基于EOF和HHT的多站点降雨场随机模拟方法研究

提出一种新的基于希尔伯特谱分析的降水发生器EHS.该模型首先对原始降雨场进行高斯隐变量转换,转换后的标准化降雨场随后进行经验正交函数分析(EOFA),提取出主要空间模态和对应的主成分时间序列.对主成分序列进行经验模态分解(EMD)和希尔伯特谱分析(HAS)可以得到不同特征周期的本征模态函数(IMF)及其对应的瞬时振幅和瞬时频率,利用随机相位法仿真各项IMF分量,对模拟得到的IMF分量进行EMD重构、EOF重构和高斯隐变量反操作,即可得到多站点降雨模拟场.本文以月降雨量均值、月降雨量标准差,空间相关系数、空间连接度、自相关系数为指标,利用湘江流域实测的降水数据,通过与现有多站点降水发生器MulGETS的比较,评估多站点降水发生器EHS的性能和优缺点.研究结果表明,多站点降雨发生器EHS能很好地模拟湘江流域的降雨,重现历史降雨场的统计特征.该工具可为水文水环境模型、生态模型等提供数据支撑.     

考虑外生变量的基于分数差分的石油价格部分线性自回归预测模型

利用分数差分和部分线性自回归模型对WTI现货价格序列进行了建模和预测研究.首先通过分数差分消除了WTI现货价格序列中的长记忆性,得到一条短记忆序列.然后,利用部分线性自回归模型对其进行建模,其中,参数部分考虑石油价格,非参数部分考虑外生变量,即世界供应量,并进行了实证研究.研究结果表明:基于分数差分的部分线性自回归模型能较好地解决石油价格预测这一问题,而引入外生变量后,进一步增强了模型的解释能力,弥补了模型对外界影响因素忽略的缺陷,预测精度较高.     

利用虚拟变量对季节指数的估计

利用季节虚拟变量建立回归模型,通过季节虚拟变量的参数估计间接地估计季节指数,并且利用模型进行了一些传统的季节指数方法无法进行的推断统计,是一种分析季节指数和季节变动的新思路.但是,由于时间序列数据直接应用到回归模型会与古典假设不相符合,在参数估计以及推断检验中就需要采用一些新的方法,这也正是利用季节虚拟变量估计季节指数时存在的问题,这个问题还有待于以后解决.     

基于改进ARMA模型的时用水量预测

针对时用水量存在周期性的特点,引入季节因子,采用时变ARMA季节模型对非线性非平稳系统的时用水量进行模拟.以杭州市实测用水量为例,分别采用时不变ARMA季节模型和时变ARMA季节模型进行时用水量预测,结果表明时变ARMA季节模型预测精度相对较高,且预测误差相对稳定,较时不变模型更具有实用性.     

自回归模型在西安市日用水量预测中的应用

根据时间序列中的建模方法,对数据的平稳性检验、模型类型的识别以及如何利用偏相关定阶法确定自回归模型的阶数作了介绍.阐述了样本参数估计的LS估计方法和模型检验的χ2检验法.对西安市日用水量进行分析,得到了该市日用水量预测的自回归模型,经检验该自回归模型预测效果良好.     

武汉地区雨强分维数随时间变化初探

对武汉大学电波综合观测站于１９９１年７月期间雨自记纸曲线当积分时间５ｍｉｎ时，用单变量雨强时间序列初步地研究了降雨这一大气过程中雨分维数随时间变化特性。     

S型曲线自回归模型的自回归分析

将回归模型的回归分析推广到S型曲线自回归模型的自回归分析,获得了S型曲线自回归模型参数的估计公式、估计标准误公式、变量的点估计与区间估计公式、总体自回归系数的检验统计量.     

应用多变量系统辨识建立浮选回路在线模型

浮选回路的在线模型是实现浮选回路计算机高级控制的基础.本文将多变量系统辨识理论和方法应用于浮选回路在线模型的建立,以带外生可观测干扰变量的多变量受控自回归滑动平均模型作为浮选回路在线时间序列模型的基本形式.在IBM-PC/XT微型机上建立了通用的多变量递推辨识程序包MVRIMPB,用以估计模型的阶和参数.最后用仿真方法考查了程序包的实用性.     

近半世纪宝鸡市干旱特征及模型预测研究

根据1952-2004年西北干旱区宝鸡市降水资料,对年际、年内降水序列进行干旱统计,通过趋势、频率分析法和突变检测方法分析了宝鸡市53 a降水的变化规律及干旱变化特征;针对降水序列变化特征建立门限自回归模型,对干旱情灾害进行预测,利用实测资料进行检验研究等分析.结果表明,宝鸡市降水量自1984年后存在减少的趋势.降水序列存在阶段性震荡变化,90年代后旱情发生频率增加,2000年左右降水量序列发生突变,降水资源量略有增加,干旱情况有所缓解.     

多辊冷轧机弹性曲线的幂函数模型研究

采用空压靠法,实测了多辊冷轧机的压下位移以及上下工作辊间压靠力,绘制了轧机的实测弹性曲线.通过对实测弹性曲线规律的分析,经对各种不同非线性模型结构采用单纯形法回归计算,发现幂函数模型结构最符合该实测弹性曲线变化规律,经与常规线性模型结构回归计算结果进行比较,证明该幂函数模型精度较高.采用该幂函数模型可大大提高轧机实际弹性曲线的拟合精度.     

环境激励下基础隔震结构时变模态频率的温度效应

基于实测隔震层温度和结构加速度响应数据,分析了环境温度对基础隔震结构模态频率的影响规律.首先,采用小波变换方法识别了基础隔震结构时变模态频率;然后,分别采用单自由度简化模型和双自由度简化模型推导了环境温度对基础隔震结构模态频率的影响机理,对基础隔震结构模态频率与隔震层温度进行了相关性分析,提出温度对模态频率的影响系数,量化了隔震层温度对隔震结构模态频率的影响,并结合隔震支座温度相关性试验,对相关性分析结果进行了验证;最后,通过参数回归分析,提出模态频率与温度的相关性模型,并给出了温度对基础隔震结构模态频率的影响系数曲线.结果表明,实测温度影响系数曲线与隔震支座温度相关性试验结果表现出较好的一致性,可为基础隔震结构的性能评估提供可靠依据.     

基于长短时记忆网络的Encoder-Decoder多步交通流预测模型

交通流序列多为单步预测.为实现交通流序列的多步预测,提出一种基于编码器解码器(encoder-decoder,ED)框架的长短期记忆网络(long short-term memory,LSTM)模型,即ED LSTM模型.将自回归滑动平均、支持向量回归机、XGBOOST、循环神经网络、卷积神经网络、LSTM作为对照组进行实验验证.实验结果表明,当预测时间步长增加时,ED框架能够减缓模型性能的下降趋势,LSTM能够充分挖掘时间序列中的非线性关系.除此之外,在单变量输入的情况下,在PEMS-04数据集上,当预测时间步长为t+1到t+12的12个时间步时,ED LSTM模型的均方根误差(root mean squard error,RMSE)及平均绝对误差(mean absolute error,MAE)分别下降0.210～5.422、0.061～0.191.相较于单因素输入,多因素输入的ED LSTM模型在12个预测时间步长下,RMSE、MAE分别下降0.840、0.136.实验证明了ED LSTM模型能够有效地用于交通流序列的多步及单因素、多因素预测任务.     

基于多变量相空间重构的地下水动态神经网络预测模型

从多元变量时间序列出发,以相空间重构理论为基础,结合偏最小二乘回归与神经网络方法,提出了基于多变量相空间重构地下水动态预测的神经网络模型.通过分别确定各个时间序列的时间延迟和嵌入维数的方法对地下水动态的多变量时间序列进行相空间重构,采用偏最小二乘回归法提取对系统解释最强的成分作为网络输入,利用神经网络模型进行各成分之间的非线性拟合.将基于多变量相空间重构地下水动态预测的神经网络模型应用于黑龙洞泉域地下水位预测,并通过分析与比较验证了该方法的有效性.     

多变量时间序列CAR模型在交通负荷短期预测中的应用

交通负荷是影响交通通行寿命和可靠度的一个重要因素,交通负荷变化具有明显的周期性。本文针对多变量定性计算的交通负荷难题,利用时间序列的多变量自回归CARMA模型对交通负荷进行建模、预测的理论和方法,对动态系统实行统一建模。我们用递推最小二乘法的多变量自回归模型对交通负荷参数进行估计,并用DPS系统对模型进行预测和分析,测试结果证明了方法的有效性。     

时间序列分析预测法在气象上的应用

介绍时间序列分析,建立自回归模型并应用在季节降雨量的预报中.     

非平稳和长记忆时间序列主频率估计方法研究

许多经济时间序列表现出非平稳性和长记忆性，对这样的序列进行谱分析并估计其主频率，采用传统的谱分析方法已不适用，基于平稳和非平稳分数阶差分自回归滑动平均模型，研究了具有非平稳性和长记忆性序列的主频率的估计方法，同时提出了包括模型定阶在内的基于极小化残差平方和的近似极大似然参数估计算法。通过对上海和深圳证券交易所综合指数收益序列的分析，说明了此方法的可行性和有效性。     

基于时间序列分解的海面变化预测

对吴淞站1955～2001年月平均潮位序列采用时间序列分解方法进行分析,采用奇异谱分析方法提取长期趋势,采用比率平均法和剩余法分别提取季节因素和循环变化,应用乘法模型拟合试验的效果良好.以1955～1996年数据为基础,建立长期趋势的自回归(AR)模型,对1997～2001年间进行了预测试验,并以该时段实测数据作为验证.试验结果表明月均序列预测值的最大相对误差不超过±10%,年均序列预测值的相对误差最大不超过±4%.这一系列方法的综合运用可适用于较长期的海面变化预测.     

基于多变量相重构的混沌时间序列预测

提出了一种基于多变量相重构的混沌时间序列预测方法.该预测方法从非线性动力学系统中获取与待预测时间序列相关的信息组成多变量时间序列,首先进行多变量相空间重构,然后利用局域多元线性回归模型在相空间中进行预测,最后从预测出的高维相点中分离出时间序列的预测值.由于考虑了动力学系统中多个变量之间相互耦合的关系,从而增加了重构相空间的系统信息量,使得相空间的相点轨迹更加逼近原系统的动力学行为.与采用单变量进行预测的方法相比,基于多变量相重构的预测方法无论是单步预测还是多步预测,都能有效地提高预测精度,且具有嵌入维数的选择对预测精度影响较小的优点.通过对Lorenz混沌信号进行预测,实验结果验证了方法的有效性.     

交互影响的时间序列联立方程模型及其应用

对时间序列向量自回归模型进行了改进,提出了一种新模型(交互影响的时间序列联立方程模型).对新模型滞后阶数的确定、解释变量的选择、参数的估计进行了阐述.最后,通过实例进一步论述了新模型的有效性.     

成都市城区空气污染指数的时间序列分析

根据成都市城区2001～2005年的大气污染监测资料,获取和分析成都市空气污染指数.采用时间序列分析方法,对空气污染指数建立自回归滑动平均模型模拟实测的空气污染指数,并对模拟结果进行了检验.结果表明:成都市空气污染状况具有夏季较好、其他季节较差的季节性变化规律.采用时间序列分析大气污染状况是可行性的.