基于神经网络的风电场超短期风速数值预报的动态修订

 针对风电场风功率预测所需的离地70m、0~4h的超短期风速预报,本文利用中央气象台发布的MM5格点输出的数值预报风速及测风塔实时发回的气象资料,探讨了利用神经网络将前期误差观测值和测风塔湍流指标等因子对MM5数值预报风速进行动态修订的方法,建立动态修订超短期预报模型,为满足风电场超短期风功率预报的工程应用提供一定的参考。结果表明,修订后的预报风速平均绝对误差等指标大幅降低,有效地提高了预报精度。     

基于集合预报的两种输电线路舞动概率预测方法

利用中国气象局集合预报业务系统GRAPES-EPS（Global/Regional Assimilation and Prediction System Ensemble Prediction System）的15个集合成员预报产品,基于舞动气象模型,分别通过等权重法和集合平均法得到输电线路舞动发生的预测概率,以2016年11月23日和2018年1月4日~6日的电线结冰数据作为实况,检验两种预测方法的效果,结果发现,（1）等权重法和集合平均法预测出的舞动范围均能覆盖实际发生舞动的区域,均可作为舞动发生的客观预测方法;（2）等权重法预测输电线舞动的报对站比例更高而漏报站比例更低,(3)等权重法预测的日最大舞动概率和日平均舞动概率均较集合平均法预测的大;(4) 从空间分布和时间变化来看,等权重法舞动预测的概率值具有一定的连续性,而集合平均法预测的舞动概率值则具有明显的跳跃性,等权重法应用效果较集合平均法更好。     

福建前汛期一次强降水的集合预报检验和预报偏差分析

基于中国气象局最新业务化运行的GRAPES REPS,针对2020年5月5—7日福建前汛期一次强降水过程进行集合预报检验评估,并与ECMWF EPS对比分析,最后分析预报偏差原因.结果表明,在临近36 h预报上,GRAPES REPS不仅在集合平均预报的TS和BIAS评分上优于ECMWF EPS,而且概率预报误差小于E...     

基于样条估计分位数回归的光伏功率回归模型

光伏发电功率预测的准确与否是太阳能光伏发电是否能够有效地并入当前电网从而大大地提高太阳能利用率的关键.分位数回归是一种能够给出输出量的详细完整分布,从而便于分析与研究的回归模型.样条就是仅在节点处平滑连接的多项式函数,样条估计具有简单易行和计算速度快的优点.本文通过建立基于样条估计的分位数回归模型,在光伏面板发电功率数据的基础上,拟合光伏功率曲线,通过计算残差平方和和确定系数进行对拟合效果的评估.结果表明,该模型利用已有的光伏面板发电功率数据,可以在给出功率预测值的完整分布的同时,准确有效地分析相关因素对光伏发电功率的影响,展现不同分位点的回归拟合效果,从而有效地提高光伏系统对太阳能的利用率,避免光伏发电在接入电网时所产生的不利影响.     

基于神经网络分位数回归的行业成本预测研究

针对成本在经济学系统中变化的非对称,与其影响因素之间的非线性关系,提出采用神经网络分位数回归法来研究成本与各影响因素之间的联系,并进行成本预测;该方法不仅可以通过神经网络结构模拟经济系统中非线性关系,还可以通过分位数回归功能揭示各影响因素对成本整个条件分布的影响规律;通过实证结果分析,神经网络分位数回归模型相较于OLS回归模型和分位数回归模型其预测精度更高,且揭示了各因素的影响规律,所以神经网络分位数回归模型的分析结果更科学,更有价值,更有助于相关管理决策者进行成本分析、控制和管理。     

基于集合预报思想对一次暴雨过程的数值模拟

用MM5-V3对江淮流域的一次暴雨过程进行数值模拟,为了消除单一的确定性预报在暴雨落区和强度方面的可信度不稳定。其中积云对流参数化方案分别采取5种不同的方案进行了计算,又对5种结果进行平均得到集合模拟结果。分析不同的模拟结果发现,对降水量的模拟,集合模拟结果更接近实况。不同的积云对流参数化方案对雨带位置的模拟效果相近。但对于卢中尺度雨团的模拟具有不确定性,而不同参数化方案的集合模拟结果,无论是对雨带还是雨团的模拟都是比较成功的,这也说明集合预报可以消除物理过程的不确定性,是提高预报准确率的一条有效途径。     

基于人工神经网络集合预报的济南市臭氧预报方法

由于观测的不准确以及资料分析、同化中的误差,单一预报仅是一个可能的解。为弥补其不足,提出了一种基于人工神经网络集合预报的臭氧(O₃)预报模型,选取8类气象因子及2类污染物因子,搭建人工神经网络预报模型,并采用随机扰动方法,产生15组相互独立的随机扰动气象场,搭建人工神经网络集合预报模型,并以2013年—2019年5月—9月数据作为训练集,以2020年5月—9月数据作为测试集。结果表明:与单一人工神经网络预报相比,人工神经网络集合预报准确率明显提高,O₃污染命中率明显提高,O₃污染漏报率明显减少,O₃污染空报率略有增加;人工神经网络集合预报对O₃污染预报有过多倾向,而单一人工神经网络预报则有过少倾向;以2020年7月3日—9日的一次O₃重污染过程为例,与单一人工神经网络的确定性预报相比,人工神经网络集合预报能够更好地反映出污染的迅速累积上升及持续过程。通过提供定量的概率预报,人工神经网络集合预报可以给出多种可能性及其发生的概率,能为预报员提供包括不确定性在内的更多预报信息,该模型具有一定的实际应用价值。     

基于分位数回归的辽宁省R&D经费投入影响因素的动态研究

根据理论研究,从宏观、中观、微观3个层次指出国家经济发展水平、政府科技投入、产业结构、国际贸易、外商直接投资、知识积累及人力资本积累是影响我国R&D经费投入的重要因素。利用逐步回归方法对影响辽宁省R&D投入因素进行了筛选,得出经济发展水平、政府科技投入和产业结构是影响辽宁省科技投入的主要因素,然后利用分位数回归模型对辽宁省R&D投入在不同分位点上各影响因素的作用进行了详细的研究,发现政府科技投入的影响较稳定,产业结构对其影响在逐渐增大,最后在此基础上提出了提高辽宁省R&D投入的相关政策建议。     

基于分位数回归的我国居民边际消费倾向动态研究

以我国1978 -2009年间城乡居民人均收入和人均储蓄数据为样本,运用分位数回归方法对各收入水平下的边际储蓄倾向进行估计.实证结果表明,边际储蓄倾向递增规律在我国城乡居民储蓄行为中也是适用的.     

基于线性分位数组合的兴安落叶松冠幅预测

【目的】 使用线性分位数回归和分位数组合对兴安落叶松(Larix gmelinii)冠幅进行建模和预测,为准确模拟和预测冠幅生长提供技术支持。【方法】 利用大兴安岭兴安落叶松天然林实测数据,采用线性回归和分位数回归构建基础和多元冠幅模型。比较7种分位数组合:三分位数组合(τ=0.1, 0.5, 0.9和τ=0.3, 0.5, 0.7)、五分位数组合(τ=0.1,0.3,0.5,0.7,0.9和τ=0.3,0.4,0.5,0.6,0.7)、七分位数组合(τ=0.1,0.2,0.3,0.5,0.7,0.8,0.9和τ=0.1,0.3,0.4,0.5,0.6,0.7,0.9)和九分位数组合(τ=0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9)的预测效果。分析4种抽取方案(随机抽样、选择最大树、平均木、最小树)和9种抽样数量(1~9株)对预测精度的影响。同时使用K折交叉验证对线性回归、最优分位数回归和最优分位数组合进行比较。【结果】 线性和分位数回归都能对冠幅模型进行拟合,中位数回归的拟合结果与线性回归相似,且在所有分位数中拟合能力最好。多元冠幅模型和分位数回归的拟合及检验效果都优于基础模型,冠幅与胸径和样地平均高(立地质量)呈正相关,与枝下高(树木大小)和样地内落叶松断面积(竞争)呈负相关。使用分位数组合可以提高模型的预测能力,7种分位数组合的差异很小,三分位数组合(τ=0.3, 0.5, 0.7)的预测能力最好。对于基础和多元分位数组合在实际应用时,最优抽取方案都为选取最大树,每个样地建议选取6株样木。【结论】 基于线性分位数组合的冠幅模型可以提高预测精度,建议使用三分位数组合和选取最大树及抽取数量为6株的方案对冠幅进行预测。     

基于集合经验模态分解和 BP 神经网络的北京市 PM2.5 预报研究

利用集合经验模态分解算法(EEMD)和 BP 神经网络组成的混合模型, 对北京城区PM_2.5浓度值进行短期预报。结果表明, 与单独使用BP神经网络模型相比, EEMD-BP混合模型的预报准确率更高; 混合模型高频部分的预报误差是整体误差的主要方面; 混合模型的输入变量中需包含输出变量的信息; 前期污染物浓度的数值对模型的预报结果有较大的影响。     

基于Adaboost和回归树集合技术的疲劳识别研究

VDT(Visual Display Terminal)作业是指用计算机视觉显示终端进行各类信息处理工作的总称.VDT作业人群的疲劳识别是维护工作健康的重要手段.本文使用普通摄像头获取人脸数据,用Adaboost人脸识别与基于回归树集合的人脸特征标记准确定位眼睛和嘴部,最后用统计学的方法对用户的工作状态进行实时识别.与传统方法相比,本文提出的方法在准确度和实时性方面有了较大的提升,为疲劳诊断提供一条可借鉴的方案.     

用T106L19全球谱模式制作中期集合预报的试验

为解决传统的数值预报初值存在的不确定性,利用增长模繁殖法在T106L19全球谱模式上进行了中期集合预报试验.繁殖循环的初始扰动由模式24 h预报均方根误差和随机数的乘积构成,该随机数服从[-1,＋1]区间上的均匀分布,繁殖循环的周期为6 h,繁殖的总时间为3 d,集合成员为15个.结果表明：在1～10 a的预报中,无论是距平相关系数还是预报均方根误差,除第1天外,集合预报都优于控制预报,集合预报相对于控制预报的优势更主要地体现在对第3天以后的中期预报时段.从计算的离散度来看,集合平均预报的可信度要比控制预报的高.     

复合分位数下的国债利率期限结构研究

本文采用复合分位数回归(CQR)的估计方法对利率期限结构模型贴现率的估计与预报进行研究。实证结果表明,在小样本情形下复合分位数回归方法要比最小二乘法和分位数回归法稳健性更强,表现出对参数.     

基于集合经验模态分解和改进布谷鸟算法优化BPNN的混合风速预测

风速预测在风电场的运行中扮演着重要的角色,但由于风速时间序列在统计上呈现出高维、非线性、多重周期性的复杂特征,风速被研究者认为是最难模拟和预测的气象参数之一.该文分别采取集合经验模式分解(EEMD)和离散小波去噪(DWT)对风速数据进行降噪,利用改进布谷鸟(MCS)算法优化BP神经网络(BPNN)中的权值和阈值,从而构...     

基于指数加权分位数回归预测的CPFR成本模型

针对某些商品的高易变性、不对称性的需求模式,基于预测方法高精确度的要求,采用计量经济学前沿预测研究方法指数加权分位数回归预测法,建立了由零售商、制造商的成本模型和供应链系统总成本模型构成的CPFR供应链系统成本模型,为基于多层次CPFR的三级库存协调与优化研究中提高需求预测精度探索新的视角.该模型通过直接预测销售序列的分位数,避免既存研究中基于假设的预测失误,使预测结果更加贴近需求模式的真实值.数值分析表明指数加权分位数回归预测模型的预测精度较高.     

基于短时临近降水集合预报的中小河流洪水预报研究

为了延长中小河流洪水预报预见期,建立了基于短时临近精细化网格降水集合预报的中小河流洪水预报模型。模型采用百分位映射订正技术,发展数值模式降水预报场与实况场映射关系,结合Bayesian模型,构建基于GRAPES-3KM模式和Time-Lag-Ensemble融合技术的短时临近降水集合预报(最优集成、最大(95%分位数)、最小(5%分位数))格点场,作为GMKHM(Grid-and-Mixed-runoff-generation-and-Kinematic-wave-based Hydrological Model)的降水驱动,进行中小河流洪水逐小时实时滚动预报。选择新安江屯溪流域作为试验流域,对2020年汛期流域大洪水进行实时预报。检验结果表明,基于短时临近最优降水预报的中小河流洪水预报模型提前了7 h预报出屯溪断面洪峰,洪峰误差为5.6%,峰现时差为-1 h,比不考虑预见期降水的中小河流洪水预报提前了4 h;基于短时临近最大、最小降水预报的中小河流洪水预报模型提前了13 h预报出洪峰区间,并且自7月7日9时起滚动预报最大与最小预报跨度呈逐渐减少趋势。在中小河流洪水预报中引入短时临近集...     

基于灰狼优化SVR的风电场功率超短期预测

提高风电场功率超短期预测的稳定度、精度和速度,是风电并网的关键技术之一.分析了风电场气压、温度、湿度等气象因素和风速对风机输出功率的影响,用风电场的气象数据和风速构建风电场物理模型,提出了一种用灰狼算法优化SVR参数C、g的风电场功率超短期预测模型,通过与GA-SVR、PSO-SVR预测模型比较,结果表明,该预测模型稳...