磨削温度在线监测与预报系统的建模研究

针对磨削温度的变化特征及其不同的影响因素,对人工神经网络预报模型及灰色理论GM（1,1）预报模型应用于磨削温度在线监测与预报中的优缺点进行了分析,提出了一种新的ANN－GM（1,1）综合预报模型,对该模型进行了理论分析和工艺实验研究。     

基于MATLAB神经网络工具箱的电力系统负荷预报

提出的基于MATLAB神经网络工具箱的短期负荷预报模型,不仅简洁实用,而且涉及了天气和日期特征量,因而具有较高的预测精度.采用两种学习算法,用实际数据对ANN进行了训练,通过比较得出了优化模型.计算实例表明用该方法是可行的、有效的.     

实时灌溉预报

实时灌溉预报是制定动态灌溉用水计划的基础，对灌区节水，增加作物产量和提高经济效益起着重要作用。其重点与难点内容是作物需水量实时预报。国内外已有的作物需水量预 报方法与模型，是建立在历史典型水文年资料基础之上的，无法用于实时预报。文章分析了作物需水量与气象条件和非气象条件（主要是植物条件以及土壤条件）之间的关系，提出了根据天气类型、作物绿叶覆盖率和土壤有效含水率3项因素进行作物需水量实时预报的方法与模型，介绍了具体的预报步骤与计算框图，改进了常规的预报方法，主要是用预报的天气类型（晴、昙、阴、雨）代替修正彭     

不同流域的自回归径流预报效果对比

对未来月径流的可靠预报对于水力发电计划的制定和水资源调度管理具有重要的实际应用价值.由于相应预见期的气象预报不可靠以及月径流序列具有明显的非线性和随机性,导致已有模型的预报效果差异大,即使采用同一种模型,在不同流域的预报效果也显著不同.本文选取了自回归滑动平均(ARMA)模型、人工神经网络(ANN)模型和支持向量回归(SVR)模型这3种常见的径流预报模型对3个研究区域的未来一个月的径流进行预报,并用反映相对误差的平均绝对百分误差(MAPE)对预报效果进行了评估和对比分析.3个流域的预报效果对比分析表明预报效果与历史径流序列的变异系数CV以及一阶自相关系数Rlag1有关.此外,各月的径流预报的MAPE和该月历史月径流序列的CV以及Rlag1的绝对值|Rlag1|也显著相关,用CV和|Rlag1|拟合MAPE的决定系数为0.80.3个流域的流域特性分析则表明预报效果的差异本质上是由流域特性差异造成的,可以通过计算历史径流序列的CV、|Rlag1|判断是否适合运用数据驱动模型进行月径流预报.     

复杂路径台风麦莎影响山东天气分析

利用常规、非常规天气资料对2005年以近年来罕见的路径影响山东的登陆北上类台风"麦莎"进行分析.结果显示:台风麦莎造成山东降水有远距离降水和直接影响时造成的降水;台风麦莎在500 hPa趋暖效应明显;历史研究成果对正确预报麦莎台风天气非常重要;副高变化是麦莎台风登陆后出现复杂蛇形路径的重要原因;日本数值预报对预报台风路径有很大帮助;没有西风带系统配合台风麦莎造成山东暴雨强度不强.个例的总结对预报非常重要,总结个例是提高预报水平、正确预报天气的重要途径和手段.     

边坡位移时序预测的组合模型研究

将边坡变形预测看作一个特殊的凸二次规划问题,以加权一阶局域法（AOLMM）、Lyapunov指数预报法以及神经网络预测方法（ANN）为基础,建立了边坡变形预测的组合模型,应用动态规划方法求解组合预测模型的最优解,以达到有效利用各种预测方法提供的信息和提高模型预测精度的效果．通过工程实例研究表明,该组合预测模型较单一预测模型精度有较大提高,表明组合预测模型的可行性及有效性．     

多元线性回归模型的研究和应用

在2008年防火期2-5级火险天气条件下，在云南松纯林测定了211组林内气温（x1）、相对湿度（x2）、凋落物层表面温度（x3）、腐殖质层表面温度（x4）、凋落物表层细小可燃物含水率（y）数据。建立了多元线性回归模型，使用了平均误差来衡量模型的精确度。为了提高模型的应用性和算法的效率，本文用VC＋＋60实现了该模型，并仅读数据文件一次。测试表明，该模型的平均误差只有1．53％，具有非常高的精确度，能为云南松林防火预报提供理论依据。     

嵌套网格空气质量预报系统及其在沈阳地区的初步应用

嵌套网格空气质量预报系统作为中国第三代区域多尺度空气质量模型,充分借鉴吸收了国际上成熟的天气预报模式、空气污染数值预报模式的优点,并体现了中国各区域、城市的地理、地形环境、污染源的排放等特点.模型能够在沈阳市很好的应用,并模拟出冬季重污染个例和夏季的轻污染个例,SO2的模拟效果略好,PM10的模拟结果偏低.造成偏低的原因主要有三个方面:污染源数据、污染物比例和模式内部参数.     

基于机器学习的改性沥青黏弹性预测

为利用机器学习方法预测改性沥青黏弹性，分析不同预测模型适用性和预测精度，测试了胶粉（CR）改性沥青、SBS改性沥青和废旧塑料（PE）改性沥青不同温度和频率下的复数模量.选择人工神经网络（ANN）、稳健线性回归（RLR）、线性支持向量回归（LSVR）、决策树回归（DTR）、高斯回归（GPR）和集成回归（ER）6种机器学习方法预测三种改性沥青复数模量.结果表明：预测结果散点图中，ANN和ER模型预测精度最高，DTR模型次之且存在数据聚类.6种预测模型预测结果的相关系数均大于0.9，纳什效率系数均大于0.85.不同预测模型在PE改性沥青中预测精度最高，SBS改性沥青次之.根据三种改性沥青复数模量预测结果的相关系数、相对均方根误差、分散指数、相对误差和纳什效率系数五个统计参数的平均值，6种预测模型预测精度从高到低依次为ER、ANN、DTR、GPR、LSVR和RLR.     

忻州市一次沙尘天气特征分析

针对2008年5月27日发生在忻州市的大范围沙尘天气个例,从沙尘源地、天气图环流形势、各种天气物理量指标、触发机制等诸多方面进行了综合分析,从而寻找预报指标及着眼点,为准确发布预报提供参考。     

A REAL_TIME SHORT_TERM LOAD FORECASTING SYSTEM BY ARTIFICIAL NEURAL NETWORK *

应用人工神经网络（ＡｒｔｉｆｉｃｉａｌＮｅｕｒａｌＮｅｔｗｏｒｋ—ＡＮＮ）设计短期电力负荷预测（Ｓｈｏｒｔ＿ｔｅｒｍＬｏａｄＦｏｒｅｃａｓｔｉｎｇ—ＳＴＬＦ）系统,利用广州电网的负荷数据进行仿真,分别作出提前１小时和未来２４小时的整点负荷预测,获得比较满意的预测精度,显示出人工神经网络应用于短期电力负荷预测的良好前景．由于建立小时模型、改进了训练样本集的选取办法及采用高效率的ＬＭ（Ｌｅｖｅｎｂｅｒ＿Ｍａｒｑｕａｒｄｔ）训练算法,使ＡＮＮ的训练速度大大加快,形成可以实时训练和预测的ＡＮＮ＿ＳＴＬＦ系统．     

产品需求量非平稳时序的ANN-ARMA预测模型

针对基于非平稳时序的产品需求量预测方法存在的问题,研究了人工神经网络(ANN)与自回归滑动平均(ARMA)模型的集成建模与预测方法. 产品需求量的非平稳时序可分解为确定项和随机项两个部分,用人工神经网络模型拟合确定项,以表示非平稳的变化趋势;用自回归滑动平均模型拟合随机项,以表示平稳的随机成分. 将两个模型的预测值之和作为产品需求量的优化预测值. 仿真结果表明,集成模型的预测精度高于单一的人工神经网络模型.     

基于趋势组合的知期电力负荷预测模型

在运用神经网络进行短期电力负荷预测中，天气是影响负荷的重要因素。为了更好地捕捉天气对负荷的影响，文中提出了一种基于神经网络的趋势组合短期负荷预测思想和模型，将短期负荷与天气变量的内在关系分解为3个不同的趋势分量，即周趋势分量、日趋势分量和小时趋势分量，每一个趋势分量分别用一个神经网络模型捕获，趋势分量的预测结果再用一个神经网络模型进行组合，从而得到最终的预测值，分别用改进的和传统的模型预测一周的小时负荷，结果表明，这种神经网络模型能取得更好的预测精度。     

云锡矿工肺癌的时间序列预测方法

本文对云锡矿工肺癌的SMR(Standard Mortality Rate,标准死亡率比)预测模型进行了分析,指出该模型的局限性。在此基础上提出了直接利用矿工肺癌死亡数的AR(Auto-Regreesive,自回归)模型预测法和矿工肺癌SMR序列非平稳时序模型预测法,分析了这两种预测法的优劣和适用范围,并对云锡老矿20～40年代下井矿工肺癌死亡进行了预测,得出矿工肺癌死亡趋势将减缓的结论。结果表明,本文提出的预测方法是可行、可信的。     

电信业务预测的新方法研究

作者主要是讨论电信业务量新的预测方法。在分析了传统的Ｆｉｓｈｅｒ－Ｐｒｙ模型不能对缺乏历史数据的新业务进行有效的预测后，提出了二次起飞模型和替换模型，实际观测结果表明这两种新模型可以较好地解决新业务的预测问题。     

组合灰色预测模型在电力负荷预测中的应用

基于灰色预测理论,研究了基本灰色预测模型及其几种传统改进模型的原理和它们在电力负荷预测中存在的局限性,提出了电力系统中长期负荷预测的实用新方法--组合灰色预测模型.以实际算例为基础,应用基本灰色预测模型和传统改进模型以及组合灰色预测模型分别对电力负荷进行了预测,并进行了分析比较.结果表明,用灰色理论预测电力负荷,理论可靠、方法简单.对于中长期电力负荷预测这样复杂的问题,组合灰色预测模型具有预测精度高、简捷实用等优点,该方法可作为中长期电力负荷预测的工具之一.     

人工神经网络在电力系统短期负荷预测中的应用

根据电力系统短期负荷变化的特性,提出BP模型在实际负荷预测应用中的方法和步骤．对BP网络结构、样本空间、收敛性等作了有针对性的研究．结果表明：多层神经网络应用于电力系统短期负荷预测是可行和有效的．其预报结果比传统的负荷预测方法更准确、经济、效果更好．     

BP模型在降雨径流预报中的应用研究

简要介绍了人工神经网络用于洪水预报的基本原理,对降雨径流预报的网络模型进行了改进。为了避免陷于局部极小值和缩短学习时间,采用了改进的自适应BP算法进行洪水预报,开发了基于BP模型的洪水预报系统,并经过山西省文峪河水库的实测资料进行了预报,取得了令人满意的精度。     

基于ARIMA、BP神经网络与GM的组合模型

为了提高预测模型的精度,给出了一种新的组合预测模型.利用时间序列ARIMA预测模型、BP神经网络及GM灰色预测模型进行单一模型的拟合与预测,通过赋予适当权系数结合三种方法得到了新的组合预测模型.山西省人均GDP预测实例应用结果表明:组合预测模型很好地描述了山西省人均GDP的非线性发展,比单一预测方法具有更高的预测精度.组合模型发挥了这三种模型各自的优势,可以作为人均GDP预测的有效方法,该模型在时间序列的预测中是有效的.     

最优组合预测模型在中国天然气需求预测中的应用

发展天然气工业是目前国家的一项重要政策,已被写入中国的"十三五"规划,因而合理地预测中国天然气的需求对国家制定能源政策非常重要.提出了一种基于最小二乘法的组合预测模型,并给出了对应模型参数的计算方法,利用GM(1,1)模型和SIGM模型以及2002—2017年的数据建立了预测模型,同时利用2002—2017年的数据对模型的准确性进行了评估,最后利用组合预测模型对2018—2022年中国天然气需求量进行预测,预测结果发现本模型优于其他单项预测模型,为天然气需求预测提供了新的思路.