利用猕猴运动皮层神经元峰电位数信号估计其手指移动位置是一神经解码问题,通常采用时不变线性模型(Time-invariant linear model,TILM)来解决.本文分析了传统TILM模型的时间相关性问题,依据猕猴手指移动位置的连续性特点,采用一种新的...利用猕猴运动皮层神经元峰电位数信号估计其手指移动位置是一神经解码问题,通常采用时不变线性模型(Time-invariant linear model,TILM)来解决.本文分析了传统TILM模型的时间相关性问题,依据猕猴手指移动位置的连续性特点,采用一种新的模型去解码其手指移动位置,称之为卷积空间模型(Convolution space model,CSM).与传统的模型相比,卷积空间模型不但将当前时刻的状态与前一个时刻建立了相关,而且与前多个时刻的状态也有相关.在实验中,利用公开数据来评判本文方法的解码性能,实验结果表明,传统方法的解码误差要大于CSM模型的方法,因此CSM模型具有更好的解码准确性.展开更多
基于国家气候中心第二代季节预测模式的历史回报试验数据,检验了模式对我国东部夏季降水的预测能力,探讨了预测误差形成的可能原因,并应用降尺度方法提高了模式的降水预测技巧。分析表明:(1)模式能在一定程度上把握我国东部夏季降水时...基于国家气候中心第二代季节预测模式的历史回报试验数据,检验了模式对我国东部夏季降水的预测能力,探讨了预测误差形成的可能原因,并应用降尺度方法提高了模式的降水预测技巧。分析表明:(1)模式能在一定程度上把握我国东部夏季降水时空变率的两个主要模态(偶极子型模态和全区一致型模态),但是不同超前时间的预测在刻画模态方差贡献、异常空间分布特征、时间系数的年际变化等方面存在明显误差;(2)模式能够合理预测大尺度环流和海表温度(SST)的变化特征,但是对中国东部夏季降水的总体预测技巧有限,这与模式不能准确刻画西太平洋副热带高压、大陆高压、中高纬阻塞高压等环流系统以及热带太平洋、印度洋SST变率对中国东部降水模态的影响有关;(3)针对1991~2003年回报试验数据中的500 h Pa位势高度、850 h Pa纬向风和经向风、SST变量,在全球范围内寻找并定位与中国东部站点降水关系最密切的预报因子,进而建立针对降水预测的单因子线性回归、多因子逐步和多元回归模型。采用2004~2013年回报试验对所建立的降水预测模型进行了独立检验,结果表明:所建立的降尺度预测模型能显著提高中国东部地区夏季降水的预报技巧。以6月1日起报试验为例,预测的第一模态(第二模态)与观测的空间相关系数由原始的0.12(0.48)提高到了0.58(0.80),时间相关系数则从0.47(0.15)提高到0.80(0.67);其它超前时间的预测试验中,降尺度预测模型的降水预测技巧相比模式原始预测技巧也同样明显提高。展开更多
文摘利用猕猴运动皮层神经元峰电位数信号估计其手指移动位置是一神经解码问题,通常采用时不变线性模型(Time-invariant linear model,TILM)来解决.本文分析了传统TILM模型的时间相关性问题,依据猕猴手指移动位置的连续性特点,采用一种新的模型去解码其手指移动位置,称之为卷积空间模型(Convolution space model,CSM).与传统的模型相比,卷积空间模型不但将当前时刻的状态与前一个时刻建立了相关,而且与前多个时刻的状态也有相关.在实验中,利用公开数据来评判本文方法的解码性能,实验结果表明,传统方法的解码误差要大于CSM模型的方法,因此CSM模型具有更好的解码准确性.
文摘基于国家气候中心第二代季节预测模式的历史回报试验数据,检验了模式对我国东部夏季降水的预测能力,探讨了预测误差形成的可能原因,并应用降尺度方法提高了模式的降水预测技巧。分析表明:(1)模式能在一定程度上把握我国东部夏季降水时空变率的两个主要模态(偶极子型模态和全区一致型模态),但是不同超前时间的预测在刻画模态方差贡献、异常空间分布特征、时间系数的年际变化等方面存在明显误差;(2)模式能够合理预测大尺度环流和海表温度(SST)的变化特征,但是对中国东部夏季降水的总体预测技巧有限,这与模式不能准确刻画西太平洋副热带高压、大陆高压、中高纬阻塞高压等环流系统以及热带太平洋、印度洋SST变率对中国东部降水模态的影响有关;(3)针对1991~2003年回报试验数据中的500 h Pa位势高度、850 h Pa纬向风和经向风、SST变量,在全球范围内寻找并定位与中国东部站点降水关系最密切的预报因子,进而建立针对降水预测的单因子线性回归、多因子逐步和多元回归模型。采用2004~2013年回报试验对所建立的降水预测模型进行了独立检验,结果表明:所建立的降尺度预测模型能显著提高中国东部地区夏季降水的预报技巧。以6月1日起报试验为例,预测的第一模态(第二模态)与观测的空间相关系数由原始的0.12(0.48)提高到了0.58(0.80),时间相关系数则从0.47(0.15)提高到0.80(0.67);其它超前时间的预测试验中,降尺度预测模型的降水预测技巧相比模式原始预测技巧也同样明显提高。
