当前位置：文档库 › 地理区域时间分布特征

地理区域时间分布特征

陆军军官学院五四比武

数学建模竞赛

参赛组编号：022*******

所属队别：学员二旅26队

参赛队员姓名：夏旭东刘小均刘豪

参赛选择的题号是： A

论文题目：地理区域气温时间分布特征

地理区域气温时间分布特征

摘要

1.问题一

问题一是对较短时间内气温的预测，为了能够较准确的预测较短时间段的气温，我们需要对所给数据进行处理，由于问题一是为了求出一天、几天或者一周的气温，我们首先需要计算出三个区每天的平均温度，其次引入三次指数平滑法，并建立时间序列模型，较精确的预测出较短时间的气温，预测结果如下：

20070624 20070624~26 20070624~30 原平均温度22.4 25.37 25

预测值23.91 26.17 26.43

2.问题二

问题二要预测冬季的最高或最低气温，实际上是在第一问的基础上，预测冬季三个月的气温，但这加大了运算量，其实对于最高气温和最低气温是在一个固定的时间段获得的，因此对一年四季随机抽取三天，观察其气温变化曲线，得出了两个时间段，即0-6时和12-16时能达到每日的最低和最高气温，再利用问题一中的基于EMD的神经网络预测，以所给数据为输入，预测下一年同期气温，比较得出最高和最低气温，如下图：

最高气温最低气温

时间20070221 20061223

平均温度17.6 -9.5

3.问题三

问题三要对2007年冬季气温整体进行分析，由于没有给出2007年的真实冬季气温，我们首先要预测出2007年冬季的气温，第二问我们利用基于EMD的神经网络预测法对2006年的冬季最高气温与最低气温进行了预测，而得出的预测值与真实值相比，非常接近。因此我们预测2007年冬季的平均气温，也在原有的模型基础上进行求解。然后分析：1.对07年冬季气温的整体性分析2.对07年冬季气温的地域情况的分析3.对2007年冬季气温最高和最低的时间的分析

关键词：主成分分析希尔伯特黄变换 EMD经验模态分解法神经网络预测时间序列法

一、问题重述

气温是人类环境的重要影响因子，在如今全球升温的大背景下，讨论一个地理区域的气温分布特征，对于衡量观测数据的准确性和气温预报有重要作用。

附件资料是按照地理位置和地理特征将某区域划分为三个小区：南区、中区和北区后，在三个不同小区域分别利用气象自动站进行全天24小时（每小时1次）的观测，试利用观测得到的数据分析温度分布特征，并建立数学模型对2007年冬季气温作出预测。

1、说明你们建立的模型能否预测较短时间段的气温（如，一天、几天、一周等），并举例说明；

2、预测2007年冬季气温最高或最低的时间或时间段；

3、对2007年冬季气温总体情况进行分析说明。

二、模型的假设

1.太阳活动正常，对气温影响忽略不计；

2.该地区无自然灾害发生；（如地震、海啸、火山爆发等）

3用平均气温代表每天的温度；

三、符号说明

符号定义

X信号

(t)

c IMF分量

r残余量

m平均值

l层数

n节点数

w权数

θ阈值

)(l

W最小时的权值

k筛分过程次数

(-l

j第j个神经元输出

S三次指数平滑值

S标准误差

四、问题分析

1.问题一的分析

问题一对于较短时间预测，首先要确定每天气温要用平均气温表示，又要对三个地区气温预测，以一个为例求解，根据气温变化特点，引入三次指数平滑法，建立时间序列模型，求解较短时间气温，并进行检验。

2.问题二的分析

问题二的求解是要建立在问题一的基础上进行的，冬季对应12-2月，要预测出其最高或最低气温，意味着要对三个月的日平均气温预测，才能预测出时间段，有分析能得出最高和最低的气温在每日是有固定的时间范围，对数据分析就不难得出，减少了输入样本的量后，运用第一问中基于EMD的神经网络预测法，预测得出最高气温和最低气温。

3.问题三的分析

问题三对于07年冬季气温整体分析，需要建立在问题二的基础上，用06年冬季气温作为输入，运用基于EMD的神经网络预测，预测出07年冬季气温的值，预测出的2007年的气温值与2006年气温值得对比检验其准确性和精度，并进行整体性分析、地域情况的分析以及冬季气温最高和最低的时间的分析。

五、模型的建立与求解

问题1的建立和求解

为了能够较准确的预测较短时间段的气温，我们需要对所给数据进行处理，由于问题一是为了求出一天、几天或者一周的气温，我们首先需要计算出三个区每天的平均温度，并建立时间序列模型，较精确的预测出较短时间的气温。

5.1.1 模型的准备

由于气温具有季节性，且气温变化具有四大变化特点。

一、长期趋势变动。

二、季节变动。

三、循环变动，这里以一年为周期。

四、不规则变动。具有突然变动和随机变动。

但在短期内我们可以将气温看成一组按时间顺序排列的、随时间变化，且相互关联的数据数列，在这里我们引入时间序列模型，由于利用一般时间序列法预测，未来值是随时间间隔的增长而递减的，误差较大，由于气温数列的复杂性，一般时间序列法无法

满足需要，这里我们引入三次指数平滑法的时间序列模型。它是利用对观测值依时间顺序进行加权平均作为预测值来预测短期气温。 5.1.2 模型概念的引入

三次指数平滑法

由于气温随时间变化呈现类二次曲线趋势，这里我们采用三次指数平滑法。其计算工式为：

()()()()()()()()()111

221331111t t t t t t t t t S y S S y S S y S ---??=∝+-∝????=∝+-∝????=∝+-∝???

? (1) 式中()3t S 为三次指数平滑值。

三次指数平滑法的预测模型为

1,2?t T t t t

y a b CT T +=++= ， (2) 其中

()()()()()()()()()()()()1231232212323365254432(1)2(1)t t t t t t t t t t

t t a S S S b S S S c S S S =-+∝??=-∝--∝+-∝???????????????

??-∝∝??=-+????????

?-∝ (3) 5.1.3 时间序列模型的求解

由于给出了三个小区06年6月至07年10月二十四小时的数据，数据量太大，不利于问题一的求解，因此我们需要对原数据进行处理，通过查阅相关资料，发现一般用一天的平均温度来表示一天的气温，因此我们求解出三个区每天的平均气温，由于地理的差异，我们不对三个区的气温进行统一化处理，以北区气温为例，表一给出了每月的平均气温，图一给出了时间与气温的变化曲线。

表1 七个月平均气温

图1 气温变化曲线

从图中可以看出，气温随月份呈现出类二次曲线的变化规律。因此，可采用三次指

数平滑法求解。我们以预测北区一天气温为例，将每天的平均气温代入程序求解，这里∝=得表二。

我们令0.2

表2 每日预测温度

预测值23.41 27.67 25.18 23.1 25.21 26.19

但由于问题一所给出的是预测较短时间内的气温，不仅仅是一天的平均气温，这里为了简化计算，为使预测值具有较高的准确性，我们取各个时间段的平均值，即计算一周的平均温度。表三给出了三天和一周的预测温度。

表3 三天及一周的预测温度

20070623~25 20060723~39 原温度平均值25.26 26.13

预测值26.12 27.34

5.1.4 模型的检验

∝=、和0.8时，表四给出了α取不同值时某天的预测值。从表四可以看出，0.20.5

∝=,预测的标准预测值是很不相同的。通过计算它们的预测标准误差S，通过计算取0.2

差见表五。

表4 不同α值对应的预测值

表5 预测的标准误差

∝=的情况下，以北区六月气温为例预测的气温值预测出的各天、三天以在采用0.2

及一周的气温于原气温的对比如表六所示。

表6 预测冬季气温

20070624 20070624~26 20070624~30 原平均温度22.4 25.37 25

预测值23.91 26.17 26.43

5.2问题二的求解

5.2.1模型的准备

1.根据气象学中的定义，我们将每年的3月至5月定为春季，6月至8月定为夏季，9月至11月定为秋季，每年的12月至次年的2月定为冬季，预测2007年的冬季最高或最低气温实际上是对于这三个月气温的预测，通过比较得出最高、最低的温度。

2．结合我们所知道的常识中，每天的最高或最低气温实际上是固定在某个时间段

的，如最低气温是在夜间凌晨的时间段内，而最高气温是在在中午过后2点左右，我们以中区为例，对所给数据中四季各抽取了三天的24小时气温的数据，进行了比较，如下图：

图2 春季图3 夏季

图4 秋季图5 冬季

从上面春夏秋冬四幅图中，我们可以看出它们的共同特点是：尽管最高气温不同，但最高气温均出现在白天12-16点的时间段内，最低气温都出现在凌晨0-6点的时间段内。虽然存在如图4春季和秋季图中在19-20点的时间段内出现了气温的波动，以及在春季和冬季图中系列二分别在22点和8点出现了波动，但从四幅图的总体看，这并没有给最高和最低气温的时间段的确定造成大的影响。

由此我们可以得出结论，冬季的气温最高和最低分别出现在12-16点以及0-6点的时间段内。

5.2.2概念的引入

对于长期的气温预测，由于题目所给数据量较少，从问题一中的预测值可以看出，误差随时间的增长而变大，不利于长期时间的预测，因此我们没有采用时间序列法，为了增加预测结果的准确性，我们运用了HHT，HHT是一种新的分析非线性非平稳信号的时频分析方法，由两部分组成：

第一部分为经验模态分解（Empirical Mode Decomposition，EMD）（the sifting process，筛选过程），它是由Huang提出的,基于一个假设：任何复杂信号都可以分解为有限数目且具有一定物理定义的固有模态函数（Intrinsic Mode Function，IMF；也称作本征模态函数）；EMD方法能根据信号的特点，自适应地将信号分解成从高到低不同频率的一系列IMF；该方法直接从信号本身获取基函数，因此具有自适应性，同时也存在计算量大和模态混叠的缺点。

第二部分为Hilbert 谱分析（Hilbert Spectrum Analysis ，HSA ），利用Hilbert 变换求解每一阶IMF 的瞬时频率，从而得到信号的时频表示，即Hilbert 谱。

简单说来，HHT 处理非平稳信号的基本过程是：首先，利用EMD 方法将给定的信号分解为若干IMF ，这些IMF 是满足一定条件的分量；然后，对每一个IMF 进行Hilbert 变换，得到相应的Hilbert 谱，即将每个IMF 表示在联合的时频域中；最后，汇总所有IMF 的Hilbert 谱就会得到原始信号的时间-频率-能量分布，即Hilbert 谱。

一、EMD 概念的引入

EMD 方法是把时间序列分解成有限个具有特征振荡周期的分量，尽管有些分量仍然保持者不同程度的非平稳性，但是它们之间的相互影响却被隔离了，利用这种隔离可以尽可能地减少对预测的影响。

二、EMD 方法的原理此方法基于以下的设定：

（1）被分析数据至少包含两个极值点：一个极大值和一个极小值；

（2）根据两个相邻极值点的时间距离定义固有振荡模式的特有时间尺度。

该方法的原理是：根据固有模态信号的定义（所谓固有模拟信号是指满足一下两个条件的信号：一、整个数据中，零点数与极点数相等或至多相差1；二、信号上任意一点，由局部极大值点确定的包络线和由局部极小值点确定的包络线的均值均为0，即数据关于时间轴局部对称），首先找到信号(t)X 的所有局部极大值和局部极小值，用三次样条差值分别连接所有极大值点和极小值点，使所有数据都在两包络线之间，然后求出两包络线的平均值1m ，再用(t)X 减1m 得到1h 即

11(t)m X h -= (1)

这里，1h 还不是一个IMF ，筛选过程主要有两个目的：（1）消除一些附加的波；（2）使波的轮廓更加对称，为此筛选过程可以被重复很多次，第二次筛分时1h 被作为分解数据，即

1111h m h -= (2) 重复筛分过程k 次，直到1k h 满足IMF 的条件，此时

1(k 1)11k k h m h --= (3)

筛分出的第一个IMF 表示为

11c k h =

(4)

一个信号可以由多个IMF 组成，可以从信号中先将分离出来即

()11X t c r -= (5)

然后将 1r 作为分解数据，再重复以上的筛分过程得到2c 即

112r c r -= (6)

这个过程可以重复，即

1n n n r c r --= (7)

直到满足如下条件之一时，分解过程可以结束：（1） n r 或n c 小于给定的值；（2）

n r 成为单调函数，不可能再从筛分出IMF 最后得到

()n

1i n i X t c r ==+∑

式中 i c 称为残余分量，分解结束时是一个恒定值或单调函数，代表信号的平均趋势。上面的分解过程可以解释为尺度滤波过程，每一个IMF 分量都反映了信号的特征尺度，代表着非线性非平稳信号的内在模态特征。

三、神经网络的基本概念

这里我们采用了前馈神经网络来求解，典型前馈神经网络的结构包括输入层，隐层，输出层，各层之间实行全互连接，层内神经元之间无连接。设网络共L 层，包括输入层，隐层和输出层。第l 层共有l n 个神经元节点, l 层第i 个神经元和l +1层第j 个神经元的连接权为(l),l ji w 层第j 个神经元输出为(l),l j y j y (l ),l 层输出为

)(l u i =

∑-=+--1

)

()1()1(l n j i ji

j l l w

l y θ (8)

其中)(l i θ为第l 层第i 个神经元的閾值，)1(-l y j 为1-l 层第j 个神经元的输出, )1(-l w ji 为第1-l 层第i 个神经元和l 层第j 个神经元的连接权，1-l n 为第1-l 层神经元的个数。目标函数一般取期望输出与实际输出之差的平方和：

(9)

神经网络的训练就是求当)(W E 为最小时的权值W,一般情况下。前馈神经网络的激活函数取非线性对数－S 形函数（logsig 函数），即

f(x)=

-+11

。 (10) 5.2.3模型可靠性的检验

1.地区温度时间序列的经验模态分解（EMD ）

考虑整体性和周期性，我们将所给数据中的前几日舍去，从2006年7月1日开始标号，将第一天标为1，以此类推，2007年6月30日标为365，那么，每一个号码对应了相应的平均气温。

利用MATLAB 进行编程，将365天的平均气温作为矩阵输入，对其进行EMD 分解。原始信号及分解结果如下图：

∑∑

===-=L L

n i n i i

i i W e y d W E 112

2)(21)(21)(

图6原始信号图

图7 EMD 得到的分解结果图

分解结果如图2 所示。与原始信号相比，共分解出6个IMF, 图中从上至下分别为IMF1 到IMF6, 最后一个为剩余量。若将原始数据用X(t)表示, 则图2 的分解结果可表示为:

()n

i n i X t c r ==+∑ ,其中ci 代表IMFi;n r 代表剩余分量。

2.基于EMD 的神经网络预测

神经网络因为其较强的适应能力和学习能力, 使之在非线性系统的预测方面得到了广泛的应用。考虑到大气系统是一类非线性较强的时间序列, 本文选用RBF 网络, 该网络是一种前向型神经网络, 它具有较高的运算速度和外推能力, 同时具有较强的非线性影射功能, 它通过非线性基函数的线性组合实现输入空间RN 到输出空间RM 的非线性转换。

EMD 将此小区温度序列分解成6个IMF 和一个剩余量, 如图2 所示。利用上面创建的神经网络对7个分量分别进行预测,再将预测出的7个分量利用公式

计算出来每天的平均气温，测试时，我们将2006年7月-2007年6月一整年数据作为输入，预测2007年7月-10月的平均气温，并与给出的数据进行比较，检验神经网络预测的精度和准确性，我们抽取了其中几天的气温，结果如下表示：

表7 EMD 神经网络预测值与实际值比较

编号 16 26 33 69 109 日期 20070716 20070726 20070802 20070907 20071017 预测气温 25.4 26.1 25.1 20.9 15.4 实际气温 26.1 25.2 25.3 21.4 16.3 误差

-0.7

0.9

-0.2

-0.5

-0.9

从上表中可以看出，结合前面的解释，编号与实际的日期相对应，预测气温与实际值的差异比较小，符合我们预测的结果，达到了预期的效果，结合上述，我们对未来一年的气温预测，并抽取部分结果如下表所示：

表8 EMD 神经网络气温预测值

编号 176 186 199 219 241 预测气温

1.0

-2

2.2

9.4

(1)对于非线性系统, 神经网络预测有着明显的优势, 但复杂非线性系统中, 信号的非平稳行为确实给预测带来了一定的困难。

(2)EMD 分解确实降低了各分量的非平稳性, 特别是较低频的IMF 分量预测结果比较理想

5.2.3模型的建立与求解

有了上述过程的验证，对于冬季气温的预测，首先将2006的冬季3个月的气温中，将0-6点，12-16点的气温抽取出来，将其作为输入数据，对其进行EMD 经验模态分解，得到了它的IMF 分量，输入至神经网络程序中，运用MATLAB 编程求解其预测值，最后叠加各分量的和得到其预测值，经过比较得出下表和图：

表9 预测最高气温时间段及平均气温

时间 12时 13时 14时 15时 16时

平均

表10 预测最低气温时间段及平均气温

时间

平均

0时1时2时3时4时5时6时

由上述的最高气温和最低气温的两幅图和表得出：

最高气温，出现在了2008年2月24日，在该时间段内，平均气温达到16.7度，折线图中，也能看出这段时间温度先升高，达到最大值17.9度，然后降低的过程。

最低气温出现在了2007年12月23日，在该时间段内，平均气温达到零下9.5度，折线图中，这段时间的温度一直在零下10度的范围内波动，并达到零下10.4度的最低值。

5.3 问题三的求解

5.3.1 模型的准备

由于没有给出2007年的真实冬季气温，我们首先要预测出2007年冬季的气温，第二问我们利用基于EMD的神经网络预测法对2006年的冬季最高气温与最低气温进行了预测，而得出的预测值与真实值相比，非常接近。因此我们预测2007年冬季的平均气温，也在原有的模型基础上进行求解。下图给出了预测出的2007年的气温值与2006年气温值得对比图。通过所给图可以发现2007年的气温值与2006年的气温值拟合度较高，因此，我们对2006年冬季气温分布特征的分析可以代替2007年预测出的气温分布特征的分析。

图9 气温对比图

5.3.2 模型的建立与求解

我们分三步对于2007年的冬季气温的总体情况进行分析

一、对07年冬季气温的整体性分析

将预测出的07年冬季气温按月份建立气温矩阵，并将每月的气温变化情况进行对比，由于每月的气温情况是独立的，因此，我们将特点分为三类。

一类：以各月平均气温为标准，反映的天气过程是冬季由暖变冷的下降趋势。

二类：以一月相对其余月份较高值为特点，冬季长期气温变化为先升后降。

三类：以2月相对高值为特点，各月演变为上升趋势。

二、对07年冬季气温的地域情况的分析

我们首先对气温的地域分布情况进行分析，我们运用SPSS软件对三个地区冬季的气温进行主成成分进行分析，得到相关性分析的结果如下表：

表11 相关性结果分析表

相关性

南部中部北部

1 .991**.981**

南部Pearson

相关性

.991** 1 .987**

中部Pearson

相关性

.981**.987** 1

北部Pearson

相关性

**. 在 .01 水平（单侧）上显著相关。

不难看出，表中的三个小区的相关性非常大，均超过了95%，证明按地理区域和地理位置划分其实对该区域气温的影响小到可忽略，因此我们为减少运算量，在接下来的分析中，我们取三者中相关性最大的中区为代表对07年的冬季气温进行分析。

三、对2007年冬季气温最高和最低的时间的分析

我们利用第二问所求得的07年的气温最高和最低的时间段，并与06年的气温和最低的时间段进行对比，可以发现07年的气温最低和最高的时间段分别提前了，并计算06年和07年的总的冬季平均气温，07年的要高于06年，说明，在整体温度水平上，07年冬季的平均气温呈现上升的趋势。

六、模型的评价

1模型的优点

（1）本文对大量的数据进行了预处理，选取方法较为合理，使得数据准确、可靠。

（2）本题的解答过程中，充分运用数学软件，结合图像和数据，更加形象、准确的反映问题的结果。

（3）在数据处理过程中，本题很大程度借助了计算机的辅助，特别是MATLAB语言，这样在运算过程中，既提高了精确度，又节省了大量的时间。

（4）HHT能分析非线性非平稳信号，具有完全自适应性。

2 模型的不足

（1）文章假设考虑的因素不够详细，致使所得结论还不能完全指导实践。

七、参考文献

[1]姜启源, 谢金星,数学模型(第三版),北京:高等教育出版社, 2003.

[2]薛薇，统计分析与SPSS的应用[M]，北京：中国人民大学出版社，2001.

[3]王桂松等，线性统计模型[M]，北京：高等教育出版社，1999.

[4]薛定宇,陈阳泉,高等应用数学问题的MATLAB求解,北京:清华出版社,2004.

[5]薛定宇,陈阳泉.高等应用数学问题的MATLAB求解[M]北京:清华出版社,2004

[6] 韩中庚.数学建模方法及其应用[M].北京:高等教育出版社，2005-6

[7] 胡运权.运筹学教程[M].北京: 清华大学出版社,2003.

[8] 安德森著、于淼译.数据模型与决策[M].北京: 机械工业出版社,2003.5

附录

1．时间序列法程序

clc,clear

alpha=0.4;

y=[16.41 17.62 16.15 15.54 17.24 16.83 18.14 17.05];

s1(1)=y(1);

for i=2:8

s1(i)=alpha*y(i)+(1-alpha)*s1(i-1);

end

s2=y(1);

for i=2:8

s2(i)=alpha*s1(i)+(1-alpha)*s2(i-1);

end

a8=2*s1(8)-s2(8)

b8=alpha/(1-alpha)*(s1(8)-s2(8))

yhat9=a8+b8

yhat(1)=y(1)

for i=2:8

yhat(i)=s1(i-1)+1/(1-alpha)*(s1(i-1)-s2(i-1));

end

temp=sum((yhat-y).^2);

sigma=sqrt(temp/6)

2.EMD经验模态分解MATLAB程序

% 用希尔伯特黄变换（HHT）求时频谱和边际谱

clear;clc;

N=365;

% fft默认计算的信号是从0开始的

t=linspace(1,N,N);

delta=t(2)-t(1);

% fs=1/deta;

x=[

]';

% (1)为了对比，先用fft对求上述信号的幅频和相频曲线。

% N1=256;N2=512;w1=0.2*2*pi;w2=0.3*2*pi;w3=0.4*2*pi;

% x=(t>=-200&t<=-200+N1*deta).*sin(w1*t)+(t>-200+N1*deta&t<=-200+N2*deta).* % sin(w2*t)+(t>-200+N2*deta&t<=200).*sin(w3*t);

m=0:N-1;

f=1./(N*delta)*m;% 可以查看课本就是这样定义横坐标频率范围的

% 下面计算的Y就是x(t)的傅里叶变换数值

% Y=exp(i*4*pi*f).*fft(y)

% 将计算出来的频谱乘以exp(i*4*pi*f)得到频移后[-2,2]之间的频谱值

y=fft(x);

z=sqrt(y.*conj(y));

figure;

plot(f(1:100),z(1:100));grid;

title('图2 幅频曲线');%

xiangwei=angle(y);

figure;

plot(f,xiangwei);grid;

title('图3 相频曲线');

figure;

plot(t,x);grid;

title(' 原始信号');

% axis([-2,2,0,1.2])

%----------------------------------------------

% （2）用Hilbert变换直接求该信号的瞬时频率

% clear;clc;clf;

% % 假设待分析的函数是z=t^3

% N=2048; % 设置采样点

% % fft默认计算的信号是从0开始的

% t=linspace(1,2,N);

% deta=t(2)-t(1);

% % fs=1/deta;

% x=5*sin(2*pi*10*t)+5*sin(2*pi*35*t);

hx=hilbert(x);

xr=real(hx);xi=imag(hx);

% 计算瞬时振幅

sz=sqrt(xr.^2+xi.^2);

% 计算瞬时相位

sx=angle(hx);

% 计算瞬时频率

dt=diff(t);

dx=diff(sx);

sp=dx./dt;

figure;

plot(t(1:N-1),sp);grid; %

title('图4 瞬时频率');

%----------------------------------------------

% （3）用HHT求取信号的时频谱与边际谱

c=emd(x); % 计算每个IMF分量及最后一个剩余分量residual与原始信号的相关性[m,n]=size(c);

for i=1:m;

a=corrcoef(c(i,:),x); % 各个IMF与原始信号的相关性

xg(i)=a(1,2);

end

xg;

for i=1:m-1

% 计算各IMF的方差贡献率

% 定义：方差为平方的均值减去均值的平方

% imfp2=mean(c(i,:),2).^2

% 平方的均值

% imf2p=mean(c(i,:).^2,2)

% 各个IMF的方差

mse(i)=mean(c(i,:).^2,2)-mean(c(i,:),2).^2;

end

mmse=sum(mse);

for i=1:m-1

mse(i)=mean(c(i,:).^2,2)-mean(c(i,:),2).^2;

% 方差百分比，也就是方差贡献率

mseb(i)=mse(i)/mmse*100;

% 显示各个IMF的方差和贡献率

end

% 画出每个IMF分量及最后一个剩余分量residual的图形

%---------------------------------------------------------

% figure;

% for i=1:m-1

% disp(['imf',int2str(i)]);disp([mse(i) mseb(i)]);

% end

% subplot(m+1,1,1);plot(t,x);ylabel(['signal','Amplitude']);

% for i=1:m-1

% subplot(m+1,1,i+1);plot(t,c(i,:));ylabel(['imf',int2str(i)]);

% % 线条设置为黑色plot(t,c(i,:),'k')

% end

% subplot(m+1,1,m+1);plot(t,c(m,:));ylabel(['r',int2str(m-1)]);

%-----------------------------------------------------------

figure;

for i=1:m-1

disp(['imf',int2str(i)]);

disp([mse(i) mseb(i)]);

subplot(m+1,1,i+1);plot(t,c(i,:));ylabel(['imf',int2str(i)]);

end

subplot(m+1,1,1);plot(t,x);ylabel('原始信号','fontsize',9); % ylabel(['原始','信号']);

title(' EMD得到的各分量');

subplot(m+1,1,m+1);plot(t,c(m,:));ylabel(['r',int2str(m-1)]); %------------------------------------------------------------ % 画出每个IMF分量及剩余分量residual的幅频曲线

% for i=1:m-1

% end

y1(1,:)=fft(c(1,:));

z1(1,:)=sqrt(y1(1,:).*conj(y1(1,:)));

figure;

plot(f,z1);grid;

title('图6 imf1幅频曲线');

figure;

plot(f(1:100),z1(1:100));grid;

title('图7 imf1幅频曲线(1:100)');

% 以上两条语句截取坐标为1-100;相当于放大.

% figure;

% plot(f(1:50),z1(1:50));title('imf1幅频曲线');

y2(2,:)=fft(c(2,:));

z2(2,:)=sqrt(y2(2,:).*conj(y2(2,:)));

figure;

plot(f,z2);grid;

title('图8 imf2幅频曲线');

figure;

plot(f(1:100),z2(1:100));grid;

title('图9 imf2幅频曲线(1:100)');

% figure;

% plot(f(1:50),z2(1:50));title('imf2幅频曲线');

% 画出的幅频曲线不是10Hz,Why?

y3(3,:)=fft(c(3,:));

z3(3,:)=sqrt(y3(3,:).*conj(y3(3,:)));

figure;

plot(f,z3);grid;

title('图10 imf3幅频曲线');

figure;

plot(f(1:100),z3(1:100));grid;

title('图11 imf3幅频曲线(1:100)');

y4(4,:)=fft(c(4,:));

z4(4,:)=sqrt(y4(4,:).*conj(y4(4,:)));

figure;

plot(f,z4);grid;

title('图12 imf4幅频曲线');

figure;

plot(f(1:100),z4(1:100));grid;

title('图13 imf4幅频曲线(1:100)');

y5(5,:)=fft(c(5,:));

z5(5,:)=sqrt(y5(5,:).*conj(y5(5,:)));

figure;

plot(f,z5);grid;

title('图14 r4幅频曲线');

figure;

plot(f(1:100),z5(1:100));grid;

title('图15 r4幅频曲线(1:100)');

% 以上各分量的幅频曲线,本人不知道如何用循环实现,故用了5个同样功能的语句. % 希望知道的可以贴出来,本人先行谢过!

% 计算HHT时频谱和边际谱

% 二维和三维时频谱

[A,fa,tt]=hhspectrum(c);

[E,tt1,Cenf]=toimage(A,fa);%,tt,length(tt)

figure;

myimage(E,'2D');

figure;

myimage(E,'3D');

% 边际谱

fs=1000;

N=length(Cenf); % 设置频率点数

% 完全从理论公式出发。网格化后中心频率很重要，大家从连续数据变为离散的角度去思考，相信应该很容易理解

for k=1:size(E,1)

bjp(k)=sum(E(k,:))*1/fs;

end

figure;

plot(Cenf(1:100)*fs,bjp(1:100));grid;%

% 作边际谱图进行求取Hilbert谱时频率已经被抽样成具有一定窗长的离散频率，所以此时的频率轴已经是中心频率

xlabel('频率 / Hz');ylabel('幅值');

title('边际谱');

3.BP神经网络MATLAB程序

close all

clear

echo on

clc

% NEWFF——生成一个新的前向神经网络

% TRAIN——对 BP 神经网络进行训练

% SIM——对 BP 神经网络进行仿真

pause

% 敲任意键开始

clc

% 定义训练样本

% P 为输入矢量

P=[]';%P转置，一年的八个指标为一列

T=[16.11 16.10 16.09 16.08 16.06 16.05 16.04 16.03 16.02 16.01

15.99 15.98 15.97 15.96 15.95 15.93 15.92 15.91 15.90 15.88

15.87 15.86 15.84 15.83 15.82 15.80 15.79 15.78 15.76 15.75

15.74 15.72 15.71 15.69 15.68 15.67 15.65 15.64 15.62 15.61

15.59 15.58 15.56 15.55 15.53 15.52 15.50 15.49 15.47 15.46

15.44 15.42 15.41 15.39 15.38 15.36 15.34 15.33 15.31 15.30

15.28 15.26 15.25 15.23 15.21 15.20 15.18 15.16 15.15 15.13

15.11 15.10 15.08 15.06 15.04 15.03 15.01 14.99 14.97 14.96

14.94 14.92 14.90 14.88 14.87 14.85 14.83 14.81 14.79 14.78

14.76 14.74 14.72 14.70 14.68 14.66 14.65 14.63 14.61 14.59

14.57 14.55 14.53 14.51 14.50 14.48 14.46 14.44 14.42 14.40

14.38 14.36 14.34 14.32 14.30 14.28 14.26 14.24 14.22 14.20

14.18 14.16 14.14 14.12 14.10 14.08 14.06 14.04 14.02 14.00

13.98 13.96 13.94 13.92 13.90 13.88 13.86 13.84 13.82 13.80

13.78 13.76 13.74 13.72 13.70 13.68 13.66 13.64 13.62 13.60

13.57 13.55 13.53 13.51 13.49 13.47 13.45 13.43 13.41 13.39

13.37 13.35 13.33 13.30 13.28 13.26 13.24 13.22 13.20 13.18

13.16 13.14 13.12 13.09 13.07 13.05 13.03 13.01 12.99 12.97

12.95 12.93 12.90 12.88 12.86 12.84 12.82 12.80 12.78 12.76

12.74 12.71 12.69 12.67 12.65 12.63 12.61 12.59 12.57 12.55

12.52 12.50 12.48 12.46 12.44 12.42 12.40 12.38 12.36 12.34

12.31 12.29 12.27 12.25 12.23 12.21 12.19 12.17 12.15 12.13

12.11 12.09 12.06 12.04 12.02 12.00 11.98 11.96 11.94 11.92

11.90 11.88 11.86 11.84 11.82 11.80 11.78 11.76 11.74 11.72

11.70 11.67 11.65 11.63 11.61 11.59 11.57 11.55 11.53 11.51

11.49 11.47 11.45 11.43 11.41 11.39 11.37 11.36 11.34 11.32

11.30 11.28 11.26 11.24 11.22 11.20 11.18 11.16 11.14 11.12

11.10 11.08 11.06 11.05 11.03 11.01 10.99 10.97 10.95 10.93

10.91 10.90 10.88 10.86 10.84 10.82 10.80 10.79 10.77 10.75

10.73 10.71 10.70 10.68 10.66 10.64 10.62 10.61 10.59 10.57

10.55 10.54 10.52 10.50 10.49 10.47 10.45 10.43 10.42 10.40

10.38 10.37 10.35 10.33 10.32 10.30 10.29 10.27 10.25 10.24

10.22 10.21 10.19 10.17 10.16 10.14 10.13 10.11 10.10 10.08

10.07 10.05 10.04 10.02 10.01 9.99 9.98 9.96 9.95 9.93

9.92 9.90 9.89 9.88 9.86 9.85 9.83 9.82 9.81 9.79 9.78

9.77 9.75 9.74 9.73 9.72 9.70 9.69 9.68 9.66 9.65 9.64

9.63 9.62 9.60

];%P的一竖行对应T的一个值，T是横着的，P有多少列对应T有多少行，一年对一个

如何描述地理事物的空间分布特征(特点)

如何描述地理事物的空间分布特征（特点）一、点状地理事物的描述试题通常以某一区域图为背景图来呈现点状事物的分布状况，在读图时要注意从点的大小、疏密、组成的形状来观察点状事物代表的含义。描述的角度：疏密+数量+极值+方位。具体描述：①总体分布特征（疏密状况）总分结构描述（是否均衡；如果不均，哪多，哪少）；②极值区位置名称（最多、最少、最集中的地带在哪，沿什么线分布，或者说出最稠密或最稀薄区的地区名称等。）③点组成的形状——反应什么规律。其他——大小，代表的含义(如城市等级)，点的动态变化等。当然，描述时要看图说话，突出重点，因题而宜（不一定要面面俱到）。【例1】（2013四川卷）阅读下列材料，回答问题。下图是甲国地图。甲国是美国重要的服装进口国，服装生产中心在A城；首都B城是该国重要的工业中心，纺织、食品、制糖是其主要工业部门。（2）与甲国东部城市比较，指出该国西部城市分布的突出特点。（6分）【答案】（2）城市分布较密集（2分）；主要分布在铁路沿线（或湖、海沿岸及其附近）（2分）；多等级较高的城市（2分）。【例2】（2011课标卷）下图示意2007年中国大陆制造业企业500强总部的空间分布。读图，回答下列问题。简述中国大陆制造业企业500强总部空间分布的特点。

【答案】分布不均衡。集中分布在东部沿海省市，以环渤海地区(或京津冀地区)、长江三角洲地区最为集中。西北部的省区总部数量较少。二、线状地理事物的分布线状地理分布图，常用线状符号来表示交通线、河流、山脉、等值线等。带箭头的表示动态，不带箭头的表示静态。线段的长短、粗细表示量的大小（或标上数值）。具体可分为两类：（1）描述一条线(通常为等值线)的分布情况这类试题只要求描述某一特定线条的地理事物，如年等降水量线、等温线等，可从走向、延伸方向去考虑。读图时注意观察曲线“拐点”的位置，以便分段描述。这类题目大部分都需要分段描述；如“我国一月0 ℃等温线”分布，可描述为：东段大致东西走向，大致沿秦岭淮河一线；西段大致东北——西南走向、近似于与青藏高原东缘山麓平行。

如何描述地理事物的空间分布特征

如描述地理事物的空间分布特征（特点）一、点状地理事物的描述试题通常以某一区域图为背景图来呈现点状事物的分布状况，在读图时要注意从点的大小、疏密、组成的形状来观察点状事物代表的含义。描述的角度：疏密+数量+极值+位。具体描述：①总体分布特征（疏密状况，是否均衡；如果不均，哪多，哪少）； ②极值区位置名称（最多、最少、最集中的地带在哪，沿什么线分布，或者说出最稠密或最稀薄区的地区名称等。）③点组成的形状——反应什么规律。其他——大小，代表的含义(如城市等级)，点的动态变化等。当然，描述时要看图说话，突出重点，因题而宜（不一定要面面俱到）。【例1】（2013卷）阅读下列材料，回答问题。下图是甲国地图。甲国是美国重要的服装进口国，服装生产中心在A城；首都B城是该国重要的工业中心，纺织、食品、制糖是其主要工业部门。与甲国东部城市比较，指出该国西部城市分布的突出特点。（6分）

【答案】城市分布较密集（2分）；主要分布在铁路沿线（或湖、海沿岸及其附近）（2分）；多等级较高的城市（2分）。提示：本题没有考查图示区域城市的分布特点，而是让学生通过观察该区域东西城市分布的差异，说出西部地区城市的分布特点。侧重考查图示信息的获取能力和比较分析能力。注意从疏密和城市等级两角度解答。【例2】（2011课标卷）下图示意2007年中国大陆制造业企业500强总部的空间分布。读图，回答下列问题。简述中国大陆制造业企业500强总部空间分布的特点。

231056北交《城市轨道交通客流调查》在线作业一15秋答案全解

北交《城市轨道交通客流调查》在线作业一一、单选题（共 10 道试题，共 40 分。） 1. 车站高峰小时客流是确定车站设备( )的基本依据。 . 运行状况 . 使用时间 . 服务质量 . 容量或能力正确答案： 2. 城市轨道交通发挥效益的关键在于( ) . 准时 . 形成网络 . 快捷性 . 延续性正确答案： 3. 信息诱导设施不包括( ) . 方向性标识 . 说明性标识 . 宣传性标识 . 警告性标志正确答案： 4. 通信枢纽与信息交换处理中心称为( ) . 信号系统 . 通信系统 . 运营控制中心 . 环控系统正确答案： 5. 车站位于综合功能用地区位时，客流分布与其它交通方式的客流分布一致，有两个配对的早晚上下车高峰属于哪类客流时间分布类型( ) . 单向峰型 . 双向峰型 . 突峰型 . 无峰型正确答案： 6. 下列不属于时间序列客流预测方法的是( ) . 移动平均法 . 指数平滑法 . 月度比例系数法

. 德尔菲法正确答案： 7. 车站中对车站客流的通过量起着决定性的影响的是( ) . 服务人员 . 主要设施设备 . 列车 . 车站的容量正确答案： 8. 路网由若干直径线组成，所有的线路都经过市中心向外呈放射状，换乘站一般都位于市中心的客流集散中心的结构为( ) . 放射状结构 . 放射+环形结构 . 栅格网状结构 . 网格+环线结构正确答案： 9. 坐常规公共电、汽车到站换乘的乘客称为( ) . 一次乘客 . 二次乘客 . 三次乘客 . 四次乘客正确答案： 10. 下列不属于城市轨道交通与常规公交换乘站点的客流特征的是( ) . 发量大而集中 . 多向集散和换乘 . 各小时段客流不均衡性 . 各小时段客流变化不大正确答案：北交《城市轨道交通客流调查》在线作业一二、多选题（共 12 道试题，共 48 分。） 1. SWOT分析是一种对企业的( )进行综合分析。 . 优势 . 劣势 . 机会 . 风险正确答案：

地理空间分布特征完整版

地理空间分布特征 HUA system office room 【HUA16H-TTMS2A-HUAS8Q8-HUAH1688】

地理事物空间分布特征描述专题一、点状事物分布特征描述 1.（2011课标卷）下图示意2007年中国大陆制造业企业500强总部的空间分布。读图，回答下列问题。简述中国大陆制造业企业500强总部空间分布的特点。（6分） 2.下图表示2009年我国八大经济区地级市工业竞争力空间格局。简述我国各地级市工业竞争力的空间分布特征（6分） 3.分析该流域城镇的地理分布特点。（4分）答：二、线状地理事物的分布特征描述

（单条线描述）下图是我国某区域≥10℃积温等值线图（单位：℃） 4.描述4500 ℃等积温线的分布特征。（6分（多条线描述）5.读“我国某区域年等降水量分布图”，概括图中降水量线分布特点。（6分）三、面状地理事物分布特征描述 6.（2009浙江卷）读下图中国部分区域水土流失状况分布示意图，完成下列问题。图示区域中，水土流失地区分布规律是什么？ 7.据图2分别归纳南疆、北疆绿洲农业空间分布的形态特征并说明其自然原因。（湖北省黄冈中学2016届高三5月第一次模拟考试）根据下列材料，结合所学知识，完成下列问题。材料一福建省年降水量分布图（1）描述福建省年降水量空间分布特征，并分析其影响因素。(10分) （1）年降水量线的分布与海岸线大体平行；（2分）年降水量大致从东南沿海向西北内陆起伏式递增；（2分）山地多于平原。（2分）形成原因：福建降水主要由东南季风带

来湿润水汽受地形抬升形成；（2分）两大山带中一些海拔较高的山峰，降水量多；（2分）闽东南沿海地区地势起伏较小，地形对气流的抬升作用弱，降水少。答案 1.【参考答案】分布不均衡（2分）；集中分布在东部沿海省市（2分）；以环渤海地区（或京津冀地区）、长江三角洲地区最为集中（2分）；西北部的省区总部数量较少。（2分） 2.地级市工业竞争力的空间分布不均，地区差异大；（2）东部地带地级市的共轭竞争力较强，中西部地带地级市的工业竞争力较弱；（2）大部分省会城市和直辖市的工业竞争力强。（2分） 3. 分布极不均匀，主要集中于西南地区；沿河流与交通线分布。 4. 4500 ℃等积温线大体沿秦岭-淮河分布；（2分）东段（110°E以东）：大致为东西走向；（2分）西段（110°E以西）：大致为西南-东北走向。（2分） 5. 大体呈东北-西南方向延伸（与海岸平行）；

说出我国降水的分布特征

《气候》教学设计（第2课时）一、教学目标 1．通过阅读我国年降水量分布图，说出我国降水的分布特征；阅读干湿地区分布图，说出我国干湿地区的分布，知道它们的划分依据，提高学生读图、分析、综合、比较的能力，掌握分析气候特征的方法。 2．了解我国降水特点对生产和生活的影响，渗透“学习对生活有用的地理”的理念；知道我国季风的概念、特点、原因和影响范围，了解季风对我国降水时空分配和东部锋面雨带推移的影响，能从利、弊两个方面初步评价季风对人们生产、生活的影响。二、教学重点、难点（一）教学重点我国降水的分布特点及差异。（二）教学难点 1．干湿地区与人们生产和生活的关系。 2．季风气候的成因及其影响。三、教学策略根据课标要求，在学生已有知识基础上，引导学生阅读并分析地图。以启发式教学为主，以问题推动学生的学习，理论联系实际，逐步形成区域地理学习的策略与方法。四、教学准备 1．教师准备：制作多媒体课件。 2．学生准备：根据教材的导学问题自学课文、绘制中国轮廓地图备用。五、教学过程讲授新课──读“中国年降水量分布图”，描述我国降水特征教师：前面我们学习了我国的气温特征和气温对我们生活的影响，下面的图片展示了哪个自然因素对我们生活的影响？（展示不同区域的建筑形式）学生回答预设：降水。教师：（展示建筑所在位置，学生竞猜）刚才的图片反映的情况，我们结合我国年均降水量

的分布来看一下。请同学们读中国年降水量分布图，回答以下4个问题。 1．指出降水最多和最少的地区。 2．年降水量超过1 600毫米的地区大多在。 3．800毫米等降水量线通过___岭、__河附近至_____高原东南边缘。它与我国1月份的___℃等温线大体是一致的。 4．400毫米等降水量线大致通过岭、张家口市、____ 市、_____ 市至喜马拉雅山脉东缘。 5．年降水量200毫米以下的地区大多在。 6．我国降水的地区分布规律是什么？为什么？【设计意图：问题链式的任务，让学生独立读图。】教师：观察到现象后，我们需要思考原因，为什么我国降水从东南沿海向西北内陆递减？学生回答预设：西北内陆离海较远，东南靠近水汽源头。教师：同学们的意思是含有丰富水蒸气的云从东南沿海向西北内陆运动，所以使得降水出现这种变化趋势，是什么推动了云的运动呢？学生回答预设：风。教师：由于我国地处世界最大大陆──亚欧大陆，面临世界最大大洋──太平洋，西南临近印度洋，海陆性质差异明显，因此，每年夏季我国盛行由海洋吹向陆地的夏季风──从太平洋吹来的东南季风和从印度洋吹来的西南季风。来自大洋的风，温暖湿润，带来丰沛降水。在夏季风从东南进入西北内陆的过程中，随着距离的增加和不断受到山脉的阻挡，影响越来越小，所以我国降水由东南沿海向西北内陆递减。（展示广州、武汉、北京、哈尔滨年降水量柱状图）请大家思考两个问题： 1．四城市降水的季节分配均匀吗？降水集中在哪个季节？ 2．四城市的雨季长短有何差异？学生回答预设 1．不均匀，集中在夏季。

如何描述地理事物的空间分布特征

如何描述地理事物的空间分布特征(特点) 一、点状地理事物的描述试题通常以某一区域图为背景图来呈现点状事物的分布状况，在读图时要注意从点的大小、疏密、组成的形状来观察点状事物代表的含义。描述的角度:疏密+数量+极值+方位。具体描述：①总体分布特征(疏密状况,是否均衡；如果不均,哪多,哪少）；②极值区位置名称(最多、最少、最集中的地带在哪,沿什么线分布,或者说出最稠密或最稀薄区的地区名称等。）③点组成的形状——反应什么规律。其他——大小，代表的含义(如城市等级)，点的动态变化等。当然，描述时要看图说话，突出重点，因题而宜(不一定要面面俱到）。【例1】(２0１3四川卷）阅读下列材料,回答问题。下图是甲国地图。甲国是美国重要的服装进口国,服装生产中心在A城；首都B城是该国重要的工业中心，纺织、食品、制糖是其主要工业部门。与甲国东部城市比较,指出该国西部城市分布的突出特点。(６分) 【答案】城市分布较密集（２分）；主要分布在铁路沿线（或湖、海沿岸及其附近）（2分）;多等级较高的城市(２分）。提示:本题没有考查图示区域城市的分布特点，而是让学生通过观察该区域东西城市分布的差异,说出西部地区城市的分布特点。侧重考查图示信息的获取能力和比较分析能力。注意从疏密和城市等级两角度解答。【例２】（2０1１课标卷)下图示意2０0７年中国大陆制造业企业500强总部的空间分布。读图,回答下列问题。简述中国大陆制造业企业5０0强总部空间分布的特点。

【答案】分布不均衡。集中分布在东部沿海省市，以环渤海地区(或京津冀地区)、长江三角洲地区最为集中。西北部的省区总部数量较少。二、线状地理事物的分布线状地理分布图，常用线状符号来表示交通线、河流、山脉、等值线等。带箭头的表示动态，不带箭头的表示静态。线段的长短、粗细表示量的大小(或标上数值）。具体可分为两类： (1)描述一条线(通常为等值线)的分布情况这类试题只要求描述某一特定线条的地理事物，如年等降水量线、等温线等,可从走向、延伸方向去考虑。读图时注意观察曲线“拐点”的位置，以便分段描述。这类题目大部分都需要分段描述;如“我国一月0℃等温线”分布，可描述为：东段大致东西走向,大致沿秦岭淮河一线;西段大致东北——西南走向、近似于与青藏高原东缘山麓平行。【例3】(0３全国卷）描述图中1０℃等温线的走向,并说明其原因【答案】1０℃等温线东半段接近东西走向(与纬线平行)，主要受纬度（太阳辐射）因素的影响；该等温线西半段呈东北-西南走向,受东北-西南走向的太行山(黄土高原东缘)影响。 (2）描述多条线状地理事物的分布。

北师大版数学七年级下册6.3等可能时间的概率练习题(word无答案)

6.3等可能时间的概率练习一、选择题 1．某地气象局预报称：明天A地区降水概率为80%，这句话指的是（） A．明天A地区80%的时间都下雨 B．明天A地区的降雨量是同期的80% C．明天A地区80%的地方都下雨 D．明天A地区下雨的可能性是80% 2．在相同条件下重复试验，若事件A发生的概率是，下列陈述中，正确的是（）A．事件A发生的频率是 B．反复大量做这种试验，事件A只发生了7次 C．做100次这种试验，事件A一定发生7次 D．做100次这种试验，事件A可能发生7次 3．必然事件的概率是（） A．0 B．0.5 C．1 D．不能确定 4．袋中有3个红球，4个白球，这些球的形状、大小、质地等完全相同，在看不到球的条件下，随机地从袋中摸出1个球，则摸出白球的概率是（） A．B．C．D． 5．在九张质地都相同的卡片上分别写有数字1，2，3，4，5，6，7，8，9，在看不到数字的情况下，从中任意抽取一张卡片，则抽到的数字是奇数的概率是（）A．B．C．D． 6．在配紫色游戏中，转盘被平均分成“红”、“黄”、“蓝”、“白”四部分，转动转盘两次，配成紫色的概率为（）

A．B．C．D． 7．一个不透明的口袋里装有分别标有汉字“陕”、“西”、“美”、“丽”的4个小球，除汉字不同之外，小球没有任何区别，小航从中任取两球，则取出的两个球上的汉字恰能组成“陕西”或“美丽”的概率是（） A．B．C．D． 8．两个不透明的袋中都各装有一个红球和一个黄球两个球，它们除了颜色外都相同．现随机从两个袋中各摸出一个球，两个球的颜色是一红一黄的概率是（）A．B．C．D． 9．有一个质地均匀的骰子，6个面上分别写有1，1，2，2，3，3这6个数字．连续投掷两次，第一次向上一面的数字作为十位数字，第二次向上一面的数字作为个位数字，这个两位数是奇数的概率为（） A．B．C．D． 10．现有4条线段，长度依次是1，2，3，4，从中任选3条，能组成三角形的概率是（）A．B．C．D．1 11．现有规格接近的三把钥匙和相应的三把锁，能一次性打开三把锁的概率是（）A．B．C．D．二、填空题 12．在一个不透明的布袋中装有4个白球和n个黄球，它们除颜色不同外，其余均相同，若从中随机摸出一个球，摸到黄球的概率是，则n＝． 13．某同学遇到一道不会做的选择题，在四个选项中有且只有一个是正确的，则他选对的概率是． 14．小明掷一枚均匀的骰子，骰子的六个面上分别刻有1，2，3，4，5，6点，得到的点

我国的降水分布及原因

影响我国降水主要因素有哪些我国气候特点是季风气候显著，大陆性气候范围广，雨热同期，气候类型复杂多样。时间分布：季节分配不均匀，夏季多冬季少，年纪变化大。各地区降水主要集中在夏季（6--8月），在东部季风区，随着夏季风向北扩张，愈往北或愈深入内陆，雨量愈加集中。北方夏季降水量占全年的65--75%，而南方不到50%。呼和浩特夏季降水占全年的67.5%，赤峰占72.5%，而南宁和贵阳分别占48.8%和46.6%。青藏高原大部分地区夏季降水量占全年的70%以上,最大降水量在雅鲁藏布江西部河谷占80％以上。全国仅有少数地区，如伊犁河谷阿尔春地区四季降水均匀，各占全年的20--30%左右空间分布：由东南沿海向西北内陆递减。区大于1600毫米的降水量带，有广西、云南、海南、西藏的一部分和湘西、鄂西地区，其中广西、云南、海南的一些山地以及西藏东南喜马拉雅山东南坡，年降水量可达2000毫米以上。喜马拉雅山南翼迎风坡的巴昔卡年降水量约4500毫米，是我国大陆上最大的降水中心，在全国仅次于台湾岛火烧寮（年降水量6557.8毫米）。五指山迎风坡的琼中年降水量达2447 毫米，位于印度洋西南季风迎风财坡面上的云南西盟达2812.9毫米，均为我国著名的多雨中心。达到800──1600毫米的降水量带，有广西、贵州、四川西部的大部分地区，达到400──800毫米的降水量带，分布在大兴安岭山地、内蒙古高原东南边缘和青藏高原东南边缘地区；达到200─400毫米的降水量带，分布在内蒙古高原和青藏高原东部，以及西北内陆地区的天山、阿尔泰山迎风坡低山地带。新疆、内蒙古西部、宁夏、青海、西藏北部和甘肃河西走廊的民族地区等西北广大内陆干旱地区，年降水量为100 毫米左右。准噶尔盆地为100--200毫米，塔里木盆地、柴达木盆地在50毫米以下。吐鲁番盆地西侧的托克逊年降水量5.9毫米，天山东端靠近中蒙边境的淖毛湖为12.5毫米，均是我国雨量最少的地方。降水量的年际变化大是季风气候的一个特点，每年季风退时间的迟早和雨带在某一地区停留时间的长短都使得每年的降水量出现差异。一般说，降水量多的地区，降水的年际变化较小；反之，变化就大。我国降水变化最小的地区在云南南部，全国降水变化最大的是西北干旱地区。影响我国降水量分布的主要因素有：大气环流、海陆位置、纬度位置、地形、下垫面、人类活动等。其中地形、下垫面、人类活动因素影响的主要是局地降水分布，而、大气环流、纬度位置、海陆位置是影响我国降水分布的最主要因素。 1.纬度位置决定着气压带、风带的分布，进而影响降水分布。我国雨带的推移和副热带高气压的季节移动趋势是一致的，即我国的降水很大程度上受到副高的控制。五月份，北上的暖湿气流与南下的冷空气在南岭一带相遇，雨带在此徘徊，华南雨季开始；六月份，雨带随锋面推移到长江流域，并在长江中下游地区大约摆动一个月左，阴雨连绵，此时正值梅子黄熟时节，称为长江中下游地区的梅雨季节；七、八月份，雨带随锋面推进到华北、东北等地，我国北方降水量显著增加；九月份，北方冷空气势力增大，雨带随锋面迅速撤回到长江以南，加上有台风雨配合，此时华南雨水仍较多。有的年份，副热带高气压势力较强，北进速度快，则会出现南旱北涝的情况，有的年份，副热带高气压势力弱，长期在低纬度徘徊，则会出现南涝北旱的局面。 2.大气环流（季风）对降水的影响.我国的降水分布，东南沿海>1000mm，秦淮一线800mm，西北非季风区<400mm，南疆中部<50mm，因而可以得出中国年降水量空间分布规律：自东南

(完整版)地理事物分布特征的描述1

地理事物分布特征的描述及成因分析总体来说，地理事物的分布形状分为点线面三大类；其特征要从位、数、形三方面来描述，每一个具体特征都隐含着不同的原因，要学会具体问题具体分析。①位置：绝对位置有经纬度、高程；相对位置指“在…地区…方向或与…平行或沿…分布”；②形状看延伸方向、弯曲方向得总体形状（团块状、条带状）；③数量指数值大小、递变规律、变化快慢（梯度）、极值（闭合中心）、面积大小、范围宽窄。一、点状地理事物的描述。（1）点的疏密: ①均匀一致；②分布不均（总分结构描述），沿什么线（或面）密集；沿什么线（或面）稀疏。（2）点的位置：在----线（沿河谷、海岸线、边境线、交通线）上分布；在----面（面的什么位置）上分布。（3）点的数量：多少（极值最多、最少、最集中等），反应的规律（哪多哪少）。 (4）点的大小:代表的含义(如城市等级)。（5）其他：点的动态变化提示：看图说话，突出重点，因题而宜（不一定要面面俱到），分值决定要点（2分/点）【例题1】（08天津）甲区域的城镇分布有明显特征。请你归纳出三点。（6分）思路：1.疏密（分布不均）；2.方位（沿河流谷地、交通线（公路、铁路）分布，分布于高原东部） 3.数量（数量少）【例题2】(08广东卷) M江是珠江水系三大河流之一，流域面积90%在广东省境内。流域内拥有较丰富的水资源、土地资源、矿产资源、生物资源、旅游资源。根据下述资料，结合所学知识，回答问题。（14分）（4）分析该流域城镇的地理分布特点和成因。

【例题3】（2011全国课标卷）下图示意2007年中国大陆制造业企业500强总部的空间分布。读图，回答下列问题。简述中国大陆制造业企业500强总部空间分布的特点。（8分）思路：疏密+数量+极值+方位｛总分结构描述（不均，哪多，哪少）；极值（最多、最少、最集中等）｝【例题4】读德国和日本不同等级城市分布图，完成下列要求。（2）比较德国和日本城市的等级和分布特点，并说明其形成原因。（22分）答案：等级和分布特点：德国以中小城市为主（2分）；分布比较均匀（2分）。日本城市分布极不均匀，城市主要分布在沿海平原（2分）；大中城市多，百万人口以上城市多，集中在太平洋沿岸，城市毗连构成带状的巨型城市带（2分）中部山地和北部（或北海道）城市少。原因：德国自然条件较为均一，无高寒、酷热、干燥等恶劣区，适合人类生产活动；（2分）地处欧洲东西、南北陆上交通十字路口；（2分）稠密的河流，通航条件好，联系便利，利于产业活动的形成和发展（2分）。政府注意分散城市职能；中小企业多，也宜分散分布；发达的现代化交通为产业活动均衡布局提供了可能性。（每点2分，任答一点得2分）。日本（中部）多山，平原狭小，分布在河流下游和沿海地带；气候温和湿润，使人类活动趋向沿海；太平洋沿岸曲折，多优良港湾，对渔业、造船业、海上运输和对外经济联系都十分有利；主要产业 (工业、服务业)沿海布局，吸引了大量人口；中部山地和北部气候寒冷，对经济活动限制大，城市较少；历史因素。（每

城市轨道交通客流时间分布特征分析

城市轨道交通客流时间分布特征分析发表时间：2017-07-14T11:11:45.070Z 来源：《基层建设》2017年第7期作者：宋振凤 [导读] 摘要：随着城市化进程的不断推进，城市人口迅速集聚，城市交通拥堵成为不可回避的难题。深圳地铁集团有限公司运营总部客运一分公司 518000 摘要：随着城市化进程的不断推进，城市人口迅速集聚，城市交通拥堵成为不可回避的难题。城市轨道交通的出现可以在一定程度上缓解城市发展的难题。然而，人口的快速集聚仍然给城市轨道交通的高效运转带来了较大的压力，通过对城市轨道交通的客流特征以及客流在时间分布上的影响因素进行探讨，有利于管理决策者更好地运营管理城市轨道交通，促进城市更好的快速、高效、安全的发展。关键词：城市轨道交通；客流特征；时间分布特征随着城市轨道交通新线的不断建设和投入使用，轨道交通系统已经朝着高密度、高效率、网络化的趋势发展。城市轨道交通列车时刻表是轨道系统的重要组成部分，是保证轨道交通运行安全，维持线路列车与旅客秩序，达到资源最优化的关键因素，其详细规定了每条线路上列车从首站的发车时间，在各个站的到发时间和停站时间。假设各条线路上列车的区间运行时间和站台停站时间确定，通过优化决策列车在各条线路首站的发车时间，那么整个路网的时刻表也就得到了。对于城市轨道的客流的特性研究和时间分布具有重要的研究意义，能够指导运营管理机构更加高效合理的规划地铁的间隔时间、频率等等。 1 城市轨道交通客流形成趋势客流、转移客流和诱増客流是城市轨道交通客流的主要组成部分。趋势客流是指城市轨道交通各车站及其沿线由于经济、交通、服务便捷等因素影响而増加的客流量；转移客流是指因为系统具有安全、准时、快速等优势，客流由私家车、公交和自行车等交通方式转移到城市轨道交通；诱増客流是指由于城市轨道交通的修建实施促进沿线主地开发利用，导致集聚大量人口、加强市域之间的可达性、提升服务质量、増加居民出行强度而直接或间接増加的客流。城市轨道交通客流由城市土地利用开发的整体布局、土地性质、所处区域、城市交通的组织管理等因素共同决定。如果供给满足，确定了城市的总体规划和土地利用布局，城市轨道交通客流的产生和分布也就随之产生了。同时，由于城市轨道交通作为一种高效、快速、大运量的城市客运系统，改变了居民的出行方式和市域的可达性，还会对城市土地利用及空间布局产生一定的影响，如加快城乡一体化进程与加强城市轨道交通沿线土地的利用开发等，从而直接或间接影响城市轨道交通客流的产生和分布。此外，城市轨道交通系统的结构组织和客流的流量流向是由乘客的出行距离、城市交通基础设施的服务的水平、出行者的出行目的和经济水平以及政府部口所采取的交通对策和措施等因素综合决定的。城市轨道交通与其他交通方式不仅是相互竞争的关系，更是一种相互协调配合的关系。即城市客流的产生、分布、方式划分和流量分配并不是一个单方向的毫无联系的作用机制，而是一种存在动态反馈的循环的平衡机制因此，城市轨道交通客流的形成是基于城市整体规划、城市空间分布、不同组团之间相互联系及不断发展演化、城市综合交通发展总体战咯、城市各种客运交通方式的特点及服务质量水平、出行者的出行目的和家庭规模经济状况等因素的基础上。 2 城市轨道交通客流分布及时间特征城市轨道交通的客流属于动态流，它随天、时、地的变化而变化，这种变化恰恰反映了城市社会经济活动和生活方式以及交通系统本身的特征。不均衡性是城市轨道交通客流的重要特征之一，主要包括时间和空间分布上的不均衡性。此外，随机性是城市轨道交通客流的另外一个重要特征。如举行大型汇演、体育比赛、重大政治商务集会等情况均会引起客流量大幅度増加导致客流分布的变化。如果城市轨道客流在短时间内急剧増大，运营组织需要针对具体情况调整列车运行图，来适应一定时期的客流特征。根据客流在轨道交通系统不同运营时段内的变化情况，车站每小时的进出站客流可分为以下几种分布类型。 ①单向峰型。单向峰型是指城市轨道交通站点位于居住区或者工作区，其具有鲜明的潮汐特征，或者站点周边地区的用地类型比较单一，进出站客流集中分布在早晚商峰，有乘车时的早高峰和下车时的晚高峰。②双向峰型。双向峰型是指城市轨道交通站点所处的区位有居住区，也有工作区，是综合型用地类型时，城市轨道交通客流的分布在乘车和下车时均会出现早晚高峰。③全峰型。全峰型是指当城市轨道交通站点位于的交通走廊经济、文化发展程度商或者站点所处的区域有大量公共建筑、商务办公大楼、公用设施等，客流分布会一直处于高峰，无明显低谷，全天上下车的客流均比较大。④突峰型。突峰型是指当城市轨道交通站点的位置距离大型商务、娱乐活动等设施（体育场、电影陈、商场等）较近，进出站客流随活动开始和结束所呈现的不同分布規律。如演唱会或者体育比赛开始前，会持续出现下车高峰期；在活动结束后，会持续出现短时间内的上车高峰期。⑤无峰型。无峰型是指当城市轨道交通由于新建、自身条件的原因导致运能有限，或者站点所处的区域还没有完全开发，此时客流没有出现明显的上下车高峰，全天的客流都比较小。 3 城市轨道交通客流时间分布影响因素影响城市轨道交通客流的因素比较多，如城市轨道交通站点沿线的土地利用、开发等，地面交通的服务水平和服务质量、城市轨道交通建设投资及力度、城市轨道交通的票价、机动车发展政策等。上述因素根据属性特征分类可以分为外部因素和内部因素，相比内部因素对客流的影响，外部因素更加明显，且具有随机性，是重点研究探讨对象。城市轨道交通线网结构变化，城市轨道交通线网规划依托于城市，是为了适应城市交通的快速发展而做出的长期规划。因此，城市轨道交通线网的规划及建设是一个系统工程，是一个有序并逐渐完善的过程，因此会导致后续建成线路对已经开通运营线路客流产生影响。后续建成线路即新线接入线路主要通过换乘站和客流覆盖区域影响己有线路的客流，此外运营模式也是一个重要的影响因素。如果整个路网中每条线路是共线运营模式，那么其对客流的影响将完全不同于独立运营模式。城市轨道交通内部服务水平中发车间隔对客流的影响最大。如果发车间隔増大，乘客的候车时间尤其在早晚高峰时期将会延长，在列车容量有限的情况下每次会有更多的乘客上车，车内将会十分拥挤，这样的结果将导致服务水平急剧下降。城市轨道交通外部环境中地面公共交通的发展和服务将对客流产生直接的影响。城市轨道交通作为公共交通的主体发挥着至关重要的作用，只有存在与其协调性较商的接驳系统才能充分发挥其功能。只有城市轨道交通的内外部服务水平和质量不断提高，才能吸引更多的乘客选择乘坐轨道交通。为乘客提供安全、舒适、便捷的服务使城市轨道交通相对于其他交通方式更加具有竞争力。城市轨道交通的出现改变了人们的出行方式，使人们的工作、生活和娱乐分布在不同的地域，有对应的居住区、商业区、工业区。随着城市轨道交通的飞速发展，居住地在城市轨道交通沿线高度集聚，同时商业及基础配套设施也逐渐完善。因此，按照市场规律的改变，城市轨道交通沿线土地类型也随之变化。由于居住、商业、工业、娱乐休闲用地类型不同，那么产生的交通需求和客流也会有所不同。工

中考地理知识点：中国气候特征

中考地理知识点：中国气候特征中国气候特征成因气候类型冬、夏气温特征及成因温度带我国降水的分布特征及成因干湿地区特殊天气和气象灾害 1、我国冬夏气温分布特点及成因温度带（1）冬季南北气温差异大，南方温暖，越往北气温越低，成因：①纬度因素；中国位于北半球，越往北太阳辐射角越小，辐射越弱。冬季越往北白昼（日照）时间越短，所以北方温度越低；②冬季风因素：北方地区邻近冬季风的发源地，冬季时特别寒冷。（2）夏季南北气温都较高。成因：夏季虽然越往北太阳辐射角越小，辐射越弱。越往北白昼（日照）时间越长，累积的太阳辐射能量较多，所以北方的夏季温度也较高。（3）温度带：寒温带、中温带、暖温带、亚热带、热带、高原气候区。 2、我国降水的分布特征及成因（1）降水地区分布规律：降水地区差异大，从东南沿海向西北内陆逐渐减少。降水时间分布规律：中国降水的时间分配很不均匀。大部分地区降水集中于夏季，年际变化大。中国降水最多的地方是火烧寮；最少的地区是吐鲁番盆地中的托克逊。

（2）中国四类干湿地区：湿润地区、半湿润地区、半干旱地区、干旱地区。 3、中国气候类型气候特征成因（1）中国主要气候特征：气候复杂多样，季风气候显著。主要气候类型：温带季风气候、亚热带季风气候、热带季风气候、温带大陆性气候、高山高原气候（2）季风气候显著：季风区与非季风区的界线：大兴安岭、阴山、贺兰山、巴颜喀拉山、冈底斯山一线。 4、特殊天气和气象灾害（1）多特殊天气寒潮：时间：冬半年，影响：寒潮南下经过的地区产生急剧降温、霜冻、大风有时还伴随着雨雪天气。梅雨：时间：夏初，范围：江淮流域。台风：时间： 5-10月，影响：台风过境时，通常出现狂风暴雨天气。台风登陆后，带来得雨水能够缓解旱情。沙尘暴：时间：春季，范围：北方时间：夏初，范围：江淮流域。地区。（2）多旱涝灾洪涝是我国发生频繁的自然灾害。干旱是对我国农业影响最大、最常见且分布范围最广的一

2如何描述地理事物的空间分布特征(特点)

2如何描述地理事物的空间分布特征(特点) -CAL-FENGHAI-(2020YEAR-YICAI)_JINGBIAN

如何描述地理事物的空间分布特征（特点）一、点状地理事物的描述试题通常以某一区域图为背景图来呈现点状事物的分布状况，在读图时要注意从点的大小、疏密、组成的形状来观察点状事物代表的含义。描述的角度：疏密+数量+极值+方位。具体描述：①总体分布特征（疏密状况，是否均衡；如果不均，哪多，哪少）；② 极值区位置名称（最多、最少、最集中的地带在哪，沿什么线分布，或者说出最稠密或最稀薄区的地区名称等。）③点组成的形状——反应什么规律。其他——大小，代表的含义(如城市等级)，点的动态变化等。当然，描述时要看图说话，突出重点，因题而宜（不一定要面面俱到）。【例1】（2013四川卷）阅读下列材料，回答问题。下图是甲国地图。甲国是美国重要的服装进口国，服装生产中心在A城；首都B城是该国重要的工业中心，纺织、食品、制糖是其主要工业部门。与甲国东部城市比较，指出该国西部城市分布的突出特点。（6分）【答案】城市分布较密集（2分）；主要分布在铁路沿线（或湖、海沿岸及其附近）（2分）；多等级较高的城市（2分）。

提示：本题没有考查图示区域城市的分布特点，而是让学生通过观察该区域东西城市分布的差异，说出西部地区城市的分布特点。侧重考查图示信息的获取能力和比较分析能力。注意从疏密和城市等级两角度解答。【例2】（2011课标卷）下图示意2007年中国大陆制造业企业500强总部的空间分布。读图，回答下列问题。简述中国大陆制造业企业500强总部空间分布的特点。【答案】分布不均衡。集中分布在东部沿海省市，以环渤海地区(或京津冀地区)、长江三角洲地区最为集中。西北部的省区总部数量较少。二、线状地理事物的分布线状地理分布图，常用线状符号来表示交通线、河流、山脉、等值线等。带箭头的表示动态，不带箭头的表示静态。线段的长短、粗细表示量的大小（或标上数值）。具体可分为两类：（1）描述一条线(通常为等值线)的分布情况这类试题只要求描述某一特定线条的地理事物，如年等降水量线、等温线等，可从走向、延伸方向去考虑。读图时注意观察曲线“拐点”的位置，以便分段描述。这类题目大部分都需要分段描述；如“我国一月0 ℃等温线”分布，可描述为：东

地理事物空间分布特征描述(含答案)

AHA12GAGGAGAGGAFFFFAFAF 地理事物空间分布特征描述一、点状地理事物（1）点的数量、疏密:①均匀一致；②分布不均：何处密集（多）何处稀疏（少）。（空间基本特征）（2）点的位置：在线形事物（沿河流、河谷、海岸线、边境线、交通线）上分布；在面状事物（地形区、行政区等）上分布。（成因影响）（3）点的大小:代表的含义(如规模、等级) (4）点的动态变化 1.目前全球共有30余个国家拥有核电站，总数为400余座，拥有核电站最多的国家是美国。读图概括世界核电站分布特点世界运行核电站分布图 2.右图中甲区域的城镇分布有明显特征。请归纳出三点。 3.右图示意2007年中国大陆制造业企业500强总部的空间分布。简述中国大陆制造业企业500强总部空间分布的特点。 4.读图分析该流域城镇的地理分布特点和成因。二、线状地理事物（1）描述一条线的分布情况从走向、延伸方向去考虑。读图时注意观察曲线“拐点”的位置，以便分段描述。

（2）描述多条线状地理事物的分布。 ①总体变化趋势：由某方向往某方向逐渐变大（变小）；②数值分布：最大值和最小值的范围，极值（最大值、最小值）；③疏密状况：疏密分布位置。 1.描述图中10℃等温线的走向，并说明其原因。 2.指出河套平原的年降水量分布特征，并分析原因。 3.右图为1969年～2008年山西省长治市寒潮发生总次数等值线图。指出该区域寒潮发生总次数的空间分布特征，并说明该特征形成的主要影响因素。 4.左图为某地等温线分布图。简述130 度经线以东地区气温空间分布的显著特点。 AHA12GAGGAGAGGAFFFFAFAF

城市轨道交通客流的时间分布特征

城市轨道交通客流的时间分布特征一、一日内小时客流分布特征轨道交通一日内小时客流随人们的生活节奏和出行特点而变化。其通常是夜间少，早晨渐增，上班和上学时达到高峰，午间稍减，傍晚下班和放学又是高峰，此后又逐渐减少，午夜最少。因此，轨道交通一日内小时客流通常是双峰型，这种规律在国内外的轨道交通线路上几乎都是一样的，只是程度不同而已。反映轨道交通线路分时客流不均衡程度的系数可按下式计算。 a1=Pmax∑Ht=1Pt/H 式中，a1为单向分时客流不均衡系数；Pmax为单向高峰小时最大断面客流量（人）；Pt为单向分时最大断面客流量（人）；H为全日营业小时数（个）。单向分时客流不均衡系数值恒大于1。a1趋向于1表明分时客流分布比较均衡，a1越大表明分时客流分布越不均衡。当a1≥2时，表明分时客流的不均衡程度比较大。位于市区范围内的地铁、轻轨线路的a1值通常为2左右，而通往远郊区市域轨道交通线路的a1值通常大于3。在一日内小时客流不均衡程度较大的情况下，为实现运营组织的经济合理性，可考虑采用小编组、高密度列车开行方案。小编组、高密度与大编组、低密度两种列车开行方案的分时列车运能不变，但在客流低谷时段，小编组、高密度列车开行方案具有既能提高客车满载率，又不降低乘客服务水平的优点。应该指出，小编组、高密度列车开行方案只是在一定的客流条件下才是可行的。分时客流不均衡程度比较大是一个条件，线路的客流量较小、尚未达到设计客流量是另一个条件。在线路客流量较小的情况下，由于在客流低谷时段列车开行数较少，会使乘客候车时间延长，降低乘客服务水平；而如果为保持乘客服务水平，在客流低谷时段增加列车开行数，则又会使车辆满载率降低，产生运营不经济的情形。小编组、高密度方案的优点是既不增加列车运能，又能提高列车密度，从而解决了上述两个问题。但如果线路客流量已经较大，甚至接近设计客流量，采用小编组、高密度方案，在低谷时段增开列车问题不大，但在高峰时段增开列车则会受到线路通过能力的限制。二、一周内全日客流分布特征

地铁中的客流分析

地铁中的客流分析发表时间：2016-11-08T11:57:48.957Z 来源：《低碳地产》2016年8月第15期作者：栗文泓 [导读] 轨道交通一日内小时客流通常是双峰型，这种规律在国内外轨道交通线路上几乎都是一样，只是程度不同而已。深圳市地铁集团运营总部客运三分公司深圳地铁 518000 本文介绍了常用的客流的时间分布特征和空间分布特点分析的方法： 1 客流分析 1.1 客流的时间分布特性分析 1..一日内小时客流分布特性轨道交通一日内小时客流随人们的生活节奏和出行特点而变化，通常是早晨渐增，上班和上学时达到高峰，午间稍减，傍晚因下班和放学又是高峰，此后逐渐减少，午夜最少。因此，轨道交通一日内小时客流通常是双峰型，这种规律在国内外轨道交通线路上几乎都是一样，只是程度不同而已。反映轨道交通线路分时客流不均衡程度的系数由公式(1-1)计算：分时客流不均衡系数大于1，趋向于1表明分时客流分布比较均衡，越大表明分时客流越不均衡。当时，表明分时客流的不均衡程度比较大。位于市区范围内的地铁、轻轨线路的值通常为2左右；而通往远郊区市域轨道交通线路的值通常大于3。 2.一日内全日客流分布特征由于人们的工作与休息是以周为循环周期进行的，这种活动规律性必然要反映到一周内全日客流的变化上来。与工作日的早、晚高峰出现时间比较，双休日的早高峰小时出现时间往往推迟，而晚高峰出现时间有往往提前。另外，星期一与节假日后的早高峰小时客流和星期五与节假日前的晚高峰小时客流，都会比其它工作日的早、晚高峰小时客流要大。根据全日客流在一周内分布的不均衡和有规律的变化，轨道交通常在一周内实行不同的全日行车计划和列车运行图，以适应不同的客运需求和提高运营经济性。 3.季节性或短期性客流变化在一年内，客流还存在季节性的变化，如由于梅雨季节和学生复习迎考等原因，6月份的客流通常是全年的低谷。另外，在旅游旺季，流动人口的增加也会使轨道交通线路的客流增加。短期性的客流激增通常发生在举办重大活动或遇到天气骤然变化的时候。对季节性的客流变化可采用实行分号列车运行图的措施；来缓和运输能力紧张状况。 4.车站高峰小时客流分布特征车站高峰小时客流是确定车站设备容量或能力的基本依据。车站高峰小时客流分析，首先应确定进、出站高峰小时出现的时间，其次才是分析客流量的大小。此外，还应分析客流的发展趋势，随着轨道交通新线投入运营、既有轨道交通线路延伸，高峰小时进、出站客流会发生较大变化。而车站吸引区内在住宅、商业和文化娱乐等方面的发展也会是高峰小时进、出站客流发生较大的变化。 5.车站超高峰期客流分布特征为了避免因超高峰期内特别集中的客流而影响乘客不能顺畅地进出车站，甚至影响列车的正常运行秩序。在确定车站设备容量或能力是有必要适当考虑车站客流在高峰小时内分布的不均衡。车站超高峰期的客流强度可用超高峰系数来反映，它是单位时间内的超高峰期平均客流量与高峰小时平均客流量的比值。超高峰系数一般可取为1.1～1.4。对终点站、换乘站和客流较大的中间站通常取最高限值，而其余车站则可取最低限值。 1.2 客流的空间分布特性分析 1.各条线路客流分布特征各条线路客流不均衡的决定因素是沿线土地利用状况的不同，而轨道交通线网与接运交通的现状也是各条线路客流不均衡的影响因素。各条线路客流的不均衡包括现状客流分布的不均衡和客流增长的不均衡两个方面，它们构成了整个轨道交通线网客流分布的不均衡。 2.上下行方向客流分布特征由于客流的流向原因，轨道交通线路上下行方向的最大断面客流通常是不均衡的。在放射状的轨道交通线路上，早、晚高峰小时上下行方向的最大断面客流不均衡尤为明显。 3．线路断面客流分布特性在轨道交通线路上，由于各个车站乘降人数的不同，线路上各区间的断面客流通常各不相同，甚至相差悬殊。断面客流分布通常是阶梯型与凸字型两种情形，前者是指线路上各区间的断面客流为一头大，一头小；后者是指线路上个区间的断面客流为中间大、两头小。反映轨道交通线路单向各个断面客流不均衡程度的系数可由公式(1-2)计算：断面不均衡系数值大于1。趋向于1表明断面客流比较均衡，越大表示断面客流越不均衡。当时，表明断面客流的不均衡程度比较大。位于市区范围内地铁、轻轨线路的值通常小于1.5；而通往远郊区市域轨道交通线路的值可能大于3。在断面客流不均衡程度较大的情况下，为了运营的经济性，可采用特殊交路列车开行方案。断面客流分布为阶梯型时，可采用大客流