综合多源不确定性的洪水概率预报试验

为探究多种不确定性因素综合影响下洪水概率预报的实现方法及其适用性,利用2003—2020年史灌河流域多场次洪水开展模拟试验,在量化降雨输入、模型参数及结构不确定性程度的前提下,基于MCMC(Markov chain Monte Carlo)方法融合各来源不确定性实现洪水概率预报,并分别基于覆盖率、确定性系数指标评估预报结果的可靠性及预报精度。结果表明:综合多源不确定性洪水概率预报的5%~95%置信区间,能够较为稳定也包络预见期内洪水发展变化过程,有效降低误报、漏报的可能性;均值预报结果所提供确定性的预报洪水略优于原始的单一模型预报结果,进一步提高了洪水预报成果的可靠性及参考价值。     

相似离度在船用防避台风决策系统中的应用

给出了用一种相似比较的新的数学衡量标准－相似离度及其预报台风路径和强度的使用技术,预测检验和推广应用表明,该方法对台风路径和强度的短,中期预报都显示了非常好的效果,显著地提高了预报精度,并能有效地预报台风 过程,对奇异路径和热带低民有相当的报能力,系统操作简便,运算迅速,特别适合于朋微要的舰船使用。     

使用遗传算法对时序电路进行可测性预报

随着LSI/VLSI技术的发展,许多新的测试生成算法被开发出来 对于一个给定电路,快速而准确地选择最适合它的测试生成算法是一个具有很强现实意义的问题.本文提出了使用遗传算法(GA)找出逻辑电路的特性参数与测试生成算法可测性参数之间的关系,从而建立测试生成算法可测性参数(故障覆盖率,测试码个数)的模型,并对给定电路进行参数预报的方法。作者开发了遗传算法预报系统(GAFS),并使用该系统为常用的测试生成算法建立了直观的可测性参数表达式模型.用户可通过计算直接求得各测试生成算法对电路的可测性参数,然后通过比较选出最佳的算法.预报结果显示该系统具有较强的有效性和实用性.     

动态非线性模型参数多层递阶估计法

针对目前通用的动态系统状态预报方法的不足,提出关于动态非线性模型参数估计的多层递阶估计法,并对预报误差的原因进行分析,使预报精度得到提高。     

新息预报程序的进一步探讨

本文在文[1]对新息预报程序设计分析的基础上,进一步得到了一套一维存贮的公式.这些公式意义明了,对新息预报程序设计颇有帮助.当然也大大节约存贮单元.同时,本文还修正文[1]中有关γ_KJ(y)公式的一个错误.     

组合样本指标的模糊多级判别与预测

本文是将模糊数学方法与多元统计方法相结合的一种尝试,所述方法能更充分地利用样本指标(线性的及非线性的)信息,具有处理模糊信息的能力,不受样本数据概率分布的限制,因而提高了多级判别与预报效果。可作趋势及定值预报,并更广泛地应用于各种多级判别与预测问题。     

随机序列的平稳区间预报与适时区间预报是渐近相同

本文概述了随机序列的平稳区间预报法和适时区间预报法,论证了平稳区间预报法和适时区间预报是渐近相同,揭示了这二种区间预报的内在联系.     

用车贝雪夫多项式作降水场预报

利用不规则格点上的车贝雪夫多项式及逐步回归的计算方法,用云南省降水距平资料建立印度洋海温场与云南省雨季降水场的预报方程,并做了１９９６ 年及１９９７ 年雨季降水预报检验,效果较理想．     

轧制力预报中的神经网络和数学模型

采用ＢＰ神经网络方法预报热连轧精轧机组轧制力·通过训练数据预处理、利用遗传算法优化网络结构和参数、按钢种划分训练样本等方法,提高了网络的预报精度,优于传统的数学模型方法·ＢＰ神经网络与数学模型相结合的综合神经网络方法,进一步提高了轧制力的预报精度·预测结果与实测数据比较表明,相对误差基本在±７％以内,实现了精轧机组轧制力的高精度预报     

两传感器信息融合超前κ步稳态最优Kalman预报器

应用Kalman滤波方法 ,基于Riccati方程 ,对于带相关噪声的系统 ,在线性最小方差融合准则下 ,提出了两传感器按矩阵加权信息融合超前k步稳态最优Kalman预报器 ,给出了最优加权阵和最小融合预报误差方差阵的具体计算公式。同单传感器情形相比 ,可提高预报器的精度。一个跟踪系统的仿真例子说明了其有效性