当前位置：首页 > 实用文档 > 其他范文> 大气模式中云量分布函数问题的研究理论基础

大气模式中云量分布函数问题的研究理论基础

时间：2022-07-07 05:26:20 其他范文收藏本文下载本文

大气模式中云量分布函数问题的研究理论基础（锦集6篇）由网友“不吃青菜就会死”投稿提供，这次小编给大家整理过的大气模式中云量分布函数问题的研究理论基础，供大家阅读参考，也相信能帮助到您。

篇1：大气模式中云量分布函数问题的研究理论基础

大气模式中云量分布函数问题的研究理论基础

云量是一种特殊形式的场,其物理实质是指遮蔽天空视野的成数,在数学上实际是一定区域的水平积分加权平均.云量的非负性导致用平均值来表示云量存在着严重的缺陷,云量的'间隙性决定了实际平均云量大于传统平均云量;云量长期平均的稳定性致使其容易被误认为平均云量具有代表性而与事实不符.由于云量具有以上3个特性,故利用平均值表示云量是不恰当的.文中利用Chebyshev不等式说明了由于云量方差较大,故必须采用高阶矩的方法去逼近云量的分布函数,具体给出了确定分布函数的3个充分条件和1个充分必要条件.根据Kolmogoroff定理,在云量资料为大样本的条件下,给出了求经验分布函数的近似方法.

作者：王必正顾荣直章丽娜曾庆存作者单位：王必正,曾庆存(中国科学院大气物理研究所国际气候与环境科学中心,北京,100029)

顾荣直,章丽娜(中国科学院大气物理研究所国际气候与环境科学中心,北京,100029;中国科学院研究生院,北京,100039)

刊名：自然科学进展 ISTIC PKU英文刊名：PROGRESS IN NATURAL SCIENCE 年，卷(期)： 16(7) 分类号：P4 关键词：云量非负性间隙性高阶矩经验分布函数

篇2：基于耦合度的分布问题研究

基于耦合度的分布问题研究

【摘要】本文主要讨论分布式应用系统中基于耦合度的用户分布、功能分布和数据分布问题。

【关键词】用户分布，功能分布，数据分布，耦合度，领域知识，自动构造

随着Client/Server结构应用系统复杂和扩大，其数据、功能和用户的分布问题变得日益突出。合理有效地设计MIS系统模型是MIS系统能否有效发挥效率的关键。通常处理这些问题都是软件开发人员根据其以往的开发经验，设计的好坏受人为因素影响很大，且方案因人而异。本文提出了基于耦合度的分布过程解决方案，并在此基础上实现了一个分布的自动生成工具。

一、分布问题

当我们根据系统的需求信息来设计基于三层Client/Server模型的MIS系统的时候，一个很重要的工作就是需要确定MIS系统由多少个客户端、应用程序服务器和数据库服务器组成，用户、功能和数据是如何分布在客户端、应用程序服务器和数据库服务器上的。

对于一个MIS系统来说，我们都可以将它抽象分解为用户集 U={u1,u2,..,ul}、功能集F={f1,f2,..,fm}和数据集T={t1,t2,..,tn}。用户通过调用功能集中的一些功能模块，来存取数据集中的数据表。我们可以用图1说明它们之间的关系：

本文所要讨论的分布问题包括用户分布(User Distribution)、功能分布(Function Distribution)和数据分布(Data Distribution)。用户分布指的是根据系统的需求，决定如何在客户端各个平台上分配用户，即每个客户端允许哪些用户使用。功能分布也称处理(process)分布、事务(business)分布、逻辑(logic)分布，指的是如何在应用程序服务器各个平台上分配功能，即决定哪些功能适合在哪些平台上完成。数据分布的粒度大小可以是数据库、数据表、行、列等，我们这里讨论的数据分布逻辑单元是数据表(以下简称数据)，数据分布指的是如何在数据库服务器各个平台上分配数据，即如何在服务器上组织这些数据。

二、耦合度的计算

在分布式MIS系统中，之所以有不同的客户端、应用程序服务器和数据库服务器，是因为用户之间、功能之间和数据之间也存在着一种类似的不同“吸引力”。我们将这种“吸引力”取名为耦合度(Coupling Degree)。我们将两个用户分在同一个客户端的可能性称之为用户耦合度，两个功能分在同一个应用程序服务器的可能性称之为功能耦合度，两个数据分在同一个数据库服务器的可能性称之为数据表耦合度。这里讨论耦合度，是因为耦合度是分布式MIS系统网络节点划分的依据。耦合度是不同种因素的函数。

耦合度=f(因素1，因素2，…，因素n)

用户耦合度用户之间所属关系、距离和特殊要求等因素都可能影响用户耦合度大小。企业的部门和职务之间的所属关系构成一棵部门职务关系树或森林，叶结点为用户。直接同属一个部门的两个用户肯定比间接同属一个部门的两个用户分在同一个客户端的可能性要大。我们将两个用户到它们最近共同祖先的最大距离定义为两个用户之间的疏远度，当两个用户分属于两棵关系树时，它们的疏远度为￥。如图2所示的部门职务关系树中，用户u1(职务1)和u4(职务3)之间的`疏远度为2，用户u1和u3(部门6)之间的疏远度为3 。疏远度越大其耦合度越小，我们给不同的疏远度以不同的权值，这样就可以折算为耦合度值。

两个用户相距400米以内肯定比两个用户相距1公里以上分在同一个客户端可能性要大。两个用户相距越近，其耦合度越大，用户相距远近给予不同的权值，以折算为耦合度值。针对企业的一些特殊要求，我们用程度词来说明两个用户分在同一个客户端的可能性，常见的程度词如必须、尽可能、不可能、不能等等，我们给不同的程度词以不同的权值，以折算为耦合度值。

功能耦合度很明显，调用功能1的所有用户和调用功能2的所有用户之间的关系越紧密，这两个功能分在同一应用程序服务器的可能

[1] [2] [3]

篇3：基于耦合度的分布问题研究

基于耦合度的分布问题研究

【摘要】

本文主要讨论分布式应用系统中基于耦合度的用户分布、功能分布和数据分布问题。【关键词】用户分布，功能分布，数据分布，耦合度，领域知识，自动构造

随着client/server结构应用系统复杂和扩大，其数据、功能和用户的分布问题变得日益突出。合理有效地设计mis系统模型是mis系统能否有效发挥效率的关键。通常处理这些问题都是软件开发人员根据其以往的开发经验，设计的好坏受人为因素影响很大，且方案因人而异。本文提出了基于耦合度的分布过程解决方案，并在此基础上实现了一个分布的自动生成工具。一、

分布问题当我们根据系统的需求信息来设计基于三层client/server模型的mis系统的时候，一个很重要的工作就是需要确定mis系统由多少个客户端、应用程序服务器和数据库服务器组成，用户、功能和数据是如何分布在客户端、应用程序服务器和数据库服务器上的。对于一个mis系统来说，我们都可以将它抽象分解为用户集

u={u1,u2,..,ul}、功能集f={f1,f2,..,fm}和数据集t={t1,t2,..,tn}。用户通过调用功能集中的一些功能模块，来存取数据集中的数据表。我们可以用图1说明它们之间的关系：本文所要讨论的分布问题包括用户分布(user

distribution)、功能分布(function

distribution)和数据分布(data

distribution)。用户分布指的是根据系统的需求，决定如何在客户端各个平台上分配用户，即每个客户端允许哪些用户使用。功能分布也称处理(process)分布、事务(business)分布、逻辑(logic)分布，指的是如何在应用程序服务器各个平台上分配功能，即决定哪些功能适合在哪些平台上完成。数据分布的粒度大小可以是数据库、数据表、行、列等，我们这里讨论的数据分布逻辑单元是数据表(以下简称数据)，数据分布指的是如何在数据库服务器各个平台上分配数据，即如何在服务器上组织这些数据。二、耦合度的计算在分布式mis系统中，之所以有不同的客户端、应用程序服务器和数据库服务器，是因为用户之间、功能之间和数据之间也存在着一种类似的不同“吸引力”。我们将这种“吸引力”取名为耦合度(coupling

degree)。我们将两个用户分在同一个客户端的可能性称之为用户耦合度，两个功能分在同一个应用程序服务器的可能性称之为功能耦合度，两个数据分在同一个数据库服务器的可能性称之为数据表耦合度。这里讨论耦合度，是因为耦合度是分布式mis系统网络节点划分的依据。耦合度是不同种因素的`函数。耦合度=f(因素1，因素2，…，因素n)用户耦合度

用户之间所属关系、距离和特殊要求等因素都可能影响用户耦合度大小。企业的部门和职务之间的所属关系构成一棵部门职务关系树或森林，叶结点为用户。直接同属一个部门的两个用户肯定比间接同属一个部门的两个用户分在同一个客户端的可能性要大。我们将两个用户到它们最近共同祖先的最大距离定义为两个用户之间的疏远度，当两个用户分属于两棵关系树时，它们的疏远度为￥

。如图2所示的部门职务关系树中，用户u1(职务1)和u4(职务3)之间的疏远度为2，用户u1和u3(部门6)之间的疏远度为3

。疏远度越大其耦合度越小，我们给不同的疏远度以不同的权值，这样就可以折算为耦合度值。两个用户相距400米以内肯定比两个用户相距1公里以上分在同一个客户端可能性要大。两个用户相距越近，其耦合度越大，用户相距远近给予不同的权值，以折算为耦合度值。针对企业的一些特殊要求，我们用程度词来说明两个用户分在同一个客户端的可能性，常见的程度词如必须、尽可能、不可能、不能等等，我们给不同的程度词以不同的权值，以折算为耦合度值。功能耦合度

很明显，调用功能1的所有用户和调用功能2的所有用户之间的关系越紧密，这两个功能分在同一应用程序服务器的可能性就越大。这种用户调用功能的关系对功能耦合度影响较大，但其它因素也影响功能耦合度大小。数据耦合度

功能存取数据的关系对数据耦合度影响较大。其它影响数据耦合度大小的因素包括数据库系统的特殊要求、mis系统要求等。三、

分布过程用户、功能和数据分布主要是确立client/server系统结构。我们这里主要讨论基于耦合度的用户、功能和数据划分过程，用户、功能和数据耦合度是我们进行网络节点划分的依据。用户、功能、数据分布需要解决两个问题：1）mis系统由多少个网络节点组成。2）用户、功能、数据是如何在这些网络节点上分配的。这两个问题的解决又是统一的，即如何进行网络节点的划分。下面我们以用户分布为例，来说明分布过程的具体步骤。设企业的用户集合u={u1,u2,…um}，lu为客户端分组划分的用户耦合度下限。我们的目标是找出一个最小个数客户端集合c={c1,

c2,

c3,…,

ck}，客户端c1,

c2,

c3,…,

ckí

u，满足（1）

c1,+c2+

c3+…+ck

=u。（2）任意ci∈

c，cj∈c，i≠j

有ci∩cj=φ。（3）若rf(ui，uj)>=lu，则用户ui，uj

就在同一客户端。具体步骤如下：第一步，计算用户之间耦合度。这里rfd

(ui,uj)

、rfc

(ui,uj)

、rfs

(ui,uj)分别表示用户ui和uj之间由于距离、所属关系、特殊要求等因素影响的耦合度。rf(ui,uj)=

rfd

(ui,uj)

+rfc

(ui,uj)

+rfs

(ui,uj)+…第二步，求用户二元关系ru。ru={

ui,

且

rf(ui,

uj)3

}第三步，求ru的等价关系ru?ru?

t(ru)第四步，客户端划分c。c=u/

ru?/p>分布是一个权衡的过程，不存在唯一正确的方案。必须兼顾目标与限制，综合考虑所有方面的因素。四、分布的自动生成工具我们设计和实现了一个mis系统辅助开发环境ndtool(node

distributed

tool)，这是一个基于耦合度和领域知识的用户、功能和数据分布的自动生成工具。该系统设计过程贯穿了我们所提出的思想和方法。ecsl(enterprise

concept

structure

description

language)是一个企业概念结构描述语言，主要用于获取最终用户所提供的企业的需求信息。采用中文的类自然语言形式，面向最终用户。dkdl(domain

knowledgedescription

language)是一个领域知识描述语言，主要用于获取领域专家在mis系统开发上所积累的经验，并将所得到的领域知识存放于领域知识库中。该语言面向领域软件专家。领域知识库用于存放领域知识。由dkdl获取的领域专家的开发经验，经过分析、组织，所得到的结果保存在领域知识库中。我们提供一组领域知识库的操作接口，用于领域知识库的存取和维护工作。madl（mis

system

architecture

description

language）是一个分布式mis系统体系结构描述语言，主要用于描述mis系统中的用户、数据和功能的分布情况。它是ndtool系统最后生成的结果。该语言面向软件开发人员。ndtool系统的工作流程。首先，将领域软件专家所掌握的领域知识，描述成dkdl文本，经过dkdl编译器的编译，并调用领域知识库的接口将所分析的结果存入领域知识库中。当需要开发mis系统时，企业最终用户将他的需求信息用ecsl语言描述出来。通过ecsl编译器进行编译，参考领域知识库的有关领域知识，计算用户、功能和数据耦合度，再根据耦合度进行网络节点的划分，最后将结果用madl语言描述出来。提供给开发人员进行数据模型和模块设计。五、

结束语本文围绕基于耦合度的client/server结构应用程序的分布过程及其自动生成工具的实现进行了讨论。分布问题具有一个不确定性的特点，同时分布将耗费开发者大量的精力。如何合理地设计分布构造方法以及设计分布的自动生成工具是client/server系统开发过程中一个重要问题。参考文献：[1]

陆汝钤，金芝，万荣林，夏幼明

基于领域知识的需求信息获取软件学报，vol.7，no.

3，[2]

赵洪彪，周立柱

client/server结构系统中的处理分布计算机科学，vol.

24，no.5，[3]

张左梁

c/s应用系统设计的新概念和新技术计算机科学，vol.24，no.1，1997

篇4：云南省大气中水资源分布特征初探

云南省大气中水资源分布特征初探

利用1961-云南124个气象站逐月降水(P)和气温(t)观测资料,依据高桥浩一郎的陆面实际蒸散发经验公式(以下简称高桥公式),计算了云南地面蒸发(E)和可利用降水(P-E)等与水资源有关的主要物理量,从大气可提供的水资源部分,分析了云南水资源各分量的时空演变特征及其显著周期,并对云南水资源进行了初步的区划.结果表明:云南大气中水资源各分量区域分布差异显著,南多北少,南部梯度大,北部梯度小;云南水资源各分量P,E及P-E季节变化明显,夏季各量最大,多年平均分别为548 mm,236 mm,313 mm,各占全年的55%,45%及67%,冬季各量最小,所占全年的比例也最小,分别为5%,7%,2%; 云南P,E及P-E存在明显的.月际、年际及年代际变化特征,各分量最大值出现在7月,最小值出现在1月或12月,通过功率谱周期分析发现,年降水量和可利用降水量存在显著的2.6年周期,年蒸发量存在显著的2.9年周期;云南省初步可划分为水资源丰富区、缺少区及一般区3个区,它们的区域平均P-E,E及P都存在明显差异.

作者：陶云赵荻何华高锡帅郑建萌黄玮 Tao Yun Zhao Di He Hua Gao Xishuai Zheng Jianmeng Huang Wei 作者单位：陶云,Tao Yun(云南省气候中心,昆明,650034;云南大学大气科学系,昆明,650091)

赵荻,Zhao Di(云南大学大气科学系,昆明,650091)

何华,He Hua(云南省气象台,昆明,650034)

高锡帅,Gao Xishuai(云南省气象局,昆明,650034)

郑建萌,黄玮,Zheng Jianmeng,Huang Wei(云南省气候中心,昆明,650034)

刊名：应用气象学报 ISTIC PKU英文刊名：JOURNAL OF APPLIED METEOROLOGICAL SCIENCE 年，卷(期)： 18(4) 分类号：P4 关键词：云南大气中水资源时空分布显著周期水资源区划

篇5：大气中的水汽滞留函数

大气中的水汽滞留函数

水分从蒸发进入大气到变成雨雪再降落大约在空中滞留(存活)9天,而 9天只是水汽在大气中的平均寿命.我们应当知道在大气里现存的`总水汽量中已经在大气里滞留(存活)1天、2天或者 n 天的水汽分别占有的百分比是多少.描述这个问题需要引入大气中的水汽滞留函数概念.本文阐明了水汽滞留函数的物理含义并且指出它应当是一个负指数方程.

作者：张学文 ZHANG Xue-wen 作者单位：中国气象局,乌鲁木齐沙漠气象研究所,新疆,乌鲁木齐,830002 刊名：高原气象 ISTIC PKU英文刊名：PLATEAU METEOROLOGY 年，卷(期)： 25(6) 分类号：P46 关键词：大气中的水分循环大气中的水汽滞留函数

篇6：[PS]中色彩和色调模式的教学理论基础

在Photoshop中绘制的作品很多时候是靠色彩和色调来表现的，所以颜色理论是学好Photoshop的基础，笔者在Photoshop教学的一开始就补充了这方面的内容，让学生动手和教师一起绘制RGB和CMYK模式图。

新建一个文件，背景为黑色，新建3个图层。绘制一个圆形选区后，在三个图层的选区中分别填充红、绿、蓝三色，然后去掉选区，在图像窗口用移动工具调整三个圆的位置。

击活图层面板，分别选中新建的三个图层，在“混合模式”的下拉列表中选择 “滤色”模式替换默认的“正常” 模式（注：有的版本把“滤色”译成“屏幕”）。

观察图像窗口，红绿两种颜色的重合部分变成黄色、绿蓝两色混合成青色、红蓝则生成品色（洋红），三种原色混合在一起的部位变成白色（如图1），

图1 RGB颜色模式图

再建一个新文件，背景设为白色。依然建3个图层并绘制圆形选区，依次填充青、品、黄三色后，删除选区，调整圆的位置。

在图层面板中，把这三层的“混合模式”都改为 “正片叠底”。此时会发现，混合后的颜色变暗了：青品生成蓝，青黄生成绿，黄品生成红，三色混合的部分变为黑色。混合的颜色多反而失去了颜色，因此也把CMYK模式称为“减色模式”。最后在图形的相应位置加上R、G、B、C、M、Y、K等字样，合并图层，结束颜色模式的演示。

图2 CMYK模式图

颜色模式是颜色理论的重点和难点，如果不进行演示，学生会感到抽象。按照上面的方法，学生基本都能理解两种不同的色彩混合模式。

★ 网络云计算技术研究现状综述论文

★ 浅析基于可验证计算的可信云计算优秀论文