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。     

以秩和为因子的一种多元判别法

本文提出一种以秩和为因子及以绝对距离为判别函数的判别法。使用该方法,可不受模型的限制,能充分地利用大量因子的信息,计算量较小,并可作趋势和定值预报。     

水库中长期水文预报模型研究（Ⅱ）

中长期水文预报模型库是水库中长期水文预报系统的核心。本研究面向预报对象,利用多要素预报法探索外界各种因素对水文预报对象的影响,分析预报对象与影响因子的相互联系及其变化的物理成因,利用数理统计方法建立了3个基于径流及其影响因子的成因统计关系的预报模型,分别为投影寻踪回归、时间序列—马尔可夫分析、非线性动力系统学以及神经网络模型,这些模型为有效进行水文对象的中长期预报提供了坚实的基础。     

水库中长期水文预报模型研究（Ⅰ）

中长期水文预报模型库是水库中长期水文预报系统的核心。本研究面向预报对象,利用多要素预报法探索外界各种因素对水文预报对象的影响,分析预报对象与影响因子的相互联系及其变化的物理成因,利用数理统计方法建立了7个基于径流及其影响因子的成因统计关系的预报模型,重点介绍了其中的多维混合回归、模糊分析、门限回归模型,这些模型为有效地进行水文对象的中长期预报提供了坚实的基础。     

人工神经网络方法在短期天气预报中的应用

将人工神经网络方法试用于南京夏季短期降水分级预报，根据南京夏季梅雨期的天气特点，用统计和动力学方法从HLAFS（高分辨率有限区域预报系统）预报产品中寻找预报因子，然后用2种方法选取输入因子分别对人工神经网络进行训练，并利用抽取的5天雨量实况作降水分级预报检验．通过对人工神经网络方法预报降水的结果与HLAFS降水预报以及逐步回归预报的结果对比发现：与HLAFS数值模式的降水预报相比，人工神经网络降水预报方法的准确率提高了20％以上，而且漏报、错报明显减少；特别是与逐步回归预报相比，大到暴雨的预报准确率得到了明显提高，这一研究表明人工神经网络方法在短期天气预报中也会有较大的应用价值．     

人工神经网络方法在短期天气预报中的应用

将人工神经网络方法试用于南京夏季短期降水分级预报,根据南京夏季梅雨期的天气特点,用统计和动力学方法从HLAFS(高分辨率有限区域预报系统)预报产品中寻找预报因子,然后用2种方法选取输入因子分别对人工神经网络进行训练,并利用抽取的5天雨量实况作降水分级预报检验.通过对人工神经网络方法预报降水的结果与HLAFS降水预报以及逐步回归预报的结果对比发现:与HLAFS数值模式的降水预报相比,人工神经网络降水预报方法的准确率提高了20%以上,而且漏报、错报明显减少;特别是与逐步回归预报相比,大到暴雨的预报准确率得到了明显提高,这一研究表明人工神经网络方法在短期天气预报中也会有较大的应用价值.     

基本气象要素综合预报业务系统

使用中期数值预报产品和实况资料,充分利用现代计算机的快速计算能力,采用动态相似、最优相似等综合预报方法和经改进的传统预报方法以及综合集成预报方法,逐日滚动制作0～168h多测站温度、降水等基本气象要素预报。经2002年7月～2003年6月业务运行表明：系统运行稳定,动态综合预报等新方法预报效果明显优于PP等传统方法,对具有不同预报思路的6种预报结果进行综合集成后,预报精度明显提高。     

水文预报不确定性的研究进展与展望

本文归纳了水文预报不确定性的来源与分类,综述了国内外对水文预报不确定性的研究进展以及相关文献、方法与模型,展望了水文预报不确定性研究的发展前景.水文预报的不确定性始终存在,并制约防洪调度决策的正确性,水文预报结果应该描述为概率的而不是确定的形式,概率水文预报实现了预报与决策的耦合.     

德州两次降雪过程的预报思路对比分析

应用常规气象资料和国内外数值预报产品对2009年11月11日-12日的暴雪过程和2010年2月9日-10日的降雪过程进行对比分析,结果发现:两次过程在发生前期形势相似,影响系统强度差异较大,产生暴雪的形势明显要好,但受暴雪过程影响,第二次过程预报量级偏大;数值预报产品对暴雪过程预报较好,对第二次过程预报效果较差,但由于预报员对数值预报产品使用出现失误,预报与实况差别较大.     

两种数学模型在黄茨滑坡预报中的应用研究

由于滑坡的复杂性以及预报模型和方法的局限性,简单地利用单一的滑坡预测预报模型准确地预报滑坡的滑动时间可信度不高[1].本文就是在滑坡的监测资料的基础上,通过监测点的选取、监测信息的处理和变形阶段的判别,选择灰色理论Verhulst和蠕变破坏两种与所预报滑坡相适宜的预测模型对滑坡滑动时间进行了预报,两种方法相互验证,提高了预测预报的精度和可靠性.     

由粗到精和特征筛选的精确回归预测方法及其在二语习得中的应用

针对数据分布不均匀且因素多而容易造成预测不精确的问题,提出一种结合由粗到精与特征筛选的精确回归预测方法.首先,由于数据分布不均匀且预测区间大,直接预测难以精确地拟合,提出一种由粗到精的预测方法,并使用决策树进行粗分类,预测目标所在的子区间,然后在子区间内实现精确的回归预测.其次,如果数据量少且特征因素多会引起过拟合,而且部分冗余特征会影响模型的预测精度,因此,提出一种基于特征筛选的回归预测方法以提高预测精度.在大学生的英语成绩与其人格因素数据集上进行相关实验,结果证明了由粗到精和特征筛选方法与传统回归模型相比精度更高且稳定性更好.通过提出的人格因素与英语成绩回归预测模型,可以制定合理的培养方案弥补学生人格因素中的短板,提升学生的自身竞争能力,从而更好地推动中国的英语教育.     

控制系统中PID预测方法的实质研究

控制系统的滞后是难免的,滞后系统的预测理论和方法研究一直是控制工程中的重要课题.本文剖析了工业中常用的比例-积分-微分(PID)预测方法的实质,指出 PID 调节器是一个按二阶自回归模型进行控制的系统.笔者接着分析了 PID 调节器的预测误差,高于二阶的系统用 PID 方法预测时误差很大,从理论上得不到良好的控制效果.PID 只能适用于某些特定场合,文中探讨了使用方法.     

基于自监督学习的交通数据补全算法

区域高速公路网收费站数量众多,每日产生海量收费数据,但由于设备、网络等因素,部分站点数据传输存在延迟现象,在此情况下已传输的数据往往不能满足实时流量预测的要求。为了实现实时交通数据补全和动态交通流量预测,文中首先提出了一种基于自监督学习的用于高速公路交通流量数据缺失补全的方法,该方法采用了基于注意力机制的时间序列模型（Seq2Seq-Att）;然后使用自监督学习方式对模型进行训练;最后,以广东省高速公路网的80个收费站为例,验证方法的可靠性。结果表明：文中的数据补全方法能够灵活捕捉交通数据中的缺失情况,并根据数据自身的内在关联性,给出合理的补全值;该方法总体优于其他方法,且在不同缺失率下都有较好表现,总体MAPE约为17.7%、WMAPE为12.8%;在高缺失率情况下,该方法相比于其他补全方法有明显的优势。交通量预测结果表明,使用该方法补全的数据进行交通流预测的预测精度接近使用完整数据的情况。     

基于最大最小的切削力模糊预报研究

在简析切削过程特征和普通回归法基础上,利用实测切削力的最大和最小值。运用模糊理论建立了切削力模糊预报模型,并借助Ｍａｔｌａｂ语言实现了切削力的预报。研究表明,所建模型能有效地预报切削力,且建模方法可方便地推广到其他切削特征量的模糊预报,为切削力等切削特征量的估计提供了新的参考。     

用补偿法解决三相IPR曲线流压加权法非全产量范围应用问题

采油生产过程中或多或少含水,Petrobras三相IPR曲线在实际生产产能预测中应用广泛;但Petrobras在采用流压加权法预测IPR曲线时,当产液量大于最大产油量时,产液量的预测均采用近似处理,不仅会给预测结果带来误差,而且也破坏了加权平均法的原则。为此,根据Vogel方法具有不论地层压力高低、产油指数大小,油井流入动态关系均符合这一曲线规律的特性,采用补偿法绘制出了井底压力小于零部分的曲线,为流压加权平均法能在全产量范围内加权平均提供基础,得到了一种新的精确计算方法,使Petrobras三相流IPR曲线预测方法更加完善,并最终给出了计算实例进行说明。     

基于影响函数法的复杂辊系有载辊缝模型优化

精确的板形控制理论对提高板带轧制质量有重要意义,而辊缝的高效预测是板形控制理论的重要内容.针对复杂辊系的辊缝在线计算问题,给出一种高效的计算方法.该方法以在简单辊系中成熟应用的影响函数法为基础,结合有限元法中建立刚度矩阵思想,并通过矩阵迭代方式求解矩阵来预测辊缝.通过对辊间接触压力向量Ψ的前置处理,实现了高效的初值预设,新型预测模型的求解速度与精度进一步提高.将该预测方法与有限元法对比分析,发现该方法计算时间大大少于有限元法,但精度与有限元法相近,最大误差仅为1.6%,满足在线计算时的要求.     

人工神经网络在地下水动态预测中的应用

应用人工神经网络中的BP算法，根据地下水动态的时间序列数据，建立地下水动态模型，对地下水动态进行模拟和预测，并与灰色－周期外延组合模型方法及数据处理组合方法的结果进行比较，结果表明，其预测精度较高，说明神经网络方法不仅简单、实用，又具有很强的处理地下水动态非线笥及周期性变化问题的能力，可以在地下水动态等方面广泛使用。     

翼型远场、中场阻力计算方法对比研究

本文研究应用了远场阻力计算方法,以及基于翼型阻力分解策略的中场积分计算阻力的方法。远场阻力计算方法是利用动量定理推导得出的,该方法较传统的表面积分方法,具有不受物体表面的影响,对于复杂外形也适用的特点;中场积分方法是近年来提出的一种新的计算阻力的方法,该方法将流场分为三个不同的区域：波阻区、型阻区、数值耗散区,通过对不同区域进行积分将阻力分解为波阻、型阻、数值耗散阻力。计算结果表明中场积分方法与传统的表面积分方法和远场积分方法相比,不仅可以将阻力分解成不同部分以便于进一步分析阻力产生机理,而且在计算中对网格量的要求较低,即使在网格量较小的情况下也能得到较精确的结果。     

多涂层吸波体的计算机智能化设计

介绍了用于均匀介质电磁波多层吸波体设计的一种智能化CAD系统。利用该系统，可以对入射波进行模拟跟踪计算，并采用单纯形法对计算结果进行自动优化，完成对多层吸波材料的优选、分层组配，也可以对现有材料进行理论预测。     

基于实测数据分析的风电功率预测

由于风力发电所利用的近地风能具有波动性、间歇性、低能量密度等特点,对风电场的发电功率进行尽可能准确的预测是风电发展的关键.本文根据某风场的实测数据,采用了时间序列中的自回归移动平均模型(ARMA),对风电功率进行了实时预测;为进一步提高风电功率实时预测的精确性,本文提出了一种基于BP神经网络和ARMA组合模型的预测方法,并对上述实测数据采用该方法进行了实时预测.预测结果表明:组合模型的预测结果与单独的自回归移动平均模型相比,风电功率的实时预测的均方根误差和百分比误差分别减少了4.01%和3.25%,工程中可以采用该组合模型对风电功率进行预测.