提高季节性冻土区高铁路基冻深预测精度，对保证寒区高速铁路的安全调度和平稳运行具有重要意义。针对现有季冻区高铁路基冻深预测模型缺乏利用多元环境序列信息的问题，提出一种顾及导热系数与冻土环境变量的高铁路基冻深预测LSTM模型，以兰新高铁山丹马场-民乐路段DK371+900、DK383+345和DK391+940三处断面为例，对2015-2017年冻深快速增长期的路基冻深进行预测。该模型首先利用EMD算法对导热系数与冻土环境变量时序数据进行信号分解，得到一系列具有不同特征尺度的数据序列，体现出原数据的趋势与波动性，增加数据的细节和多样性；再利用KPCA算法提取出影响路基冻深的关键因子，实现数据降维，消除因EMD产生的数据冗余；最后通过LSTM网络实现基于多变量的路基冻深预测。实验表明：该模型较传统路基冻深预测模型、EMD-LSTM模型、多变量BP神经网络模型、多变量LSTM模型有更高的精确度。模型在三处断面路基冻深预测的平均绝对误差(fmae)为0.029m、0.033m和0.060m；均方根误差(frmse)为0.036m、0.042m和0.07...
提高季节性冻土区高铁路基冻深预测精度，对保证寒区高速铁路的安全调度和平稳运行具有重要意义。针对现有季冻区高铁路基冻深预测模型缺乏利用多元环境序列信息的问题，提出一种顾及导热系数与冻土环境变量的高铁路基冻深预测LSTM模型，以兰新高铁山丹马场-民乐路段DK371+900、DK383+345和DK391+940三处断面为例，对2015-2017年冻深快速增长期的路基冻深进行预测。该模型首先利用EMD算法对导热系数与冻土环境变量时序数据进行信号分解，得到一系列具有不同特征尺度的数据序列，体现出原数据的趋势与波动性，增加数据的细节和多样性；再利用KPCA算法提取出影响路基冻深的关键因子，实现数据降维，消除因EMD产生的数据冗余；最后通过LSTM网络实现基于多变量的路基冻深预测。实验表明：该模型较传统路基冻深预测模型、EMD-LSTM模型、多变量BP神经网络模型、多变量LSTM模型有更高的精确度。模型在三处断面路基冻深预测的平均绝对误差(fmae)为0.029m、0.033m和0.060m；均方根误差(frmse)为0.036m、0.042m和0.07...
提高季节性冻土区高铁路基冻深预测精度，对保证寒区高速铁路的安全调度和平稳运行具有重要意义。针对现有季冻区高铁路基冻深预测模型缺乏利用多元环境序列信息的问题，提出一种顾及导热系数与冻土环境变量的高铁路基冻深预测LSTM模型，以兰新高铁山丹马场-民乐路段DK371+900、DK383+345和DK391+940三处断面为例，对2015-2017年冻深快速增长期的路基冻深进行预测。该模型首先利用EMD算法对导热系数与冻土环境变量时序数据进行信号分解，得到一系列具有不同特征尺度的数据序列，体现出原数据的趋势与波动性，增加数据的细节和多样性；再利用KPCA算法提取出影响路基冻深的关键因子，实现数据降维，消除因EMD产生的数据冗余；最后通过LSTM网络实现基于多变量的路基冻深预测。实验表明：该模型较传统路基冻深预测模型、EMD-LSTM模型、多变量BP神经网络模型、多变量LSTM模型有更高的精确度。模型在三处断面路基冻深预测的平均绝对误差(fmae)为0.029m、0.033m和0.060m；均方根误差(frmse)为0.036m、0.042m和0.07...
提高季节性冻土区高铁路基冻深预测精度，对保证寒区高速铁路的安全调度和平稳运行具有重要意义。针对现有季冻区高铁路基冻深预测模型缺乏利用多元环境序列信息的问题，提出一种顾及导热系数与冻土环境变量的高铁路基冻深预测LSTM模型，以兰新高铁山丹马场-民乐路段DK371+900、DK383+345和DK391+940三处断面为例，对2015-2017年冻深快速增长期的路基冻深进行预测。该模型首先利用EMD算法对导热系数与冻土环境变量时序数据进行信号分解，得到一系列具有不同特征尺度的数据序列，体现出原数据的趋势与波动性，增加数据的细节和多样性；再利用KPCA算法提取出影响路基冻深的关键因子，实现数据降维，消除因EMD产生的数据冗余；最后通过LSTM网络实现基于多变量的路基冻深预测。实验表明：该模型较传统路基冻深预测模型、EMD-LSTM模型、多变量BP神经网络模型、多变量LSTM模型有更高的精确度。模型在三处断面路基冻深预测的平均绝对误差(fmae)为0.029m、0.033m和0.060m；均方根误差(frmse)为0.036m、0.042m和0.07...
北极正在以全球平均水平2倍的速度变暖，而北半球中纬度冬季出现明显的变冷趋势。这种异常的气候模式受到广泛关注。使用改进的快速多维经验模态分解方法，提取北半球中纬度近地表气温和积雪覆盖频率的长期趋势和变化率。从累积变化趋势来看，自1990年代开始，亚欧大陆中部地区变冷，西伯利亚高压增强，积雪覆盖频率增大；但从变化速率来看，欧亚大陆中部的快速变冷和积雪覆盖频率的快速增加主要发生在1990—2000年代，之后变率趋缓。因此，随着变化率进一步降低，北半球中纬度冬季的快速变冷可能发展为一个短期而非长期趋势。本研究展示的近地表气温和积雪覆盖频率趋势的演化过程，对探究北半球中纬度变冷的成因有重要意义。
北极正在以全球平均水平2倍的速度变暖，而北半球中纬度冬季出现明显的变冷趋势。这种异常的气候模式受到广泛关注。使用改进的快速多维经验模态分解方法，提取北半球中纬度近地表气温和积雪覆盖频率的长期趋势和变化率。从累积变化趋势来看，自1990年代开始，亚欧大陆中部地区变冷，西伯利亚高压增强，积雪覆盖频率增大；但从变化速率来看，欧亚大陆中部的快速变冷和积雪覆盖频率的快速增加主要发生在1990—2000年代，之后变率趋缓。因此，随着变化率进一步降低，北半球中纬度冬季的快速变冷可能发展为一个短期而非长期趋势。本研究展示的近地表气温和积雪覆盖频率趋势的演化过程，对探究北半球中纬度变冷的成因有重要意义。
北极正在以全球平均水平2倍的速度变暖，而北半球中纬度冬季出现明显的变冷趋势。这种异常的气候模式受到广泛关注。使用改进的快速多维经验模态分解方法，提取北半球中纬度近地表气温和积雪覆盖频率的长期趋势和变化率。从累积变化趋势来看，自1990年代开始，亚欧大陆中部地区变冷，西伯利亚高压增强，积雪覆盖频率增大；但从变化速率来看，欧亚大陆中部的快速变冷和积雪覆盖频率的快速增加主要发生在1990—2000年代，之后变率趋缓。因此，随着变化率进一步降低，北半球中纬度冬季的快速变冷可能发展为一个短期而非长期趋势。本研究展示的近地表气温和积雪覆盖频率趋势的演化过程，对探究北半球中纬度变冷的成因有重要意义。
基于风云三号(FY-3)气象卫星的积雪产品数据(snow cover),提出了基于经验模态分解的趋势提取方法，探讨了2010—2019年中国积雪时空动态变化趋势。结果表明：1)中国积雪覆盖频率(Snow Cover Frequency, SCF)具有显著的季节性特征，呈现先增加后减少的特点，每年2月、3月SCF达到当年最大；东北的SCF呈显著下降的年际变化趋势，其他地区变化不大。2)中国整体的积雪覆盖率(Snow Cover Rate, SCR)下降了约1.2%,内蒙古和西藏的SCR下降了约1.5%,其他地区的SCR变化不显著；主要积雪覆盖区的SCR均在2016年发生由增加到减少的转变。
基于风云三号(FY-3)气象卫星的积雪产品数据(snow cover),提出了基于经验模态分解的趋势提取方法，探讨了2010—2019年中国积雪时空动态变化趋势。结果表明：1)中国积雪覆盖频率(Snow Cover Frequency, SCF)具有显著的季节性特征，呈现先增加后减少的特点，每年2月、3月SCF达到当年最大；东北的SCF呈显著下降的年际变化趋势，其他地区变化不大。2)中国整体的积雪覆盖率(Snow Cover Rate, SCR)下降了约1.2%,内蒙古和西藏的SCR下降了约1.5%,其他地区的SCR变化不显著；主要积雪覆盖区的SCR均在2016年发生由增加到减少的转变。
基于风云三号(FY-3)气象卫星的积雪产品数据(snow cover),提出了基于经验模态分解的趋势提取方法，探讨了2010—2019年中国积雪时空动态变化趋势。结果表明：1)中国积雪覆盖频率(Snow Cover Frequency, SCF)具有显著的季节性特征，呈现先增加后减少的特点，每年2月、3月SCF达到当年最大；东北的SCF呈显著下降的年际变化趋势，其他地区变化不大。2)中国整体的积雪覆盖率(Snow Cover Rate, SCR)下降了约1.2%,内蒙古和西藏的SCR下降了约1.5%,其他地区的SCR变化不显著；主要积雪覆盖区的SCR均在2016年发生由增加到减少的转变。