基于主趋势辨识及误差弱化模型的库区滑坡变形规律研究

为准确掌握三峡库区滑坡的变形规律,以三峡库区木鱼包滑坡为工程背景,旨在通过滑坡主趋势项辨识来实现变形趋势判断及预测研究,即先利用双树复小波剔除滑坡变形数据的误差信息,以实现滑坡变形的主趋势项辨识;其次,利用重标方差(V/S)分析实现滑坡主趋势项的变形趋势判断,并采用优化支持向量机和BP神经网络构建滑坡变形的误差弱化预测模型;最后,通过对比变形趋势判断及预测结果实现滑坡变形规律研究。实例分析表明:双树复小波函数能有效剔除滑坡变形数据的误差信息,能有效实现滑坡变形的主趋势项辨识,且通过V/S分析对主趋势项的变形趋势判断,得出3个监测点的Hurst指数均大于0.5,但随时间持续,Hurst指数不断减少,说明其变形呈持续增加趋势,但趋势性趋于减弱;同时,误差弱化预测模型的预测误差均小于2%,验证了预测模型具有较高精度,且预测结果与变形趋势判断结果一致,说明V/S分析及误差弱化预测模型适用于滑坡变形规律研究。通过研究有效掌握了木鱼包滑坡的变形规律,为后期防治奠定了基础。     

基于EEMD和ARIMA模型的汽轮机故障趋势预测

由于汽轮发电机转子振动状态监测数据具有非线性和非平稳性,采用普通时间序列预测模型时预测的精度较低。研究通过分析振动信号的频率成分,融合EEMD分解平稳化处理和ARIMA预测模型的思想,建立一种混合预测模型。结果表明:该方法能够适应振动状态监测数据特征,反映了振动状态的主要变化趋势,具有较高的预测精度以及更大的应用范围,其预测趋势对进一步进行振动状态分析具有一定的参考价值。     

组合预测模型在山东省地下水资源量预测中的应用

针对山东省地下水资源量的预测,利用搜集到的山东省2000—2014年地下水资源量时间序列数据,建立了ARMA模型、灰色预测及序列拟合模型,并综合运用这3种单项预测方法建立了组合预测模型.通过比较,发现相比于各个单项预测模型,组合预测模型具有更高的精度.从预测结果来看,未来山东省地下水资源量呈现递减趋势.     

秦岭山区NDVI与气候因子时空变化特征及NDVI对气候的响应

利用2013—2019年5—9月MOD13Q1植被监测产品及同期区域气象站观测资料,应用最大值合成法、趋势线分析模型、相关性分析法,研究了归一化植被指数(NDVI)和气象要素的变化特征、植被时空变化率及NDVI对气候的响应。结果显示：(1)秦岭山区西安段NDVI由东北向西南依次递增,气温与NDVI趋势基本相反,降水和相对湿度与NDVI趋势基本一致。(2)逐年最大NDVI、平均气温、降水总量和平均相对湿度均呈上升趋势;5—7月NDVI、平均气温逐渐增高,8—9月逐渐降低;5—9月逐月降水量和相对湿度逐渐增加。(3)坡脚面区域因城市化发展而出现植被退化现象,秦岭高山区域植被改善显著;各区县改善面积占比自西向东依次减少;西部3个区县改善区域大于退化区域。(4)7月上半月及以前气温与NDVI呈负相关,7月下半月及以后与NDVI呈正相关;降水与NDVI呈正相关,且从8月开始NDVI对降水响应出现滞后性;7月下半月及以后相对湿度与同期NDVI呈正相关。研究表明秦岭山区西安段植被覆盖呈上升趋势,西部地区植被改善明显,且山区植被对降水的响应较为明显。     

郑州市大气污染时空分布特征分析及预测模型建立

基于郑州市中心城区空气质量监测数据,结合环境空气质量指数(AQI),采用反距离权重插值法(IDW)对郑州市的空气质量进行评价和时空分析。选取气压、气温、湿度、风速、风向、降水量6项常规污染物监测项,以及前一日AQI值总计13项作为预测因子,应用BP和RBF神经网络方法对郑州市未来短期空气质量时空分布进行预测。结果表明:(1)2016年和2017年郑州市空气质量主要以优良和轻度污染为主;(2)PM_(10)和PM_(2.5)的年平均浓度分别超过我国环境空气质量标准中二级标准年平均浓度限值103.79%、142.03%;(3)管城区污染频率较高,多呈现持续性的污染天气状况,冬季时的极端污染天气多集中于惠济区;(4)BP、RBF神经网络预测模型可以较好地预测郑州市大气污染的时空分布状况。本研究结果对后续研究治理郑州市空气污染具有一定意义。     

可燃物含水率的变系数回归预测模型

根据变系数回归模型的理论,选取当前时刻含水率作为观测变量,相对湿度、气温和风速作为影响因子建立可燃物含水率变系数回归预测模型.并分析对比了无降水条件下,可燃物含水率的变系数回归预测模型和基于平衡含水率的可燃物含水率常系数线性预测模型的预测精度.结果表明:可燃物含水率的变系数回归预测模型的准确率为84.55%,高于可燃物含水率常系数线性预测模型的82.14%.说明可燃物含水率的变系数回归预测模型具有更好的预测能力,具有一定的实用价值.     

吉安市气温与相关因子分析及其短期预报模型研究

利用江西省吉安市地面气象观测资料,采用一元线性回归、均方差、M-K非参数检验法、EMD经验模态分解等分析方法,研究吉安市气温变化特征及其与气象因子的相关性。通过对年平均气温年际变化特征的分析,发现吉安市年平均气温呈增温趋势,每10a增温0.17℃;通过M-K检验,得出2001年为吉安市年平均气温突变年;通过年平均气温与其他气象因子相关性分析,得出气温与降水之间存在显著的负相关性关系。而后根据EMD分解第5个IMF分量得出,年平均气温在年际尺度上呈显著增温趋势,而年平均降水呈显著递减趋势。最后以年平均气压、年降水量、年平均相对湿度、年平均日照和年平均风速5个气象因子为自变量,以年平均气温为因变量,建立逐步回归方程,用于对年平均气温进行预报,模型预测效果较好。     

黄河流域TRMM 3B43精度检验

本文以从1998—2013年黄河流域122个站点的降水数据为研究对象,在年、季、月时间维度上借助相关系数与均方根误差对站点的TRMM(Tropical Rainfall Measuring Mission)降水数据进行精度检验,结果表明:年尺度上,TRMM 3B43数据质量较高;季尺度上,四季的拟合优度较高,其中秋季的数据质量最高,而夏季最低;月尺度上,站点降雨量与TRMM 3B43之间相关性显著,月降水数据具有较好的精度。就单个站点而言,TRMM对研究区内的绝大多站点的降水量估计存在着不同程度的"低估"现象。     

城市热岛效应对西宁地区夏季降水的影响

利用1986—2015年西宁城区、大通和湟中三个站气温和降水资料,通过线性回归、距平分析、MannKendall检验等方法分析了夏季城市热岛效应对西宁地区夏季降水的影响。研究表明,1986—2015年西宁城区的夏季城市热岛强度呈减弱趋势,最高气温对其贡献最大。近30年西宁地区的夏季气温呈显著上升趋势,西宁城区、大通和湟中平均气温的升温率分别达0.7、1.0℃/10 a和0.5℃/10 a,西宁城区夏季气温在1997年出现突变,湟中在1994年出现突变,大通未发生突变。近30年西宁城区的夏季降水量和降水日数分别以4.5 mm/10 a和1.2 d/10 a的趋势增加;大通的夏季降水量在增加,降水日数在减少;湟中的夏季降水量和降水日数均在减少。三个站的夏季降水量突变主要出现在20世纪90年代,西宁城区还在2000年发生突变。城区夏季最高气温热岛强度和最高气温与夏季降水量和降水日数之间有较好的相关性,郊区也是夏季最高气温与降水量的相关性最好。城市热岛效应对降水的影响主要是由于盛行风向和河谷地形的作用。     

水电站入库流量的灰色自记忆预测方法研究

运用灰色系统理论与数据序列自记忆性原理相结合的方法,提出了数据序列预测的灰色自记忆模型,并应用于年径流量及汛期来水预测.山西沁河曹河水电站年径流及汛期径流预测的实例表明,该模型能处理非平稳数据序列并反映动态数据序列的极值趋势,可提高预测精度.     

基于优化支持向量机及Spearman秩次检验的q滑坡变形预测研究

为提高滑坡变形预测精度,先以支持向量机为基础,采用试算法和粒子群算法优化其模型参数,构建了优化支持向量机模型,实现了滑坡变形预测;其次,再利用Spearman秩次检验法来判断滑坡的变形趋势,并通过变形趋势判断来佐证预测模型的准确性。实例研究表明:试算法和粒子群算法能有效克服支持向量机在参数设定过程中的主观性,得到优化支持向量机不仅具有较高的预测精度,还具有很好的滚动预测能力。同时,Spearman秩次检验能有效判断滑坡的变形趋势,且AR(1)模型可有效剔除原始变形序列的相关性,经去相关性处理后,相应变形序列的Spearman秩次系数会不同程度的减小,得出的判断结果趋于保守;对比变形预测结果与趋势势判断结果,得出两者具有较好的一致性,验证了2种方法在滑坡变形规律研究中的适用性和有效性。     

西安近10年植被覆盖变化及其与气候因子的相关性研究

研究分析了西安市2002年12月—2012年11月逐年、季、月植被NDVI序列,结合同期西安市的观测数据,总结出西安市NDVI的变化特点及其与气候因子的关系.结果表明:(1)近10年西安市NDVI呈整体上升趋势,年均值在0.237 8~0.252 5之间;春季NDVI增加量最大,为0.004/a.(2)10年来西安市年降水量呈递减趋势,气温基本持平,气候驱动力不利于植被覆盖增长;年降水量主要集中在夏、秋季,雨热同期满足了植被生长发育需求.(3)年和季NDVI总体上与同期平均气温、上期降水相关性较好.(4)西安市植被对降水变化的滞后时间约为1个月.(5)人为因素在植被变化中发挥着重要的作用.     

GPS坐标序列ARMA模型在桥梁索塔形变监测中的应用研究

针对运营期大跨径公路桥梁索塔易受承重、风力和太阳辐射等外界因素影响而发生变形的问题,研究了基于时间序列分析的桥梁索塔变形预测方法,将基于高阶差分的非平稳时间序列平稳化处理方法以及基于自动搜索定阶法的自回归ARMA模型阶数确定应用于桥梁索塔GPS坐标时间序列处理。以苏通长江公路大桥南塔2018年全年GPS监测数据作为研究对象进行试验,通过自动搜索定阶后的ARMA模型预测苏通大桥南塔2019年1—3月的索塔变形值,结果表明苏通大桥南塔预测值曲线起伏总体上与实测值的曲线起伏保持一致,且预测值与实测值的差异优于4 mm,但预测数据与实测数据之间的相关性随着预测天数的增加而逐渐减弱,此时可根据最新获得的监测数据重新建立模型对索塔进行变形预测。     

基于灰色预测的甘南农牧民收入趋势分析

首先通过假设检验的思想对甘南州的农牧民人均收入与甘肃省农民人均收入进行了对比分析,得出二者存在显著性差异,而且后者明显高于前者。其次,利用灰色预测模型,对甘南州农牧民人均收入做了趋势预测,分析得出2012—2017年这6年间甘肃省的农民人均收入水平远远高于甘南州的农牧民人均收入。同时,根据预测结果可知到2019年年底,甘肃省农民人均收入有望突破万元大关,而甘南州的农牧民人均收入则到2020年才能突破一万元大关。     

改进的卡尔曼滤波预测采煤工作面瓦斯涌出量

为了准确可靠预测工作面的瓦斯涌出量,本文以卡尔曼滤波为基础,结合人工神经网络,设计虚拟中间状态变量并得出对应预测模型。其间通过Matlab使预测模型实现目的,并用此方法对某矿采煤工作面瓦斯涌出量进行预测。结果表明,建立的预测方法具有较好的预测性能,其平均误差为3.35%,结果正确可靠。     

基于随机森林与合成分析法建立脂肪肝合成预测模型

研究脂肪肝预测模型,旨为脂肪肝易发人群健康管理及风险评估提供参考。选取2006—2016年在西部战区总医院健康体检中心定期健康体检人群作为研究对象(体检中心为该人群建有专门软件用于管理体检数据资料),将随机森林算法筛选脂肪肝危险因素的效果与Logistic回归模型、人工神经网络、单棵决策树分类模型相比较。4种方法筛选脂肪肝影响因素准确率分别为88.0%、83.3%、83.9%、86.0%,随机森林筛选脂肪肝危险因素的准确率高于Logistic回归模型、人工神经网络和单棵决策树分类模型。基于随机森林算法与合成分析法建立脂肪肝合成预测模型,并评价其预测效能。研究结果表明,Logistic回归预测模型、Cox比例风险模型和脂肪肝合成预测模型的ROC曲线下面积分别为0.732、0.681、0.710,约登指数分别为0.340、0.269、0.330,灵敏度分别为0.589、0.503、0.639。脂肪肝合成预测模型ROC曲线下面积和约登指数介于Cox比例风险模型与Logistic回归模型之间,灵敏度最高。脂肪肝合成预测模型具有优于传统纵向数据分析模型的预测能力,且不需要大量纵向数据,是一种简单...     

基于高速公路交通影响的雾天预测优势比模型

雾对高速公路交通运行及行车安全有重要影响,掌握雾天出现的天气特征,有利于提高高速公路雾天管理的有效性和针对性。对雾天形成气象条件的时间演变进行的主成分分析与相关性分析表明,最大湿度和昼夜温差对雾的形成有决定性影响,其中相对湿度的对起雾的影响大于昼夜温差影响,将相对湿度大于95%作为起雾的关键因素。当相对湿度超过95%,昼夜温差超过4.5℃时,起雾的概率是无雾的7.77倍。建立了雾天出现的优势比模型,该模型可以用于雾情预测,为高速公路雾天管理提供依据。     

SSA与BP神经网络在地铁沉降监测中的应用

邻近区域施工,致使地铁沉降呈现复杂的非线性变化。对此,采用奇异谱分析(SSA)和BP神经网络对地铁结构进行分析与预测。通过SSA重建趋势序列和周期序列,分析地铁结构变化的趋势与周期波动;利用BP神经网络对重建趋势序列与时间序列分别进行预测。以上海9号线地铁沉降监测数据为例,提取趋势序列与周期序列进行分析及预测,实验证明了利用SSA对地铁监测序列进行分析以及利用BP神经网络对成分序列进行预测的可行性。     

基于机器学习的空气质量模型分析与研究

【目的】传统的空气质量计算方法已经难以满足当前社会的需求,基于机器学习的空气质量模型的分析与研究有助于提高空气质量预测的准确性和及时性。【方法】选取郑州市2019年全年空气质量和气象的逐小时数据,分别分析了空气质量与空气污染物因子的相关性以及空气污染物因子与气象要素的相关性。以空气污染物和气象要素作为输入因子,采用机器学习的方法建立多个回归模型,最后通过对回归模型的评估,根据评估的结果选取合适的预测模型。【结果】通过对回归模型评估指标的三种方法进行对比发现,随机森林模型效果较好,验证了机器学习的方法非常适合于空气质量的预测。【结论】本研究适应于站点的模型建立与预测,下一步应继续进行深度研究,从站点来繁衍出格点的实况预测模型。     

济宁市能见度变化特征及影响因素分析

本研究利用2016—2021年济宁市地面观测资料和空气质量数据资料,对数据进行预处理后,利用统计分析方法,研究济宁市能见度的日变化和年变化特征与气象因子、大气污染物之间的相关性,以及与24 h能见度滞后项之间的相关性。结果表明,一天中,能见度的最低值出现在6时至8时之间,最高值出现在15时至18时之间,能见度呈现先下降后上升再下降的趋势;6年来济宁市能见度呈现明显上升趋势,且低能见度天气减少;在气象因素中,相对湿度与能见度相关性最大,且呈负相关,在大气污染物中,CO浓度与能见度相关性最大,且呈负相关,在24 h滞后项中,与24 h、25 h、26 h、27 h和28 h能见度滞后项相关性较大。