学科分类
/ 1
6 个结果
  • 简介:通过实际天文测得到的日变化资料的分析研究,证实了将非线笥的跳步时间序列分析模型(LSTSA)结合到小波变换中,能够有效削弱小波变换中时频谱的端部畸变效应,显著提高对低频信号的检测能力。LSTSA模型将对不上波变换中时频谱技术的更好、更广泛的应用作出一定的贡献。

  • 标签: 日长变化 小波变换 LSTSA模型 跳步时间序列分析 频谱 端部效应
  • 简介:变化的预报具有重要的科学意义和实际应用价值。非线性的人工神经网络技术中的反向传播模型(BP网络)可用于预报日变化。BP网络的拓扑结构决定了神经网络解决问题的能力,针对不同的问题需要采用不同的网络结构。该文分析了神经网络的拓扑结构算法,选用最小均方误差法确定网络的拓扑结构,并将此应用于日变化预报。结果表明,该方法是可靠和有效的。

  • 标签: 日长变化 神经网络 BP网络 最小均方误差法
  • 简介:本文介绍了氢钟钛合金钟罩的设计制作以及机械泵--分子泵前级真空机组的改进设计。由于钛是一种崭新的工程金属,用钛合金制作的真空钟罩由于采用了料正确的工艺手段,具有强度高、重量轻、在真空中放气率低、无磁、外表美观和经济实惠等优点。而前级真空机组由于采用了不锈钢纹管及卡箍结构,无粗大的真空橡管,也改善了氢钟的真空条件。钛合金钟罩及改进型前级真空机组的应用对氢钟钛离子泵的启动及系统真空度的提高起了一定的作用。

  • 标签: 氢原子钟 钟罩 技术改进 设计 分子泵前级真空机组
  • 简介:针对广义回归神经网络用于日变化预报过程中,样本的输入方式对预报结果的影响进行了研究。采用2种输入方式:即样本按不同跨度输入以及按连续输入,对日变化进行预报。最终证明不同的样本输入方式对日变化预报精度的影响较大,样本按跨度输入在超短期预报中预报精度较高,样本采用连续输入的方式在短期和中期预报中预报精度较高。

  • 标签: 广义回归神经网络 日长变化预报 输入方式 相关性
  • 简介:本文描述了子波变换分析的基本原理,并用这一方法分析了日、大气角动量和太阳活动指数的MJO特性。结果表明:几种序列均存在着40-60天高频变化,且这些变化在不同历元处有显著的差别,这些时空变化特性将进一步揭示太阳活动指数与日、大气之间的相互关系。作者认为,子波变换分析可帮助我们考虑这些序列之间的动力学机制。

  • 标签: 时间序列 子波变换分析 大气角动量 太阳活动指数 日长