基于门控循环单元-支持向量回归组合模型的湖泊水位预测方法探索

为改善传统循环神经网络预测梯度消失的问题,并探讨组合模型在水位预测中的应用,提出了一种基于门控循环单元(Gated Recurrent Unit,GRU)和支持向量回归(Support Vector Regression,SVR)的组合预测模型,对猎德涌流域源头西湖水位进行预测。对GRU-SVR(多项式核、RBF核、Sigmoid核)模型进行了比选。组合模型通过GRU提取雨量与水位间时空特征,SVR增强整体的非线性预测能力。结果表明,与CNN-GRU及SVR相比,GRU-SVR(多项式核)模型在湖泊的降雨时期拥有较好的预测精度。     

基于BP神经网络的坡面降雨产流预测

为预测坡面降雨产流,基于坡面降雨产流的非线性特性,引用3层BP(Back-Propagation)网络建模方法,对B市密云水库流域石匣小区水土保持监测小区的坡面降雨产流进行了研究。模型输入层变量数为5个,分别代表坡度、坡长、降雨强度、降雨历时、土壤的有效糙率,输出层变量数为坡面降雨产流量,利用野外小区实测数据,对上述网络进行了训练,学习100次后网络趋于收敛,训练样本集误差达到2.040 96×10-10,小于预设精度,预测样本的平均相对误差为1.67%。该模型的建立与实践,为坡面降雨产流预测的研究提供了新的方法。     

PSO-MLP模型预测降雨对府河氨氮的影响

为研究白洋淀上游的保定市区降雨径流对府河水质的影响，采用府河2019年、2020年的常规水质监测数据，基于粒子群算法（particle swarm optimization，PSO）和多层感知机（multi-Layer perceptron，MLP）建立PSO-MLP水质预测模型。分别使用PSO-MLP、MLP、一维水质模型进行对比预测。结果表明：PSO-MLP与一维水质模型相比，平均绝对误差相对降低64.5%~74.7%；与MLP模型相比，平均绝对误差相对降低6.6%~12.6%。选取2021年7月的一次典型降雨对府河膳马庙、安州和南刘庄3个控制断面进行预测，表明PSO-MLP泛化能力更强，预测误差更小，优于一维水质模型和 MLP模型。所建立的府河PSO-MLP水质预测模型，可以提前 4 h准确预测府河各断面氨氮浓度，平均绝对误差小于0.3 mg/L，可应用于保定市区降雨径流对府河水质污染的预测预警，避免降雨径流通过府河影响白洋淀水质。     

基于Logistic回归的泥石流灾害预警模型

为提前预警泥石流灾害,基于Logistic回归模型,定量分析引起泥石流的雨量评判指标的影响因子(降雨强度和累计雨量),形成了一种能预测泥石流是否发生的灾害预警方法。西南地区2002—2010年已有93次泥石流灾害监测数据模型估计结果表明:各个降雨参数和总模型的模拟效果良好,且降雨参数能有效地解释泥石流发生概率变化的过程;相比累计雨量参数而言,降雨强度对泥石流发生概率的影响更为显著;回归模型对未来时空模拟效果良好,预测精度能达到85%以上。该方法可为我国西南地区的泥石流灾害预警提供一定的启发。     

皖境淮河流域降雨量-水位关系分析

利用2003-2005年水文站水位观测资料和相应气象站点雨量观测资料,应用相关分析方法,确定旱涝多发的皖境淮河流域不同子流域内水位对流域内降雨的响应时效,结果表明不同子流域水文站的水位对有效降雨量的响应时效存在差异,主要集中在2-4天.选取3个有效降雨与水位相关程度较高的子流域,分别建立降雨-水位关系统计模型.利用2007年7月上旬淮河流域大水资料进行试验,结果表明所建模型的水位预测效果较好.     

采用ALSTM模型的温度和降雨关联预测研究

短时的降雨和温度等预报一直是天气预报中的重要问题。为了准确和及时预测局部区域的降雨及温度,提出了一种基于Attention和LSTM组合模型(ALSTM)的关联多值预测算法。该算法利用天气时间序列中的前期数据,对下一小时的降雨量和温度进行关联预测,以此实现对天气要素的多值预测。该算法首先对输入数据进行归一化处理;然后利用数据对ALSTM模型进行训练;最后将训练好的模型用于多值预测。将ALSTM模型与LSTM、BP以及基于LSTM的深度循环神经网络(DRNN)的预测结果进行了比较。实验结果表明,ALSTM模型的温度和降雨预测精度优于比较的其他模型,其平均预测精度在97%以上。     

格林-安普特降雨径流模型改进及初步应用

将基于土壤及降雨资料计算得出的具有物理基础的下渗能力分布曲线引入格林-安普特降雨径流模型,选择中国和美国2个半干旱流域作为研究区域,将改进后的格林-安普特模型与原模型及新安江模型进行模拟对比,研究改进后模型的应用效果及其在半干旱地区的适用性。结果表明:在2个半干旱流域,改进格林-安普特模型模拟结果均好于原始格林-安普特模型及新安江模型;增加的具有物理基础的下渗能力分布曲线能够更好地反映流域内各位置下渗能力随降雨和时间变化的特点,更加精确地计算出流域内下渗量及产流量;半干旱地区洪水多由短时强降雨引起,产流主要以超渗地面径流为主,降雨观测精度和降雨强度对模型模拟精度影响较大;改进格林-安普特降雨径流模型能够在半干旱地区洪水预报中发挥作用。     

基于随机森林的短时临近降雨预报方法

近年来随机森林在各领域得到了广泛的应用,在处理大数据集中具有明显的优势,且机森林(Random Forest,简称RF)模型精度高、稳定性好。该文在不考虑其他气象影响因素的情况下用RF模型对短时临近降雨事件有无降雨进行分类预测。结果表明,基于RF短时临近降雨预测的预测结果较为理想,预测结果的各项评分始终保持在较高的水平,具有一定的参考价值。     

优选雨量站权重改进降雨输入的洪水预报方法

降雨是驱动水文模型进行洪水预报的重要输入数据,降雨资料短缺给洪水预报工作带来极大挑战．引入边缘雨量站降雨数据,基于随机优选方法,构建优选雨量站权重改进降雨输入的新安江模型,对资料短缺流域进行洪水预测,并在石灰窑以上流域进行试验研究．与泰森多边形权重相比,优选权重改进降雨输入的产流预报精度有显著提高,率定期、验证期产流合格率分别从60%、40%提高至100%、60%,汇流预报精度略有提升;改进降雨输入后的新安江模型的优选参数更符合流域产汇流特征,提升了模型参数的合理性．所提优选雨量站权重改进降雨输入的洪水预报方法,对类似降雨资料短缺流域洪水预报具有重要的参考价值．     

基于流域蓄满产流理论的林冠截留降雨新模型

根据林冠截留降雨的物理现象,借鉴流域蓄满产流理论建立了一个林冠截留降雨新模型.结合两片林分的实测资料,介绍了该模型参数的确定方法,并且对模型进行了有效性验证.结果表明:计算值与观测值吻合,表明该模型可揭示林冠截留降雨的基本特征,如果已知模型参数,可以用于林冠截留降雨的预测计算.     

Prediction of Sintering Strength for Selective Laser Sintering of Polystyrene Using Artificial Neural Network

In the present work,a study is made to investigate the effects of process parameters,namely,laser power,scanning speed,hatch spacing, layer thickness and powder temperature, on the tensile strength for selective laser sintering( SLS) of polystyrene( PS). Artificial neural network( ANN) methodology is employed to develop mathematical relationships between the process parameters and the output variable of the sintering strength. Experimental data are used to train and test the network. The present neural network model is applied to predicting the experimental outcome as a function of input parameters within a specified range. Predicted sintering strength using the trained back propagation( BP) network model showed quite a good agreement with measured ones. The results showed that the networks had high processing speed,the abilities of error-correcting and self-organizing. ANN models had favorable performance and proved to be an applicable tool for predicting sintering strength SLS of PS.     

用组合模型预测油田产油量

时间序列分析是统计学的一个重要分支,灰色系统理论是一种动态趋势预测理论。将时间序列分析与灰色系统理论相结合用于油田产量预测是一个非常有益的探索。先采用灰色建模或逐步回归方法,从数据中得到趋势项的数学模型,然后对剔除趋势项之后的数据进行时间序列分析,建立了ＡＲ模型或ＡＲＭＡ模型。将以上两个模型结合起来构成组合模型,用于预测油田产油量。应用实例证明,该方法具有容易实现、预测准确的优点,是一种非常有效的预测方法。     

用于储量渗透率预测的高效梯度提升决策模型

渗透率预测本质上属于拟合问题,因此可用拟合模型进行解决。机器学习模型是解决拟合问题的利器,其中LightGBM (light gradient boosting machine)表现出色,为此选用该模型进行预测。然而,LightGBM预测性能受自变量的数量和性质影响较大,同时较多超参数的使用使其预测状态难以最优,为此采用MIV (mean impact value)算法和CD (coordinate descent)算法对模型进行改进。为验证提出模型的预测性能,以姬塬油田西部长8段致密砂岩储层为例进行研究。设计了三个实验分别对提出模型进行性能分析。根据实验结果发现MIV和CD的使用能提高LightGBM的预测性能,同时提出模型在预测上较常规混合机器学习模型表现更为高效。实验结果证明提出模型可在纯数据驱动下高效地预测渗透率,较经典物理模型更具有适用性和推广性。     

加压溶气气浮空气组成的理论研究

多年来通过对加压溶气气浮装置的检测和性能研究可知，气浮技术在给排水处理中应用越来越广泛，发挥的作用越来越大，但对于它的理论研究尚不足，为此重点就其9溶气系统理论性问题，按照亨利定律的原则，对压力溶气罐的溶解空气的组成进行研究，研究的重点是两种数学模型，第一是压力罐从运转开始，直到最终罐内气水平衡，罐内空气随时间变化而变化的理论模型，第二是空气分子的摩尔平衡，研究压力罐内空气中氮和氧的组成比例，以及由亨利定律预测流出压力罐的压力水中饱和溶气比值。     

窟野河流域暴雨侵蚀产沙研究

利用窟野河流域的水沙资料，提出了降雨分布均匀性系数的概念。把降雨分布均匀性系数与前期影响雨量等定量指标一起引入暴雨侵蚀产沙过程的水沙传递关系中，建立了窟野河流域出口径流含沙量与流量、前期影响雨量和降雨空间分布均匀性系数的定量关系。止匕定量关系可用于多沙粗沙区流域次暴雨侵蚀产沙的预报和多沙粗沙区的治理。     

拉萨河流域不同汇流方式的TOPMODEL应用比较研究

应用结合单位线和线性水库汇流改进的TOPMODEI,,对拉萨河流域进行水文模拟,并与原TOPM0lDEL模拟结果进行对比.结果表明,两者都取得了较好的模拟效果,但改进的模型模拟基流更稳定和合理.应用两模型评估拉萨河流域降雨空间差异性对流域径流的影响,改进的模型模拟结果相对稳定.     

竖置多孔填料床内热湿迁移特性研究

通过对气相达西阻力的定义,提出了更准确、更完善地反映多孔介质内部热质传递现象的“三态-六场”模型,并以此模型对竖置多孔填料床内的热质交换过程进行了数值模拟,分析了典型工况下填料床内部各物理量场的变化规律.计算及分析结果一方面表明了模型的可行性,另一方面也表明竖直多孔窗比水平多孔窗具有更好的蒸发制冷效果.     

基于支持向量机的不锈钢冷轧薄板力学性能的预测模型

介绍了支持向量机(SVM)技术中的支持向量机回归模型原理,建立了不锈钢冷轧薄板力学性能预测模型.结果表明,随着训练样本的增加,模型的预测精度也得到提高.证明应用支持向量机构建不锈钢冷轧薄板力学性能预测的数学模型,能较好地解决小样本和模型预测精度间的矛盾,具有较强的泛化能力.     

小颗粒非均匀初始孔隙率脱硫模型研究

在晶粒模型的基础上，提出了一种晶粒模型的改进模型．改进后的模型考虑了颗粒内部初始孔隙率的非均匀性及其影响，给出了初始孔隙率非均匀模型的数学描述，并对改进前后的两种模型分别进行了数值计算。计算结果表明，改进模型的结果与实验数据更加符合，验证了改进模型的正确性。     

流化床非平衡态热力学分析模型

用非平衡态热力学的分析方法分析了流化床系统的熵、熵产生、熵流,讨论了流化床系统的热力学分支和耗散结构分支,论证了流化床系统的能量最小原则,使热力学第二定律同流化床理论研究有机地相结合。建立了鼓泡流化床的数学模型和过渡态判据。热力学第二定律的引入,使热力学和流体动力学与流化床理论研究、耗散结构分支与系统运动形式的多样性、系统总体稳定与局部非稳定在理论描述上相统一。