呼中国家级自然保护区主要可燃物类型地下火燃烧特征

通过室内模拟点烧试验,研究呼中国家级自然保护区主要可燃物类型地下火燃烧特征以及不同含水率和可燃物类型对燃烧峰值温度和蔓延速率的影响.结果表明：主要可燃物类型的地下火燃烧温度较高,最高可达713.99℃,蔓延速率缓慢,最快仅为25.45 cm/h,且随深度的波动较大;不同可燃物类型和含水率的交互作用对地下火燃烧峰值温度和蔓延速率的影响都存在显著差异(P<0.05);杜香-兴安落叶松林和偃松-兴安落叶松林的燃烧温度高;在含水率10%下,杜香-兴安落叶松林蔓延速率最快;杜鹃-兴安落叶松林燃烧温度低,燃烧过程缓慢;草类-兴安落叶松林在较高含水率下蔓延速率加快.     

基于气象因子的森林可燃物含水率预测

在分析影响森林可燃物含水率关键气象因子的基础上,利用多元回归、分类与回归树（CART）等方法分别构建了云南松（阴坡）、云南松（阳坡）、华南松和侧柏4种不同林型的活、死可燃物含水率预测模型。结果表明：多元回归模型对不同林型森林活、死可燃物含水率预测的平均相对误差介于5.90%～6.60%、20.1%～36.9%;CART模型在基于气象因子的森林可燃物含水率预测中适用,其对活可燃物含水率预测的最优平均相对误差（5.38%～7.00%）明显低于死可燃物（22.88%～26.64%）,这与多元回归模型一致且精度普遍更高,同时解决了多元回归模型无法预测云南松（阳坡）活可燃物含水率的问题。     

琅琊山森林群落演替预测

本研究把中心点——四分面和我们提出的“树冠权重更新面积”(TCWRA)结合起来,运用于野外植被资料的取样。在此基础上,用Markov过程描述了琅琊山森林群落线性和非线性演替,预测了平衡时群落空间各层次林木的组成状态。研究结果表明,琅琊山森林群落在没有外界大的干扰下,麻栎、化香种群将从该群落中消退,发展成以青檀、五角枫、榉树为优势种群的顶极群落。     

基于随机森林的基金重仓股预测

首先通过对基金重仓股的财务指标和市场指标的分析,建立一套科学合理的基金重仓股指标体系;其次利用随机森林建立基金重仓股的预测模型;最后通过实验验证了方法的有效性和优越性.本研究将为投资者提供一个投资决策的优良工具.     

应用Usher模型预测单井含水率变化

准确预测单井的含水率变化趋势,对决策单井下步采取何种措施具有重要意义.根据单井含水率随井底流压变化的规律,对广泛用于经济和资源预测的Usher模型,经适当改进,并引入无因次压力概念,用于预测单井含水率的变化.经现场实例验证具有很好的实用性和有效性.     

基于温度效应的桥梁结构模型非线性边界条件参数识别

超静定桥梁结构的温度作用效应会导致桥梁支座变形过大甚至破坏等损伤,从而使桥梁结构支座等局部构件进入非线性.而桥梁结构的温度效应本身又与其刚度和支座边界条件密切相关,因此在进行桥梁结构温度效应的模拟分析中,需要确定桥梁结构的非线性边界条件的参数,从而建立温度效应分析的可靠模型.通过对不同温度模式作用下的具有非线性平动和转动边界条件的梁式结构的温度效应分析,揭示了非线性边界条件参数与结构位移和应变温度效应的关系,并依此建立基于温度作用效应的优化目标函数,通过基于函数梯度的优化算法来实现非线性边界条件参数的识别.根据一座系杆拱桥的实测数据,验证了基于温度效应的边界条件参数识别方法的有效性.     

钢筋混凝土框架结构温度作用效应研究

编制了一套能精确分析钢筋混凝土框架结构温度及外力荷载作用效应的非线性分析程序，能考虑材料的非线性性能、混凝土开裂及受拉劲化、钢筋屈服、构件等效刚度、加荷历史等影响因素.利用该程序，对框架结构温度参考效应进行详细分析，得出了一些可供工程使用的结论.     

基于多源遥感的森林变化对区域温度影响的监测方法研究进展

人类活动通过改变土地覆被促成森林面积变化,推动碳收支和地表能量平衡发生相应变化,进而影响全球和区域尺度的气候。现有森林变化对区域温度的影响研究主要集中在有限精度的森林变化数据与温度数据结合的简单统计方法,但高可靠度的森林变化及其生物物理过程对区域温度的影响研究表明,准确、全面地理解森林与气候之间的生物物理相互作用机制,能为森林生态系统的全面评估提供科学支撑。笔者综合分析了基于多源遥感的森林变化结合其生物物理过程对区域温度影响的多种监测方法,结果发现:①多源中高分辨率森林变化数据的有限可用性一直阻碍着对温度变化影响的精准量化;②集成遥感观测数据的多种方法在量化森林变化的生物物理机制对于区域温度变化影响的评价不一致。因此,森林变化的生物物理机制及其温度效应是一个值得深入分析的问题。未来需要充分发挥多种数据源合理集成后用于解释森林响应气候效应方面的交叉优势,理解生物物理机制与生物化学机制共同作用下的森林变化、碳循环与气候的交互关系,并通过森林生态系统的合理经营与管理实现其气候效益最大化。     

发动机控制器ECU中功率管的温度预测研究

为了准确预估发动机控制器ECU中的功率MOSFET管的温升情况,建立了一个针对工作于PWM脉宽调制方式下的功率MOSFET管的峰值节点温升预测简化模型,基于功率管的DATASHEET参数,模型可以快速地对工作于PWM调制方式下的功率管峰值节点工作温度做出精确预测.通过试验测量的温升结果和模型的预测温升结果的对比,验证了模型的温升预测精度,对温升的预测最大误差不超过2.3%.虽然温度预测模型是基于柴油机电磁阀驱动电路,但预测模型可以很容易地扩展到其他的功率驱动电路拓扑结构.     

我国工业废水排放量的多元非线性回归预测

为了准确预测我国工业废水的排放量,提高相关部门的管理水平,利用1997~2009年的我国工业废水排放量、工业总产值和工业用水量3个指标数据,构建了一种基于时间序列的多元非线性回归预测模型。经过评估和分析,该模型具有99.6%的高拟合精度,能客观反映我国工业废水的排放量。根据预测数据,我国将在2015年左右面临工业废水排放的高峰,排放量在249亿t左右。     

太阳同步卫星在轨运行温度预测

太阳同步卫星是一种常见的卫星，对它进行实时的温度预测具有极重要的作用。文章在分析了卫星轨道外热流和平均温度的周期分布后，对其温度进行了实时预测。由于采用相邻的两圈预测下一圈的温度分布，因此可以作为卫星热故障诊断的依据，避免了误差的积累。通过飞行试验，证明该方法具有很强的可信度。     

基于随机森林的A股股票涨跌预测研究

针对传统预测模型易陷入过拟合、缺失数据敏感、计算量大等不足,利用随机森林算法的双重随机性、处理数据集优异等特点,对A股股票涨跌预测进行研究。首先运用相关性分析对初始指标体系进行一次Spearman和二次Pearson筛选,去除指标体系中的冗余指标。然后对随机森林的各项重要参数进行优化,并对优化后的模型采用重要性估计方法以提升训练模型精确度。通过不同指标体系的对比,验证实验过程的正确性。最后,对比不同建模方法的实证预测结果,表明随机森林模型比传统机器学习方法二元logistic回归在性能上更优越,具备较高的预测准确度。     

同龄纯林的离散模型及预测

本文研究森林的离散模型，预测了林木的储量，得到了比较理想的结果．     

热网络法预测车内温度的理论和实验研究

为对车内温度水平进行预测,采用热网络法对车辆停车和行驶状态下的车内温度进行计算。太阳辐射是影响车内温度水平的主要因素,而热网络法通过建立和求解节点热平衡方程,获得各节点的温度,尤其适用于以辐射为主的换热问题。车内外的对流换热采用实验关联式进行计算。由热网络法建立的节点热平衡方程组为非线性方程组,采用牛顿迭代法进行了求解。计算结果与实测温度值的比较显示,两者吻合较好,表明热网络法用于车内温度预测的有效性。另外,计算结果也显示车窗玻璃的透射率对车内温度有明显影响,在考虑安全的前提下,选取合适透射率的车窗玻璃材料可起到减少车辆能耗的作用。     

预测分析的混合模型法

通过分析国民经济中实际数据序列的特点，提出一种预测分析的混合模型方法，对这种模型方法进行了分析和论证，并将其用于数据序列的分析预测。这种模型是根据统计数据本身的规律性和特点来预测分析的一种方法，需要考虑的因素少，具有方法简明、计算复杂性低和便于使用等特点。     

考虑生物降解情况下填埋场温度的预测

为了探究外界温度对填埋场内部垃圾的降解、温度分布、有机物消耗的影响,在两阶段降解模型基础上建立了考虑温度影响的降解模型.通过计算填埋场中发生的主要的几种生物化学反应的焓变,得到垃圾在各个反应阶段的产热量用来分析填埋场内垃圾的产热规律.通过水解酸化和产甲烷两个阶段来描述填埋场的厌氧降解过程,将降解方程和热传导方程结合得到预测填埋场温度变化和降解规律的模型.分析了不同外界环境温度下,填埋场内部温度、VFA浓度、厌氧微生物浓度和有机质含量的变化规律.研究结果表明,外界温度对填埋场内的最高温度以及最高温度出现的时间有较大的影响;同时外界温度对可降解有机物降解完成所需的时间也有较大的影响,当外界温度为5℃时有机物降解完成所需要的时间是外界温度为20℃时所需时间的2.1倍.浅层垃圾受外界温度波动影响较大,垃圾中有机质的降解比中部慢.     

时空预测技术在森林防火中的应用研究

构建了一个随机的时间序列模型获得每一个空间上相互独立部分的时间预测,然后建立动态回归神经网络(DRNN)发现隐藏的空间关系,最后用统计回归方法把单个时间和空间预测整合起来产生最终预测。实验结果表明,提出的方法能对森林火灾面积进行准确有效的预测。通过对时空预测结果的准确性和训练精度进行讨论,分析了时空预测方法在林火预测中的可行性,证明时空变化预测方法在林火预测中的应用价值。     

基于深度森林算法的油井产量预测研究

为了克服传统机器学习算法产量预测模型的缺点,以深度森林算法理论为基础,综合油井相关各项数据,建立了油井产量预测新模型。首先应用KNN最邻近方法和Z-Score标准化方法对油井相关数据进行预处理,利用MDI特征选择方法选择对油井产量影响最大的特征向量,然后将选出的特征向量作为深度森林模型的输入变量,建立深度森林产量预测模型,利用网格化搜索优化模型参数,最后在测试集上运行模型,对模型性能进行评估。研究结果表明,相对于BP神经网络等传统机器学习算法模型,深度森林模型的产量预测精度更高,可以准确预测油井产量,同时相对于深度神经网络等复杂学习算法,该算法参数少、调参及应用简单,为油井产量预测提供了一种新的方法和思路。