基于参与感知的稀疏气象数据处理及可视化平台研究

摘要

目前，国内外基于Client/Server结构(C/S结构)和基于Browser/Server结构(B/S结构)的气象信息发布平台的气象数据主要来源于自动气象站。但是受自动气象站数目、空间环境、通信质量等诸多因素的影响，实时自动气象站气象数据集中存在稀疏数据。如果不进行处理，会影响气象数据集的连续性及实时可用性。针对传统气象数据可能存在稀疏性的问题，在安徽省气象局的气象数据支持下，利用参与感知技术，本文详细介绍了一种基于参与感知气象数据的稀疏气象数据处理及可视化平台的设计与实现过程，主要研究内容与创新如下:
　　(1)针对原始径向基函数(radial basic function，RBF)神经网络存在的问题，改进了基于K-means算法的RBF神经网络，并借助自动气象站和移动智能终端的气象数据训练、学习改进型RBF神经网络。仿真结果分析表明该算法插值精度高、可靠性强，解决了气象数据的稀疏性问题。
　　(2)介绍了该平台的应用场景，依据业务需求制定了设计目标，分析了该平台的总设计架构、各个功能模块以及数据库设计，最终给出了基于参与感知的稀疏气象数据处理及可视化平台的整体设计。
　　(3)解析了自动气象站气象数据，介绍了参与感知气象数据采集、上传的具体过程。最终实现了基于Spring MVC的气象数据可视化平台开发，该平台提供了气象资料上传下载模块、实时气象数据查询模块及气象数据统计模块。
　　(4)对基于参与感知的稀疏气象数据处理及可视化平台进行了服务器的部署、平台环境的配置和应用测试。通过测试，各功能模块运作稳定，具有强容错性，基本实现了预期的研究目标。

目录

声明

摘要

第一章 绪论

1．1 选题背景及研究意义

1．2 国内外研究现状

1．3 本文主要工作与组织结构

第二章 基础理论与相关技术

2．1 气象参与感知系统网络框架

2．1．1 气象参与感知系统组成

2．1．2 基于参与感知的气象数据融合及预测系统介绍

2．2 人工神经网络概述

2．2．1 神经元模型

2．2．2 人工神经网络的工作原理

2．2．3 人工神经网络的分类及应用

2．3 MVC结构模式和Spring Web MVC框架分析

2．3．1 MVC结构模式

2．3．2 Spring Web MVC框架介绍

2．3．3 Spring Web MVC框架的优势

2．4 数据读取技术

2．5 基于javascript的图表库ECharts

2．5．1 ECharts的概述

2．5．2 ECharts的功能及应用

2．6 本章小结

第三章 稀疏气象数据处理及可视化平台设计

3．1 平台设计目标与原则

3．1．1 平台设计总体目标

3．1．2 平台设计原则

3．2 平台技术思路

3．3 平台总体框架设计

3．3．1 业务分析

3．3．2 平台数据流程

3．3．3 平台架构

3．4 平台功能模块设计

3．4．1 平台总体功能概述

3．4．2 子模块功能介绍

3．5 数据库设计

3．5．1 数据库设计原则

3．5．2 数据库具体设计实现

3．6 本章小结

第四章 RBF神经网络的改进与实现

4．1 RBF神经网络概述

4．1．1 RBF神经网络的结构

4．1．2 RBF神经网络学习策略

4．2 RBF神经网络的实现

4．2．1 RBF神经网络的实现流程

4．2．2 RBF神经网络的具体实现过程

4．3 RBF神经网络存在的缺点

4．4 RBF神经网络的改进

4．5 改进型RBF神经网络的具体应用

4．5．1 样本数据的准备

4．5．2 样本数据的归一化处理

4．5．3 实验过程

4．5．4 实验结果分析

4．6 本章小结

第五章 稀疏气象数据处理及可视化平台实现

5．1 自动气象站气象数据

5．1．1 安徽省自动气象站气象数据格式说明

5．1．2 分析二进制气象数据文件

5．2 参与感知气象数据

5．2．1 参与感知气象数据的采集

5．2．2 参与感知气象数据的上传

5．3 气象资料上传下载接口

5．4 实时气象数据查询系统

5．5 气象数据统计

5．6 本章小结

第六章 稀疏气象数据处理及可视化平台测试

6．1 平台环境配置

6．2 平台功能测试

6．2．1 当天与未来天气查询

6．2．2 实时天气查询测试

6．2．3 登录界面测试

6．2．4 链接跳转测试

6．2．5 表单测试

6．2．6 速度测试

6．2．7 压力测试

6．3 本章小结

7．1 总结

7．2 展望

参考文献

作者简介

致谢