Подлинный метод анализа гидрологических экологических элементов окружающей среды Zuo Juncheng и другие научные издательские дома Zuo Juncheng et al.
Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.
Описание товара
Эта книга разделена на четыре главы, то есть методы предварительной обработки и традиционного анализа, метод анализа данных теплой соли и метод анализа группы водной группы, метод анализа приливных тенденций и текущий метод анализа данных.По сравнению с аналогичными учебниками в прошлом, на основе систематического введения морских гидрологических элементов окружающей среды, эта книга вводит обычно используемые методы предварительной обработки. Похоже на отсутствие связанного контента в учебнике.
Оглавление
Предварительный метод обработки и традиционного анализа данных DIYI Главы 1
1.1 Образец и предварительная обработка 1
1.1.1 Основные требования отбора проб 1
1.1.2 Предварительная обработка 2
1.2 Данные указывают 13
1.2.1 Изменение пространства 13
1.2.2 Временные ряды 17
1.2.3 Особенности морских элементов Рисунок 20
1.3 Обычный метод обработки времени 21
1.3.1 Анализ спектра мощности 21
1.3.2 Лосолный анализ 27
1.3.3 Метод случайного динамического анализа 31
Глава II Метод анализа данных теплой соли и анализа группы воды 37
2.1 Значение анализа теплой соли 37
2.1.1.
2.1.2 Leap Layer и спереди 40
2.2 Метод анализа последовательности времени 48
2.2.1 Диверсифицированный статистический анализ 48
2.2.2 Метод модального разложения 56
2.3 Метод анализа данных теплой соли 65
2.3.1 Определение и природа основного компонента 66
2.3.2. Метод разложения ортогональной функции 69
2.4 Метод анализа группы воды 82
2.4.1 раствор карты теплой соли 82
2.4.2 Дифференциальный анализ 90
Глава 3 Метод анализа трендов Tide 104
3.1 Tide Trends 104
3.1.1 Приливное явление и ежемесячная середина 104
3.1.2 Тип прилива 107
3.1.3 Прилив не равный феномен 109
3.1.4 Тенденции 113
3.2 Экспорт и классификация прилива 115
3.2.1 баллы 115
3.2.2 Sub -Group Group 127
3.2.3 Отдел мелководья 127
3.2.4 Радиационный прилив 129
3.3 Приливный и метод анализа 130
3.3.1 Принципы облегчения и анализа прилива 130
3.3.2 Zui xiaoli Умножение приливного прилива и анализа 133
3.3.3 Выбор прилива 139
3.3.4 Расчет точечных факторов и точек бронирования точек 143
3.3.5 Константа примирения и элемент эллипса тенденции 151
3.3.6 Анализ согласования Шаг 155
3.4 Приливная стоимость функции и инженерный уровень воды 156
3.4.1 Значение функции Tide 157
3.4.2 Инженерный уровень воды 159
3.4.3 Land Gao Chengji и Haitu Dexammark 167
Глава IV МЕТОД АНАЛИЗ ДАННЫХ 177
4.1 Композиция текущего 177
4.2 Расчет Oceancies 178
4.2.1 Расчет дрифтирования ветра Экмана 178
4.2.2 Инерционный поток 190
4.2.3 Земля G Расчет 193
4.3 Анализ динамической термодинамики проточного поля 204
4.3.1 потоковая функция 205
4.3.2 Venture 208
4.3.3 Тепловой поток и поток соли 209
4.4 Примеры анализа наблюдения 212
4.4.1.
4.4.2.
4.4.3 Анализ наблюдения за сетью 223 Морского потока Раздел 223
Ссылки 226
Аффилированная таблица 1 Основные астрономические данные 229
Аффилированная таблица 2 Основное астрономическое переменное цикл 230
Аффилированная таблица 3 Таблица Doodson расширяется 231
Прикрепленная таблица 4 Анализ основного прилива дивизии 249, выбранного при наблюдении
Прикрепленная таблица 5 Анализ сегментации прилива 253, выбранной при наблюдении данных
Аффилированная таблица 6 Расчет распределения Gong Bell, которое я использовал на уровне ядерной воды в школе&лямбда;
Предварительный метод обработки и традиционного анализа данных DIYI Главы
Особенность и сложность объектов морских научных исследований определяют цель анализа морских данных, что Зуида ограничивает существующие данные прямого наблюдения. Научная и техническая поддержка для разработки и использования океана.Эта глава направлена на то, чтобы представить текущие обычно используемые методы обработки и представления морских данных.
1.1 Выборка и предварительная обработка
1.1.1 Основные требования к отбору
1. Образец интервал
Интервал выборки выбранного инструмента должен быть достаточно малым, чтобы удовлетворить требования изменений в пространстве и временной шкале извлечения объекта исследования.Например, отбор данных на уровне воды раз в час недостаточно для изучения природы волн.Для данного интервала выборки t, частота Zuigao, которую мы можем сказать, - это Nyquist (или Fold) FN -частота
(1.1)
Например, если интервал дискретизации составляет 10 часов, то искажаемая частота Zuigao составляет NF = 0,05 см или в час (час циклпер, в час).Другими словами, формула (1.1) означает, что требуется не менее 2T, чтобы завершить период 1/fn (то есть получить 3 точки выборки, рис. 1.1).
Рисунок 1.1 Значок выборки
Важным результатом предыдущего формата является проблема путаницы.Вибрация F
2. Длина отбора проб
Вторая проблема заключается в том, что выборки должно быть достаточно, чтобы установить важные статистические характеристики процесса исследования.Например, процесс наблюдения за последовательностями временной последовательности требует явления достаточно длительного процесса отбора проб, чтобы повторить несколько циклов;
Рассмотрим выборку с интервалом временного интервала T. Чем дольше данные, тем больше мы можем различать различные частоты.Для точек отбора проб nt -nt частота Zuidi, извлеченная из временных рядов, является
(1.2)
Он может разделить небольшое значение двух смежных частотных различий F1 и F2.
(1.3)
Теоретически, он может различать все частотные компоненты между частотами.Тем не менее, частота смежного пика спектра, которую можно на самом деле различить, определяется критериями Rayleight, то есть основным условием, которое можно разделить две соседние частоты, F.
3. Точность выборки
Согласно предыдущему обсуждению интервала выборки и длины отбора проб, информация требует достаточно долгой, а интервал времени достаточно короткий.В то же время выборка также должна иметь достаточную точность GAO, чтобы сделать точность выборки переменных, которые заботятся о переменных, чем фоновый шум.Если скорость отклика и точность датчика прибора недостаточно, чтобы отличить изменения в параметрах наблюдения, трудно соответствовать требованиям измерения.Следовательно, если позволяют условия, данные должны быть собраны как можно быстрее, а достоверность данных наблюдения GAO может быть предоставлен с помощью средних, плавных и других методов обработки.
1.1.2 Предварительная обработка
1. Интерполяция данных
В процессе использования различных инструментов морских наблюдений для регистрации морских гидрологических элементов из -за ограничения технических средств или сбоя инструментов фактические наблюдаемые данные часто не являются однородными в космосе (например, прибрежные испытательные станции вдоль данных испытательной станции прибрежного прилива ), и это часто неравномерно во времени [если инструмент наблюдения работает ненормально, данные недоступны (разрыв) или странным значением некоторых периодов.].Данные, наблюдаемые к временному интервалу, часто существуют в значениях странных или отсутствия, поэтому существует проблема времени обработки и пустых и неоднородных данных в фактическом процессе обработки данных.В настоящее время обычным подходом является использование данных наблюдения поблизости (пространство -время) для соответствующей интерполяции.
Какое решение для интерполяции является разумным, в зависимости от конкретных морских элементов, вы должны выбрать функции, которые могут выявить изменения в законе в соответствии с конкретными изменениями фактора.Выбранная схема интерполяции должна включать в себя: ① Параметр интерполяции (исходная последовательность данных, равное расстояние); Zui малая вторая оценка умножения и т. Д.);Вот несколько часто используемых методов интерполяции.
(1) Линейная интерполяция
Если изменения элемента соответствуют линейным изменениям, может быть принята линейная интерполяция.Линейная интерполяция последовательности данных y (x) может быть записана
(1.4)
В формуле: x = a и x = b - начало (местоположение) и время завершения (местоположение) данных, используемых в интерполяции.Формула (1.4) также может использоваться в качестве формулы экстрапатуры для данных.Формула (1.4) может рассматриваться как особый случай полиномиальной интерполяции.
(2) Полинекс интерполяция
Если интерполяции выполняются между несколькими точками, простая линейная интерполяция должна быть направлена в полиномиальную интерполяцию.Если определенный элемент y и точка времени (пространство) существует в полиномиальных отношениях N -заказ Лагранжа (рис. 1.2)
(1.5)
Рисунок 1.2 Полиномиальная интерполяция Лагранжа
Более часто используемый трехточечный метод ежедневной интерполяции Laglang может соответствовать фактической кривой по сравнению с HAO, но его кривая интерполяции плохая.Когда данные прыгают, кривая подгонка также будет иметь определенную степень качания. слой.Сила и слабость слоя прыжков и маленький DA на ступенях узла оказывают одинаковое влияние на интерполяцию их интерполяций, как и метод интерполяции из трех пример.Поскольку метод прост, а программа короткая, многие морские учреждения в мире продолжают использовать этот метод (Shi Mao Chong et al., 2000).
(3) Образец интерполяции
Образцы интерполяции широко используются в реальной работе.Функция выборки может более эффективно соответствовать исходным данным, распределяемым распределением пространства, и имеет точку с конвергенцией HAO, GAO, аналогичные аналогичным, стабильность ошибки резки HAO.Zui обычно используется в трех функциях интерполяции полосы (рис. 1.3).
Рис.
1) Экспрессия интерполяции три образца
Давайте установим заданную n+1 точку на плоскости. функция s (x), чтобы он соответствовал следующим условиям:
я.;
II.
Iii.
(1.6)
В формуле (первое руководство по заказу x = xi).
2) Определение граничных условий
В соответствии с нашей рукой опытом подгонки, все точки подключены к кривой, и расширение является тенденцией.Конкретный метод состоит в том, чтобы сделать линейные интерполяции на обоих концах на основе исходной точки. удаленный.Следовательно, мы можем предположить, что наклон на x0 и x в кривой известен, то есть
(1.8)
Формула (1,7) и формула (1.8) являются граничными условиями, когда данные подгонки используются для установления интерполяции полосы.Граничные условия должным образом определены или нет, и могут быть оценены по подходящему эффекту кривой.
3) Внедрение выборки выборки
I.
Существует много способов установить три образца интерполяции.
Diyi шаг: от вылета, рассчитайте в соответствии со следующей формулой
(1.9)
В формуле: это расчетная переменная процесса, без практического значения, следующие AI и BI одинаковы;
Шаг 2: Используйте следующий расчет
(1.10)
Шаг 3: Нажмите на следующий расчет
(1.11)
Полученный MI заменяется (1.6), чтобы получить функцию интерполяции образца S (x) в каждом подразделении.
II.
Поскольку функция трех -выборки является сегментной функцией, то есть существуют различные выражения в различных независимых переменных, поэтому обратите внимание на оценку подколовки, где независимая переменная находится в практических приложениях.
При использовании трех -выборной функции интерполяции для поиска значения точки не -выборки на кривой декомпозиции шаг в интерполяции интерполяции определяется алгоритмом испытаний, то есть после определения размера шага, чтобы увидеть эффект Кривая рисунка.
2. Объективный анализ информации о пространственном поле
Точная оценка данных о пространственном наблюдении и антидискриминации имеет большое значение для исследования и разработки морской науки.В качестве пространственных данных данные спутникового наблюдения имеют характеристики общих пространственных данных, которые содержат сложные нелинейные динамические механизмы и имеют различные характеристики пространства -времени в распределении времени и пространства.Следовательно, эти дискретные и нерегулярные данные наблюдения должны быть преобразованы в управляемые данные DOT, которые можно использовать в качестве начального поля численного моделирования или фонового поля поля проверки и диагностического анализа.Этот метод преобразования нерегулярных необработанных данных с помощью некоторого алгоритма называется методом объективного анализа на методе на точке широты и уточной сетки правил.Чаще всего используются в космических интерполяциях, таких как интерполяция кригинга, взвешенная против дистанции, треугольная диссекция Делауны, а также интерполяция сплайн бигармонической сплании и объективный анализ Крессман.
Космическая вставка имеет важное практическое значение для дефицита наблюдения или необоснованных станций и позволяет использовать данные сетки для объективного анализа.В области космической интерполяции может быть несколько методов классификации в соответствии с целью исследования: в соответствии с их основными предположениями можно разделить на геометрические методы, статистические методы, методы функции и методы физических моделей;
Следующее представляет несколько часто используемых космических вставков.
(1) Кригинг интерполяция
Метод Кригинга считается одним из основных методов Zui в статистике местной науки.В статистике метод кригинга представляет собой статистический метод, который начинается с переменной корреляции и изменчивости. Поле пространства данных и найдите линейный Zuiyou для пространственных данных во время процесса интерполяции, что может отражать различный противоположный пол пространственного поля.Применение Zuijia в этом методе состоит в том, что пространственные переменные имеют пространственную корреляцию.
Основными этапами использования метода Кригинга являются: ① Структурный анализ космического поля.При предпочтении полного понимания природы пространственного набора данных функция разности скоординированной функции создания пространственных переменных, предлагая модель мутантной функции (обычно используется сферическая, индекс, GAS, демпфирующий синус, линейный и другие модели); Основа этой модели Kriging