浅析短期天气预报分析流程和技巧

天气预报已经成为现代人们生活中不可缺少的日常基本信息之一,短期天气预报指的是时效为24~72小时内的天气预报。目前在短期天气预报应用过程中常用的预报模式可以分为天气学模式、统计学模式以及数据动力学模式。以天气学为主要原理,根据气象经验以及物理定性关系为基础的天气学模式,以及根据统计学原理为基础的统计学模式都具有一定的人为主观性,其预测也具有一定的局限性。而以利用当前气象要素的分布与未来天气之间的物理定量关系建立的动力学模式,其应用了庞大的计算机系统,构建出了精确的计算方法,其输出为更加客观的数值,这种数值预报方法相对更加客观,其应用范围也更加广泛。该文主要介绍了短期天气预报两种预报形式的分析流程和技巧,并提出了进一步提升短期预报准确率的相关建议。     

ASP技术在专业气象服务网站中的应用

简要介绍ASP在短时天气预报、短期天气预报，一周天气预报、中期天气预报、长期天气预报等专业气象服务中的应用。     

数据仓库技术在天气预报中的研究探讨

数据仓库技术是一种在天气预报中采用的新方法,首先对数据仓库技术进行了简要概述,进一步结合气象数据特点和天气预报业务特点,对数据仓库技术在天气预报中的应用前景和设计要点进行了的探讨.     

地方电视天气预报解说词的编写及应用

天气预报解说词是天气预报为观众服务的核心内容,具有高时效性和高收视率的特点,要求在有限的时间和空间把天气预报信息有效传播,需要在实际工作中,不断总结工作经验,编写出条理清晰,内容准确、有用的解说内容。该文就在编写天气预报解说词的内容安排、语言特征、实际应用效果可视性效果以及普及气象常识几方面做了具体的介绍。     

提高储层随机建模精度的地质约束原则

为了提高随机建模的精度 ,降低模拟实现中的不确定性 ,在建模过程中应采取以下地质约束原则 :等时约束建模 ,成因控制建模 ,多步建模 ,应用地质模式选择随机模拟方法 ,应用目标区多学科信息或原型模型确定统计特征参数 ,应用确定性信息限定随机模拟过程。在此基础上 ,提出了地质约束条件下的储层随机建模流程 ,并以长庆安塞油田坪桥水平井区储层随机建模为例 ,进一步阐述了地质约束随机建模的思路和方法     

AutoCAD在数字油田站场建模中的应用

本文主要介绍了目前比较成熟的几种建模方法,并针对数字油田中站场的三维建模,重点研究了人机交互方法的应用,使用AutoCAD绘图软件实现数字油田站场的几何建模和纹理建模,最后对各种建模方法进行了比较,对不同的需求提出了不同的建模方法。     

平衡含水率法建模的研究

森林可燃物的含水率是森林火险天气预报的重要内容,可燃物含水率直接影响着火的难易程度,对可燃物含水率的研究有着重要的现实意义,通过对平衡含水率建模的研究,预测可燃物含水率的变化情况,这对于预测森林火灾有着重要的意义.     

3D城市建模方法

为了推进城市建模应用更好地普及和发展,对数量庞大的城市建模方法群和相关技术,从总体上进行了梳理。采用从输入、处理与输出3个环节考察系统的一般方法,提出一种新的描述3D城市建模技术与应用的体系结构,并建立完整的技术视图。基于图像等测量数据的真实城市建模和基于规则驱动过程的虚拟城市建模两种类型,考察现有建模方法与技术的最新进展和存在的一些问题。在此基础上,指出过程建模正逐渐成为主流的建模方法及还有待于发展的内容。特别指出了有实时性要求的植物、雨雪、风化等自然景物以及基于物理的快速建模是城市建模未来的重要应用方向。     

数字图书馆面向方面的建模

介绍了面向方法软件开发的功能和意义,分析面向对象建模的缺点,阐述了面向方面建模的具体内容以及面向方面建模在数字图书馆建模过程中的应用。     

提高储层随机建模精度的地质约束原则

为了提高随机建模的精度,降低模拟实现中的不确定性,在建模过程中应采取以下地质约束原则：等时约束建模,成因控制建模,多步建模,应用地质模式选择随机模拟方法,应用目标区多学科信息或原型模型确定统计特征参数,应用确定性信息限定随机模拟过程。在此基础上,提出了地质约束条件下的储层随机建模流程,并以长庆安塞油田坪桥水平井区储层随机建模为例,进一步阐述了地质约束随机建模的思路和方法。     

基于无迹卡尔曼滤波神经网络的光伏发电预测

针对光伏发电系统在不同天气状况下发电功率预测精度不高的问题,在分析传统方法的基础上,提出一种无迹卡尔曼滤波神经网络光伏发电预测方法。该方法利用无迹卡尔曼滤波实时更新神经网络模型的权重,以直流电压和电流作为系统的输入,以有功功率和无功功率作为系统的输出,分别建立两个独立的双输入单输出功率预测模型。实验结果表明:所提出的方法对有功功率和无功功率的预测精度分别为97.3%和94.2%,并且对天气具有良好的鲁棒性。     

神经网络校正的EKF在高超声速目标跟踪中的应用

针对临近空间高超声速目标高度非线性、强耦合、高机动、时变参数、和独特气动特性等特点,综合运用军事运筹学理论与方法、系统建模技术、神经网络技术以及计算机仿真等,提出基于神经网络校正的扩展卡尔曼滤波(EKF)算法,并在高超声速目标跟踪中进行了应用研究。采取神经网络的学习能力来克服卡尔曼滤波发散问题,通过卡尔曼滤波后加一级误差处理环节使滤波收敛。仿真结果表明:该算法在目标发生较大机动时仍能保持较高的跟踪精度。     

一种基于扩展Kalman滤波器的神经网络学习算法

为了解决前馈神经网络BP算法在处理非线性对象时 ,收敛速度慢 ,易陷入局部极值 ,需调节参数多等的缺陷 ,提出将扩展卡尔曼滤波 (EKF)算法引入神经网络的学习中 .把前馈网络的所有权值、阈值作为EKF算法的状态 ,网络输出作为EKF的观测 .同时为了防止滤波发散 ,对算法做了改进 .仿真结果表明 ,该算法比BP算法在收敛速度、抗噪能力方面都有明显提高 ,同时还保证了一定的泛化能力     

基于IDNPSO-BP神经网络的股票市场指数预测

针对动态邻居粒子群算法的局限性,引入新的动态邻居拓扑结构,动态调整粒子群算法参数设置,提出改进的动态邻居粒子群算法(IDNPSO).为了提高BP神经网络模型的预测准确性,提出一种基于改进动态邻居粒子群算法的BP神经网络模型(IDNPSO-BP神经网络).利用IDNPSO-BP神经网络和GA-BP神经网络对上证指数、深证指数进行预测,结果表明IDNPSO-BP神经网络的预测误差优于GA-BP神经网络,具有股票市场指数预测能力.     

天气数据模糊化处理对神经网络短期负荷预测模型的影响研究

介绍了一种简洁实用的基于模糊集的神经网络电力系统短期负荷预报方法,计及了天气和日期特征量．应用模糊集理论将天气和日期特征量模糊化后作为BP神经网络的一部分输入进行训练,同时考虑实际历史负荷数据构造了短期负荷预测模型,预测未来24h负荷．通过典型算例与普通BP方法预测结果相比,表明该方法是有效的并具有较高的预测精度．     

基于模拟退火PSO-BP算法的钢铁生产能耗预测研究

针对BP对能源系统进行建模和预测的方法存在的问题,提出一种优化BP神经网络的模拟退火粒子群混合算法(SAPSO)。利用该混合算法优化BP神经网络的权值和阈值,然后训练BP神经网络预测模型以得到最优解,并将所建立的预测模型对钢企能耗进行预测。最后与BP神经网络以及最小二乘法进行比较。仿真结果表明该混合算法增强神经网络的泛化能力,具有相对误差小,预测精度较高,能更好地跟踪未来数据的优点。     

基于量子免疫遗传算法的煤与瓦斯突出神经网络预测

为了用BP神经网络更准确地预测煤与瓦斯突出危险性,将免疫算法中基于繁殖概率的抗体多样性保持机制引入量子遗传算法(QGA),提出量子免疫遗传算法(QIGA)优化神经网络模型QIGA-BP。模型采用QIGA分别对神经网络的隐含层和连接权值进行全局寻优,以此提高BP网络的搜索效率和泛化能力。以平均影响值分析法筛选的煤与瓦斯突出显著变量作为BP网络的最佳输入参数,分别用QIGA-BP,QGA-BP,免疫遗传优化BP模型和传统BP模型对突出煤层工作面的实例数据进行预测。结果表明,QIGA在BP网络优化过程中具有更好的优化性能,用QIGA-BP模型预测工作面突出危险性具有更好的预测能力和更高的预测准确率。     

递归神经网络的卡尔曼滤波及分层学习算法

将卡尔曼滤波算法引入到递归神经网络的训练当中,并针对递归神经网络、卡尔曼算法及ＢＰ算法的特点,提出了用于递归神经网络的分层学习算法,并给出了理论分析．仿真结果证明了本算法的有效性．     

停车场泊位占有率预测方法评价

采用上海市五角场地区的停车泊位检测数据,分析了商业、办公和体育场3种不同类型停车场泊位占有率(parking occupancy rate,POR)的时变特征,并评价了ARIMA(autoregressive integrated moving average)、卡尔曼滤波和BP(back propagation)神经网络等3种常用方法在POR预测中的适用性.结果表明,ARIMA和BP神经网络的预测精度总体优于卡尔曼滤波,BP神经网络在商业和办公停车场的短时预测中有较好的精度;3种方法的预测精度均随预测时间步长的增加而逐渐降低;不同类型停车场的POR预测精度存在较大差异,工作日的预测精度一般高于非工作日,且模型具有较好的自适应性.     

基于神经网络的非正常工况预报

分析了PTA生产中氧化反应器尾氧浓度的影响因素,提出一种用小波分析对数据进行降噪处理的方法。采用BP神经网络并对其进行了一定程度的改进。通过降噪前后的网络仿真结果对比,表明基于小波降噪的神经网络具有更好的精度和更强的泛化能力。用此网络预测尾氧浓度,实现了对非正常工况的预报。通过实际对比,表明该网络能够较理想地预报出非正常情况。