北京象心力科技有限公司是一家为电力、能源等气象敏感行业提供气象和大数据服务的科技公司。
我们旨在为客户提供精准稳定的数据产品、优质专业的咨询服务和完整高效的解决方案。始终将客户和行业的需求放在首位，深度挖掘行业数据，利用自主的气象预报系统、AI算法模型和智能云平台，为客户提供行业所需的专业数据服务。
象心力科技核心团队由资深气象学家、人工智能算法高级工程师和大数据专家组成。
团队硕博以上占比80%，在新能源气象领域深耕多年，拥有多家全球顶尖的数值天气预报资源和深厚的技术经验积淀。
运气象之力，铸行业之心。我们希望通过不断的努力，让智慧气象和智能算法帮助客户提高效能、降低风险、获得更大的商业价值，让电力更加智慧、能源更加清洁、天空更加蔚蓝！
2021-11-30 18:17:40
21.05MB
1
第三章 各向异性序贯高斯模拟
29
第三章 各向异性序贯高斯模拟
3.1 各向异性序贯高斯模拟方法
序贯高斯模拟是一种条件模拟，即模拟出的结果，再现了变差函数表征的空间
结构，即二阶统计特性，且在已知点位处与原数据一致。序贯的方式是指对未知
点作逐点模拟，基于的原理是
[23]
：
1 1
1 1
2 2 1 1
( ,..., ; ,..., | ( )) ( ; | ( 1))*
( ; | ( 2))*
( ; | ( 1))* ( ; | ( ))
N N N N
N N
F u u z z n F u z n N
F u z n N
F u z n F u z n
- -
= + -
+ -
+
(3-1)
序贯高斯模拟的步骤如下：
1.产生一条随机访问路径
2.访问路径上的点，为未知点搜索已知点
3.为该点作克里金估计
4.按照克里金估计出的结果构造条件高斯分布
5.从高斯分布中抽取样点，加入到已模拟出的点集中
6.访问下一个未知点，直到模拟完成
3.1.1 数据的正态变换与反变换
序贯高斯模拟中要求已知的观测数据服从高斯分布，但数据有时会出现“重尾”
现象，偏离高斯分布。此时，实际应用中处理的方式是先对已知数据作高斯变换，
再分析变换后数据的实验变差函数，拟合理论变差函数，之后进行序贯高斯模拟，
再把模拟结果进行反变换，才是最终的结果。这里存在学术界一直没能解决的问
题，变换前后的二阶统计特性的一致性问题，若出现不一致该如何对待。
变换的的方式采用分位数对应法，这有些类似于高斯随机数产生中分布函数求
逆法。即变换后的值与变换前的值在对应分布中有相同的分位数。
2021-10-27 09:33:51
3.57MB
1
中国古典风格的企业宣传册，公司介绍手机页面展示模板，需横屏浏览，并打开手机竖排方向锁，随着小船行使，场景不断变化
2021-09-06 10:29:24
13.87MB
1