 预报结果显示界面功能介绍 |
6.6 预报系统软件测试 |
6.6.1 测试范围和用例设计 |
6.6.2 测试环境与配置 |
6.6.3 测试过程与结果 |
6.6.4 测试覆盖 |
6.6.5 测试报告 |
6.7 预报系统特点说明 |
6.8 小结 |
参考文献 第七章 总结与展望 |
7.1 全文总结 |
7.2 特色与创新点 |
7.2.1 特色 |
7.2.2 创新点 |
7.3 讨论和展望 附录A 在学期间的研究成果 个人简历 致谢 |
四、民航621数值预报产品应用分析(论文参考文献)
- [1]民航气象技术进步与创新发展[J]. 王峰云,张小兵. 气象科技进展, 2021(03)
- [2]广西民航气象发展回顾及展望[J]. 陈雄壮,刘远方,李娟,王宏伟,祁振兴. 气象研究与应用, 2020(04)
- [3]乌鲁木齐地窝堡机场飞机积冰气象条件分析及其个例模拟[D]. 徐文霜. 南京信息工程大学, 2020(02)
- [4]A地区空管局质量安全绩效评价研究[D]. 张迪. 中国民航大学, 2020(01)
- [5]基于EC细网格产品在乌鲁木齐机场低能见度预测中的释用[J]. 王楠,朱蕾,周建军,刘倩,杨洪儒. 沙漠与绿洲气象, 2020(02)
- [6]河套周边地区云量精细化预报方法研究[D]. 杜晖. 兰州大学, 2020(01)
- [7]置顶信息公司竞争战略选择研究[D]. 柏友芹. 兰州理工大学, 2019(02)
- [8]新一代静止卫星葵花-8的云分类研究及其应用[D]. 张成伟. 南京大学, 2019
- [9]精细化风场模拟在低空风切变告警系统中的应用[D]. 王智. 中国民航大学, 2016(03)
- [10]三类航危天气预报技术及业务系统研究[D]. 曾淑玲. 兰州大学, 2012(04)