简介:摘要利用2008年1月1日至2012年12月31日逐日NCEP再分析资料(1×10)和大同地区地面常规观测资料,选取相邻两天的气象因子差值作为预报因子,相邻两天的日最高/最低气温的差值作为目标因子,分站点分月构建三层结构的日最高/最低BP神经网络模型,并应用独立样本进行模型检验,结果表明,该模型输出结果与实况拟合较好,且其对明显的升降温过程能够准确预报。在对ECMWF数值预报产品释用基础上,针对大同站2012年1月最高气温进行了24h、48h和72h模拟预测,结果显示,该BP神经网络预报模型各时效预报准确率TS评分均高于中央气象台MOS预报。
简介:社会学习隐喻具有内在的系统性,至少包含"过程隐喻"、"行为隐喻"、"沟通隐喻"、"治理机制隐喻"、"范式隐喻"、"认知隐喻"、"载满青蛙的独轮车隐喻"。还原社会学习隐喻且与系统方法耦合起来,呈现通往系统适应性治理的桥梁。城市社会为利益相关者参与社会学习,螺旋式产生公共治理知识提供了契机,社会学习隐喻系统投射了城市社会生活的复杂性与系统性。剥离社会学习隐喻簇的显性与隐性,系统适应性治理的意蕴内含其中。不必严格地去定义社会学习,隐喻中"协商"、"参与"、"对话"、"生态保护"、"适应性学习"等等在生活中形成、反映、指导实践。从城市治理的实践中反思社会学习隐喻的系统性、自反性,再回过来扩展社会学习,提升治理能力。