径流中长期预报级别特征值特征展开模糊推理方法

针对现有径流中长期预报模糊推理方法在实际应用中存在的问题,提出了径流中长期预报级别特征值特征展开模糊推理方法,使原有的模糊推理法得到改进,从而增强了模糊推理预报方法在径流中长期预报以及其他实际工程预报中的应用效果;并将新方法应用于大伙房水库年径流预报中,实例应用研究表明应用该方法预报中长期径流可以得到较好的预报结果.     

长期径流预报的灰色双向差分模型

本文基于灰色预测原理和双向差分理论，提出长期径流预报的灰色双向差分模型，实例应用表明，该模型由于获取了较多的历史径流信息，不仅能得到较为准确的径流预报值的拟合结果，还可得到非常可靠的长期径流趋势预报结果。     

混沌预测技术在径流预报中的应用

以多条河流的径流时间序列为例详细分析了基于混沌力学的局部预测方法，并与全局方法和基于随机理论的ＡＲ模型等预测方法进行了对比。结果表明，局部预测方法往往优于其他预测方法。     

基于灰色系统和人工神经网络的中长期电力负荷预测

利用灰色预测需要样本数据量少、建模过程简单的特点，对中长期电力负荷进行前期预测，结合人工神经网络对大量非线性、非精确性规律具有自适应和自学习能力的优点，在考虑经济因素的前提下对输入数据进行了预处理，采用改进的BP算法最终得出了预测结果．文中的算例表明了该方法是可行且有效的．     

中长期水文预报的模型辨识及预测研究

 针对中长期水文预报的模型辨识进行研究,探讨了预处理、建模数据量和建模方式对于模型预测精度的影响。利用基于有限采样信息准则（FSIC）的组合信息准则（CIC）对模型进行定阶,结合Kalman滤波方法进行非线性预测研究。研究表明：① 在进行模型辨识时,如果预处理导致识别的模型复杂度大幅度降低,应通过模型的预测结果对预处理方法的合理性进行检验;② 建模数据量应足以反映时序的内在波动性,但并不是越多越好,过多的建模数据量会导致模型的复杂性大幅度增加,在增加计算耗时的同时,也降低了预测的稳健性;③ 滑动模型主要是改善了较高径流值和径流峰值的预测情况,相对牺牲了较低径流值的预测精度;④ Kalman滤波方法全方位、大幅度的提高了径流在各个区段的预测效果,其峰值预测准确率更是高达63.64%。     

智能预报模式与水文中长期智能预报方法

建立了以模糊优选、BP神经网络及遗传算法有机结合的智能预报模式与方法。在应用该方法进行中长期水文智能预报时，首先选取训练样本的数量，根据预报因子与预报对象的相关关系得到相对隶属度矩阵;再将其作为BP神经网络输入值以训练连接权重；最后将得到的连接权重值用于预报检验。计算结果表明，智能预报模式与方法的运行速度、精度及稳定性都达到了实际应用的要求。     

探讨中长期水文预报方法

介绍了水文预报的主要方法和基本途径,这种介绍了历史演变法的基本操作步骤,在目前长期预报没有成熟的方法的前提下,只能采取多种方法进行预测。然后根据各种方法的优缺点及预测的依据进行综合分析,合理取值。     

基于相空间重构的支持向量机方法在径流中长期预报中应用

水文中长期预报对于水资源规划管理、水库及水电站调度具有十分重要的意义.针对常规混沌预测方法的局限性,提出基于相空间重构的支持向量机(SVM)预报方法.该方法首先对径流时间序列进行混沌辨识,然后对其进行相空阃重构,采用基于结构风险最小化的SVM进行径流预报.对于SVM的参数优选问题.以径向基核函数作为核函数,采用混沌交尺度优化方法进行参数寻优.实例表明.该方法优于SVM和人工神经网络(ANN)预报方法.且具有良好的泛化推广能力.     

基于PSO参数辨识SVM的中长期径流预测研究

以径向基函数作为核函数,利用微粒群(PSO)算法的全局寻优特性进行支持向量机(SVM)的参数辩识.在微粒群搜索参数前,先对参数进行指数变换,使[0,1]和[1,∞]有着相同的搜索概率.微粒群算法的适应值函数是以支持向量机模型的推广能力为标准的,讨论了测试样本的最小误差和留一法对支持向量机学习方法推广能力的两种估计.最后...     

枯季径流预报探讨

在分析研究流域气候特征及枯季径流来水规律的基础上,用水文方法分别建立了枯水期月径流预报模型。水文方法是利用水文序列资料建立自回归模型,用实测资料对预报模型进行了验证。     

玛纳斯河春季径流量中长期预报的灰色预测模式

运用灰色系统理论中的灰关联分析方法，建立了天山山区河流春季径流量的预测模式。该预测模式适应性强，对资料的要求不高，比较适合于干旱地区资料短缺河流的水文中长期预报，经肯斯瓦特水文站３８年资料检验，精度较高。     

无偏灰色预测模型在电力系统负荷预测中的应用

灰色预测模型已在负荷预测中得到了广泛的应用，该模型是一种有偏差的指数模型，在该模型基础上作者已导出了无偏灰色预测模型。将无偏灰色预测模型应用于负荷预测中，并与传统灰色预测模型进行了比较，结果显示了无偏灰色预测模型的优越性。     

灰色等维递补预测模型在电力系统长期负荷预测中的应用

在介绍灰色系统理论的基础上,讨论了等维递补预测原理,提出了电力系统中长期负荷预测的灰色等维递补预测动态模型,并利用某地区的历史负荷数据建模预测出了该地区1999—2009年的年负荷值。     

泰安市GDP预测的灰色模型

运用灰色理论研究了泰安市国内生产总值(GDP)1990～2003年的变化规律,建立了泰安市国内生产总值预测的灰色模型,对2004～2009年泰安市国内生产总值作了预测,得出了2007年泰安市国内生产总值将超过1000亿的结论。利用灰色关联度分析,分析了泰安市第一、二、三产业对国内生产总值的影响程度。     

无偏灰色预测模型在边坡变形预测中的应用

根据边坡位移监测信息,应用灰色系统预测模型,可以对边坡变形的发展进行预测.采用传统灰色预测模型和无偏灰色预测模型对边坡变形进行预测,预测结果表明,两种模型都是有效的,无偏灰色预测模型的精度更高.     

基于小波分解的径流非线性预测

利用小波变换原理将具有非平稳特征的径流序列进行分解，使其平稳项与随机项分离。对平稳项采用传统的AR模型加以预测，而通过对随机项的混沌特征研究，发现其具有明显的混沌特征，进而提出了基于非线性混沌动力学的预测模型方法。最后通过小波对所提出的AR NCDF预测模型预测结果予以重构，实现对原始径流序列的预测。该方法通过实例验证具有较高的精度，是一种实际可行的方法。     

灰色理论在灾变预测中的应用

将基于灰色系统理论的GM（1，1）模型推广至灾变预测，并以一实例介绍涝灾预测基本步骤     

不同径流尺度的小波神经网络预测

本文探讨了小波神经网络在径流预测中的应用。该方法结合了神经网络和小波转化的优点,弥补了人工神经网络在预测应用中的不足,较好的追踪预测径流时间序列中的突变性,强转折性,奇异性点等。并且本研究通过与人工神经网络预测方法比较研究,得出小波神经网络能取得更高精度的不同尺度的径流预测值。     

灰色预测模型与指数曲线预测模型的比较分析

该文通过剖析灰色预测模型ＧＭ（１，１）与指数曲线预测模型ｙ＝ａｅ＾ｂｘ的建模原理，对两者进行了实例比较分析，从中得到了若干启示，两者的差异在于参数估计方式的不同，均仅适用于呈指数规律变化的系统。