黑龙江干流水位预报方法研究

选用基于混合线性回归模型的黑箱模型方法对黑龙江干流中上游段包括漠河、鸥浦、三道卡、长发屯、乌云、勤得利6个站点进行水位过程模拟,探讨我国江河河道的水位预报问题。模型结构采用AIC准则和DW检验综合确定,参数通过最小二乘估计,模型以2006-2010年汛期(5-9月)日时间尺度的水文观测资料进行参数率定,以2011年汛期日时间尺度的水文观测资料进行模拟验证;并对模型输出不确定性,参数敏感性进行分析研究。结果表明:1所提出的模型方法在黑龙江干流地区应用较好,6个站点的预报合格率均达到85%以上,确定性系数也都为0.97以上,预报方案精度均能达到甲等,可以用于今后干流作业预报。2通过统计Monte Carlo模拟的输出变量标准差量化了模型输出不确定性,标准差越大,说明预报的洪水过程线越不确定,从而模型不确定性也就越大;运用标准回归系数敏感性分析得出,模型中干流入流不同时间阶数中最小的参数最为敏感,支流入流不同时间阶数中最小的参数次之,时间阶数大的参数一般不太敏感。     

基于偏最小二乘与神经网络耦合的储层参数预测

将偏最小二乘回归(PLS)与神经网络(NN)耦合,建立了储层参数预报模型.利用偏最小二乘对影响储层参数的诸多因素进行分析,提取对因变量影响强的成分,从而克服了变量间的多重相关性问题,降低了神经网络的输入维数;同时,利用神经网络建模可以较好地解决非线性的储层参数预测问题.计算实例表明,本耦合模型的拟合和预报精度优于独立使用神经网络模型的精度.     

灰色模型GM(1,1)的稳健算法及其应用

将最小一乘法应用于微分方程变量参数求解,建立稳健灰色模型RGM(1,1),并将其应用于建筑物沉降预报和比较.研究和实际应用表明：稳健灰色模型RGM(1,1)比常规灰色模型GM(1,1)具有更好的抗干扰性能和受异常点影响小的优点,根据少量的观测数据建立的RGM(1,1)模型有更好的预报应用价值.     

END序列下半参数回归模型估计的相合性

研究误差为END序列的半参数回归模型y_i=x_iβ+g(t_i)+σ_iε_i(i=1,2,…,n).应用加权估计与最小二乘估计方法,建立未知参数β和未知函数g的最小二乘估计与加权最小二乘估计的估计量.利用END序列的Rosenthal不等式以及截尾的方法证明p(p1)阶矩的相合性.     

普适费米气体型能级密度公式及其参数

在费米气体模型基础上,考虑了低能修正,建立起了普适费米气体型能级密度公式。使用27.8个核素的平均中子共振间隔D数据及268个核素的能级累计数sN(E)数据,用最小二乘法,在高速计算机上拟合得到了一组普适参数。使用这组参数,D计算值的平均相对误差为36.51％,比实验值平均相对误差(26.69％)高38.6％。能级累计数N(E)的计算结果也有较大改进,其平均相对误差为40.56％,仅比在D计算值的平均相对误差高 14.3％。我们用若干组不同参数分别计算诸核素的D值和N(E)值,相对误差控制在20％以内。然后按核素列出它们的实验值和计算值,连同其相应参数,均在附录中给出,以便查阅。     

基于LS-SVM的热带气旋强度预报

建立了基于最小二乘支持向量机的热带气旋强度预报模型。针对机理建模和神经网络建模无法提供热带气旋强度预报的有效解决方案,研究了基于最小二乘支持向量机的回归模型。利用给定的热带气旋数据集,使用交叉验证和网格搜索的方法对最小二乘支持向量机回归模型进行了参数优化选择。实验结果表明,建立的热带气旋强度的12,24,48和72 h的预报模型,都满足了预定的误差要求。     

基于人工鱼群优化LS-SVM的卫星钟差预报

针对导航卫星短期钟差预报精度不高的问题,提出了一种基于人工鱼群(AFSA)优化最小二乘支持向量机(LS-SVM)的卫星钟差预报方法。利用人工鱼群算法较强的全局寻优能力优化LS-SVM模型的惩罚参数和核宽度参数,避免人为选择参数的盲目性,提高了LS-SVM的泛化能力和预报精度。选取IGS产品中4颗典型卫星的钟差数据,分别采用人工鱼群优化LS-SVM模型、神经网络模型和灰色系统模型进行短期钟差预报,计算结果表明:人工鱼群优化LS-SVM模型的预报精度优于其它2种模型,尤其是在铷钟方面,预报误差在0.5 ns内,运行时间在5 min内。     

高炉铁水含硅量神经网络预测模型

按现代控制理论,将高炉视作多输入-单输出系统。引入人工神经网络(ANN)方法,选定若干参数作为硅含量的相关变量,建立标准的三层BP网络铁水硅预报模型。用该模型对津西5#高炉的生产数据进行离线预报,允许误差为±0.1％时命中率达到81％。     

AP（p）序列L1-预报的方法

本文讨论时间序列模型中AR(p)序列L1-预报的方法,给出预报公式,并讨论渐近均方预报误差估计.     

滑动窗口二次自回归模型在径流预报中的应用

为提高径流预报精度,采用滑动窗口二次自回归模型进行径流中长期预报,提出自适应优化、平稳滑动窗口和均方根误差最小的综合选取模型参数的方法.实例应用结果表明:该方法不仅提高了模型的预报精度,而且保证了模型的稳定性;与人工神经网络模型相比,滑动窗口二次自回归模型的1步预报具有更高的精度,可用于中长期径流预报.     

基于BP神经网络的公路风吹雪雪深预测模型

公路风吹雪雪深预测作为国际雪冰学领域的研究热点和难点问题一直未能很好解决.以白茫雪山防雪走廊段安装的自动气象站和当地气象局提供的气象资料为基础,提取了对公路风吹雪雪深有影响的4种因素(降雪量、大气温度、风速和湿度)的指标值,建立了基于BP(back propagation)神经网络的公路风吹雪雪深预测模型.对研究区5次降雪过程中所记录的199组数据进行训练学习,用20组数据来验证建立的模型,验证结果表明20h累计雪深预测值的误差在10%以内,85%的雪深预测值误差在20%以内,因此所建立的模型具有很强的泛化能力和较高的精度.并对降雪量、大气温度、风速和湿度这4个因素进行了敏感性分析,表明雪深与降雪量成正比,与其他3个因素成反比,其中降雪量对雪深的影响最大,风速次之,湿度最小.     

应用机器学习技术预测强雨雪天气过程中的积雪

2017年12月～2018年2月冬季,在中国长江中下游流域发生了两次强度强、范围广的强雨雪冰冻天气。在第一次强降雪天气中,由于2018年1月3～4日和5～8日两阶段降雪在中国东部落区高度重叠,导致了较为严重的灾害。为了预测日积雪深度,利用2017年12月～2018年2月和2007年12月～2008年2月这两个时间段上的国家测站日值数据,利用CART决策树算法根据各气象要素生成一个预测当天是否有积雪的二元判别决策树模型。从决策树结构中可以看出,前一日的积雪深度、日最高气温、日平均气温、日最低相对湿度等要素对预测结果的影响重大。且两决策树的结构相似度极高,故该模型对是否有积雪的预测存在普适性。随后利用深度学习方法训练两个时间段上所有预测为有积雪的个例,建立预测积雪深度的回归模型,结果表明,利用该模型训练得到的误差较小,但不足之处在于,预测极端降雪个例的误差大于普通降雪个例。将决策树模型与深度学习模型串接,便能得到预测当天是否有积雪,及积雪深度的模型。相比于前人的研究,该模型能拟合更复杂的特征,得到更精确的预测,使用2018年的数据也能更好地模拟当前的气候背景。     

基于径流模数的LSTM模型在无资料嵌套流域的应用

针对LSTM模型参数在无资料嵌套流域移植效果不佳的问题,以屯溪流域为研究对象,以其嵌套子流域为参证流域,综合考虑面积因素对参数移植法的影响,建立了基于径流模数的LSTM模型(RM-LSTM模型),并采用参数移植法进行流域洪水过程模拟。结果表明:RM-LSTM模型在研究流域应用效果较好,模拟结果的确定性系数达0.87,洪峰、洪量及峰现时间合格率均在85.0%以上;在参证子流域内,RM-LSTM模型参数移植后模拟结果的确定性系数及洪峰、洪量、峰现时间合格率较LSTM模型参数移植结果均有明显提升;RM-LSTM模型能够更好地考虑流域面积变化对参数移植方法的影响。     

马尾松材做铅笔杆的研究报告

<正>本研究在充分掌握马尾松木材性质的基础上,通过选材,改进工艺,使马尾松木材蒸煮后脱脂率达87.8％,力学强度降低了16.7～20.8％;烤板后木材的硬度降低了45.1％;吸湿性降低了50.0％,厚度膨胀率降低了26.7％,提高了尺寸的稳定性,从而使马尾松材达到了做铅笔杆材的要求。万支铅笔板消耗原木0.60立方米;白杆出笔率最低91.7％,最高98.9％,平均95％,产品合格率最低96.2％,最高99.41％,平均97.4％,减少烤板损耗提高原木利用率达6％以上。     

2003—2020年新疆北部积雪因子时空变化分析

积雪作为冰冻圈的活跃因子之一,对气候环境的敏感性使其能够快速反映出与气温、降水等气候因素的关系变化,并影响着全球水文变化。本文基于Google Earth Engine（GEE）云平台,对北疆地区2003年6月-2021年6月的MODIS逐日积雪数据进行去云处理,并基于像元计算了积雪覆盖比例（SCP）、积雪覆盖日数（SCD）、积雪开始时间（SOD）和积雪结束时间（SED）。实验结果如下：（1）基于GEE的去云处理方法使得积雪产品相对于气象站点数据的总精度达到91.47%,有利于提高对积雪因子的时空变化分析。（2）北疆地区SCD空间分布差异较大,SCD随海拔的升高而增加,SOD随海拔升高而提前,主要在11-12月出现;SED随海拔升高而推迟,主要在2-3月出现;夏季平均SCD最少,主要分布于天山中部以及阿尔泰山北部区域,约占3.35%,冬季平均SCD最为明显,大于60天的区域占46.3%;而SCP在1月达到最大,7、8月最小。（3）趋势变化上,SCD、SOD以及SED均无明显变化趋势,SCD整体西部呈弱上升趋势,占51.72%,东部呈弱下降趋势,占48.28%;北疆西部SOD呈提前趋势,东部SOD呈推迟趋势,SED整体呈提前趋势。（4）温度对SCD的影响大于降水量;春夏季,SCD与温度、降水量无明显相关性,仅准葛尔盆地东部春季平均SCD与温度呈强正相关;秋冬季,SCD与降水量、温度分别呈现较强的正负相关性。     

2000—2020年北疆地区积雪时空变化趋势及影响要素

基于北疆地区29个气象站点2000—2020年积雪数据集,分析了北疆地区20个水文年的积雪天数、年最大雪深、年均雪深、降雪次数、雪物候和气象要素变化,并对其影响要素进行了分析。结果表明,北疆地区近20年来冬季的积雪天数呈显著上升趋势,超过58%的气象站点降雪次数下降趋势显著,这与最低气温和降水量的显著增加密切相关。有72%的站点表现出了温度升高的趋势,近20年北疆地区降水量出现显著增加。雪物候方面,积雪持续天数呈现弱下降趋势,初雪日的出现时间明显推迟,增幅为0.17 d/a。终雪日的推迟并不显著。地理和气象因素与积雪密切相关,尤其是气温和降水量的变化会导致积雪深度发生显著变化,海拔对雪物候的影响程度比气象因素更加明显。     

基于蒙特卡洛模拟技术的杭嘉湖平原稻田土壤Cd安全阈值研究

安全的稻米产地环境是保障稻米镉含量不超标的基础,而正确确定稻米产地土壤镉安全阈值是进行产地安全管理的关键。为此,以杭嘉湖稻米主产区为例,通过土壤-稻米对应采样分别获得了研究区118个土壤-稻米样品,并基于监测数据采用线性回归与蒙特卡洛耦合模型法,回归方程法及吸收系数法构建了研究区稻米产地镉安全阈值。研究结果表明,土壤镉含量、土壤pH、土壤质地是影响稻米镉含量的主要因素。线性回归与蒙特卡洛耦合模型分析结果表明,在稻米镉达标期望概率为70%、80%、90%、100%时,土壤镉安全阈值分别为1.2 mg/kg、1.0 mg/kg、0.8 mg/kg及不能确定。采用吸收系数法计算的安全阈值为1.2 mg/kg,而直接采用监测数据的平均值代入回归方程得到的产地土壤安全阈值为1.5 mg/kg。不同安全需求下的土壤镉安全阈值有差异显著,运用回归方程法得出的结论高于令稻米镉含量达标率为70%的土壤镉安全阈值,吸收系数法得出的结论与令稻米镉含量达标率为70%的土壤镉安全阈值相一致。且结果均高于土壤环境质量标准二级镉阈值。     

新疆西天山积雪稳定期不同下垫面雪物理特性对比

利用上海精创单双通道温湿度记录仪、Snow Fork雪特性分析仪和雪筛等仪器采集的积雪物理特性数据,对比了天山积雪雪崩站积雪稳定期不同下垫面条件下的积雪物理特性.结果表明:实验区内雪层平均温度林地最高,水泥路面最低;雪层剖面最底层的日平均温度草地最高,水泥路面最低;水泥路面温度梯度最大,林地的雪层温度梯度最小,且林地积雪剖面上层的暖中心出现时间滞后于草地和水泥路面1 h;水泥路面、草地、林地的平均含水率依次递增,分别为0.18%,0.19%,0.20%;雪层日平均相对湿度变化与雪层温度和含水率变化大致相同;草地、水泥路面、森林的上覆积雪的平均密度依次递减,分别为0.15,0.14,0.13g/m~3.林地雪层剖面上部的雪密度最小,但中部和底部的都高于草地和水泥路面的;林地的新雪质量分数最小,粗颗粒雪所占比例最大;而草地底部的深霜发育优于水泥路面和林地.     

贝叶斯型的时变系数回归模型

提出了具有时变系数的回归模型及其模型识别和参数估计的贝叶斯方 法．在此模型中对于时变回归系数的变动，应用了高斯型概率差分方程式作 为约束条件，称之为高斯型平滑性事先分布．模型中的超参数（ｈｙｐｅｒｐａｒａｍｅ－ ｔｅｒ）的估计，采用了最大似然估计法．模型的识别（差分次数的决定）应用了 Ａｋａｉｋｅ的最小 ＡＢＩＣ法．给出了模型估计的算法及其应用例子．最后，讨论了 平滑性事先分布中参数的最优估计的意义．     

p次方检测器协作频谱感知系统性能优化

为了提高认知无线电频谱感知系统可靠性,在考虑无线瑞利感知信道和有一定错误率的报告信道条件下,提出采用p次方检测器的协作频谱感知方案.通过考虑单天线上的采样信号数和OR融合准则,联合优化p次方检测器的指数p和最佳感知门限λ以使总错误概率最小.理论分析与仿真结果表明,在满足总错误率最小条件下,最佳指数p和感知门限λ同时存在.并且有当采样信号数越大时,指数p越来越大且有上界,最佳感知门限λ越来越小且有下界.