观察气象的心得
成考报名 发布时间:01-09 阅读:
观察气象的心得篇一:一7总结我们的天气观察
观察气象的心得篇二:总结我们的天气观察
观察气象的心得篇三:总结我们的天气观察
观察气象的心得篇四:气象观测员心得感想
气象观测员心得感想
抬头看云、雨中漫步在别人看来是很浪漫的事,可是对于气象观测员来说却早已成为习惯。云在他们的眼中只有形状和种类,雨对于他们来说也只是一种天气现象,全然没有了浪漫的色彩,那一组组枯燥的数字书写着他们寂寞的青春,然而,他们依然义无反顾地诠释着奉献的内涵。
气象观测员的工作可谓单调乏味,一支铅笔、一本观测记录簿是他们永远不变的工作“道具”。他们日复一日、年复一年地往返于值班室和观测场,记录着宝贵的气象数据。气象观测员有很强的时间观念和责任感,生怕由于自己的疏忽而写错了一个数据,在他们的眼里,气象观测高于一切,能在规定时间内采集到准确的气象数据比什么都重要。
气象观测最重要的就是时间,只要是到了观测时间,无论是倾盆大雨,还是鹅毛大雪,无论是烈日炎炎,还是寒风刺骨,气象观测员都会勇敢地冲向观测场,记录下第一手观测资料。为了做好观测工作,他们甚至不惜放弃与亲人团圆的机会,在孤灯下,与那支铅笔、观测记录簿为伴。还有很多观测员为了工作,他们远离了亲朋好友;为了工作,他们放弃了几十年一遇的同学聚会;为了工作,他们倾注了满腔热情,奉献了自己的毕生精力。
当过气象观测员的人都做过相同的梦——起床迟了、观测误了、仪器没了„„时常在惊恐中醒来,这也许就是“日有所思,夜有所梦”吧!出错情时的懊悔,创“百班”、“250班”时的快乐,看天识云时的专注,天气预报出现偏差时的不安,所有这一切,道不尽气象观测员的酸甜苦辣,个中滋味只有他们自己才能体会。
时代在飞速发展,科技的发展也是日新月异,可是气象观测员面对的还是那支铅笔和那本观测记录簿,他们依然默默无闻地隐藏在天气预报的背后。在当今这个物欲横流的社会,到处充斥着浮躁和功利、冷漠与自私,气象观测员却仍然坚守着那份清贫,踏踏实实地重复着每天同样的观测工作,无怨无悔地奉献着自己的青春。气象观测员用坚实的脚步,在观测场上留下了闪光的足迹,用简单的字符,谱写了气象人的颂歌。
观察气象的心得篇五:总结我们的天气观察
观察气象的心得篇六:总结我们的气象观察
电 子 备 课 教 案
观察气象的心得篇七:总结我们的天气观察
观察气象的心得篇八:气象站观察记录表
五里乡落圈小学校园气象观测记录表
年 月 日天气星期
五里乡落圈小学校园气象观测记录表
年 月 日天气星期
观察气象的心得篇九:气象观察站的优化
气象观察站的优化
5号 陈婷华 30号 蒲姝君
摘要 :(略) 一,问题重述:(略)
二,模型假设和符号说明(略) 三,问题分析:(略)
四,模型建立与求解:
通过分析,我们知道:在降水量梯度变化较小的区域,观测站所提供
的信息会有很大重叠,这时需要适当减少观测站;而在降水量梯度变化较大的区域,观测站所提供的信息会有显著差异,这些观测站不可撤除。因此我们需要对观测站进行分类。
基于以上的问题分析和模型假设,我们建立了以下模型:
现在,我们以1981—1990这10年所得到的观测数据为指标,对这
12个观测站所在的地区进行聚类。利用spss软件,得到以下结果:
Stage Cluster First
1 2 3 4 5 6 7 8 9 10 11
Cluster Combined Cluster 1
6 5 4 8 4 2 3 2 3 2 1
Cluster 2
11 10 7 9 12 5 6 4 8 3 2
Coefficients 51417.850 53312.770 56565.890 67221.050 72922.555 99919.715 114623.215 122136.609 140451.998 146686.321 168391.853
Appears
Cluster 1
0 0 0 0 3 0 0 6 7 8 0
Cluster 2
0 0 0 0 0 2 1 5 4 9 10
Next Stage
7 6 5 9 8 8 9 10 10 11 0
通过上图可以清楚的看到聚类的方式,然后在根据上图,利用MATLAB编程,求出:
伪F统计量:
n
G
F
类间离差平方和类内离差平方和
(T-PG)/(G-1)(PG)/(n-G)
(xix=
i1
x
Gk1
T
i
xSk)/(G1)
k1
(Sk)/(nG)
其中
Sk
iGk
x
1
n
i
xk
x
T
i
xk
x
xn
i1
i
伪F统计量它用于评价聚为G类的效果。F越大 ,类间离差平方和,类内离差平方和的比值越大,说明聚为一类的样本越相似,而类间的差异越大,所以应该取伪F统计量较大而类数较小的聚类水平。
通过编程 得到F的数据如下:(从一类到十一类)
R
2
(从十一类到一类)
表格中我们可以看出,当聚为7类时,F的值达到最大,这说明聚为7类可以使得类间差异与类内差异的比值达到最大;当聚为8类时,虽然F的值有所减小,但减小的幅度不大,但是聚为8类会增加一个观测站,并且可以使类间差异与类内差异的比值仍然保持较大;而当聚为6类时,F 的值将有很大幅度的减小,这说明分6类会使类间的差异大幅度减小,故分6类是不合理的。 伪t2统计量 其中, t2=
聚类后类内离差平方和
聚类前类内离差平方和
的增量
它是用来评价聚类后的效果。 (从7类到1类,从11到8均为0)
图3中我们可以看出,当聚为7类时,t2 的值较小,当再由7类聚为6类时,t2值突然有较大幅度的增加,这说明若聚为6类,类内样本差异的增量会大幅度增加,故聚6类是不合理的,应该选择分为7类。 根据假设4减少一个观测站会节省很大的费用,再结合以上的分析我们可以得出,将观测站所在的区域分为7类既能够最大的节省开支,又可以使所得到的降水量的信息量仍然足够大。
3建立一个观测站会花费很大的费用,为节省开支,我们不考虑新建观测站,即只需要在原来的12个观测站中剔除5个。
于是,现在的问题就转化为:在同类中究竟应该保留哪个观测站,才能使最终所得到的降水量的信息量仍然足够大?
我们的思路是:通过对12个观测站的测量值求期望,可以得出每年该地区的年降水量i0,再通过对7个观测站的测量值求期望,也可得出每年该地区的年降水量i。然后用差值率|(i-i0)/i0 |表示第i年降水量的误差率,亦即
10
|(
信息损失率。求出10年的平均信息损失率
i1
i
i0)/i0|10
后,利用公式1-
10
|(
i1
i
i0)/i0|10
即可求得信息量。信息量越大,则组合最优,此时的组合即
为最终要保留的观测站。
第一步:通过对12个观测站的测量值求期望,得出每年该地区的年降水量
i0。
第二步:前面我们已经将12 个观测站分成了7类,其中,6,11归为一类;8,9归为一类;5,10归为一类;4,7,12归为一类。每一类保留一个观测站,一共可以得到24个不同的组合(附录表1_73)。然后利用matlab得出不同组合下该地区的年降水量期望值i.(附录表1_72) 第三步:求不同组合下的信息量。
10
|(
信息量 = 1-
i1
i
i0)/i0|10
利用matlab我们得到24个组合的信息量,
在用matlab编程可只,其中最大的为97.5%,对应的组合为1,2,3,5,6,8,12 .
五,模型评价(略) 六,参考文献(略)
程序如下:
(1),计算伪F统计量 a=0;
for i=1:12
a=a+shuju(:,i); end
a=a/12; b=0;
for i=1:12
MATLAB
b=b+(shuju(:,i)-a)'*(shuju(:,i)-a); end T=b;
Q=zeros(1,11);F=zeros(1,11);
a=(shuju(:,3)+shuju(:,6)+shuju(:,11)+shuju(:,8)+shuju(:,9)+shuju(:,2)+shuju(:,5)+shuju(:,10)+shuju(:,4)+shuju(:,7)+shuju(:,12))/11; b=(shuju(:,3)-a)'*(shuju(:,3)-a)+(shuju(:,6)-a)'*(shuju(:,6)-a)+(shuju(:,11)-a)'*(shuju(:,11)-a)+(shuju(:,8)-a)'*(shuju(:,8)-a)+(shuju(:,9)-a)'*(shuju(:,9)-a)+(shuju(:,2)-a)'*(shuju(:,2)-a)+(shuju(:,5)-a)'*(shuju(:,5)-a)+(shuju(:,10)-a)'*(shuju(:,10)-a)+(shuju(:,4)-a)'*(shuju(:,4)-a)+(shuju(:,7)-a)'*(shuju(:,7)-a)+(shuju(:,12)-a)'*(shuju(:,12)-a); Q(2)=b;
F(10)=((T-sum(Q))/1)/(sum(Q)/10);
(2)计算R2
R=zeros(1,11); for i=1:11
R(i)=1-S(i)/T; end
(3)计算t2
a=(shuju(:,3)+shuju(:,6)+shuju(:,11))/3;
b=(shuju(:,3)-a)'*(shuju(:,3)-a)+(shuju(:,6)-a)'*(shuju(:,6)-a)+(shuju(:,11)-a)'*(shuju(:,11)-a); Q(5,1)=b;
a=(shuju(:,8)+shuju(:,9))/2;
b=(shuju(:,8)-a)'*(shuju(:,8)-a)+(shuju(:,9)-a)'*(shuju(:,9)-a); Q(5,2)=b;
a=(shuju(:,3)+shuju(:,6)+shuju(:,11)+shuju(:,8)+shuju(:,9))/5;
b=(shuju(:,3)-a)'*(shuju(:,3)-a)+(shuju(:,6)-a)'*(shuju(:,6)-a)+(shuju(:,11)-a)'*(shuju(:,11)-a)+(shuju(:,8)-a)'*(shuju(:,8)-a)+(shuju(:,9)-a)'*(shuju(:,9)-a);
观察气象的心得篇十:总结我们的天气观察