基于贝叶斯分析的水文组合预报模型

水文组合预报方法是对多种预报模型的预报结果进行组合分析的一种预报方法.针对历史洪水数据不丰富的流域难于利用多种水文组合预报模型进行洪水预报的现状,构建了以贝叶斯分析为基础,同时结合专家经验、马尔科夫蒙特卡洛模拟、Gibbs抽样法,并引入实时校正的组合预报模型.以嫩江流域为实例,对基于贝叶斯分析的组合预报模型的精度进行了验证.验证结果表明,该模型可行而且实用,预报精度明显高于单个模型的预报精度.     

基于数据分析技术的水文组合预报应用研究

水文组合预报方法是对多种预报模型的预报结果进行组合分析的一种预报方法.针对历史洪水数据丰富和相对贫乏两种情况,分别提出基于多目标模糊优选和基于贝叶斯分析的组合预报模型.前者是选用多目标模糊优选模型根据各预报方案在不同流量级别下的预报精度确定方案优属度,而后加权平均的组合预报模型;后者则是以贝叶斯分析为基础,同时结合专家经验、马尔可夫蒙特卡罗模拟、Gibbs抽样法,并引入实时校正的组合预报模型.以嫩江流域为实例,分别对两种组合预报模型的精度进行了验证.验证结果表明:两种模型可行而且实用,预报精度均明显高于单个模型的预报精度.     

水库中长期水文预报模型研究（Ⅰ）

中长期水文预报模型库是水库中长期水文预报系统的核心。本研究面向预报对象,利用多要素预报法探索外界各种因素对水文预报对象的影响,分析预报对象与影响因子的相互联系及其变化的物理成因,利用数理统计方法建立了7个基于径流及其影响因子的成因统计关系的预报模型,重点介绍了其中的多维混合回归、模糊分析、门限回归模型,这些模型为有效地进行水文对象的中长期预报提供了坚实的基础。     

水库中长期水文预报模型研究（Ⅱ）

中长期水文预报模型库是水库中长期水文预报系统的核心。本研究面向预报对象,利用多要素预报法探索外界各种因素对水文预报对象的影响,分析预报对象与影响因子的相互联系及其变化的物理成因,利用数理统计方法建立了3个基于径流及其影响因子的成因统计关系的预报模型,分别为投影寻踪回归、时间序列—马尔可夫分析、非线性动力系统学以及神经网络模型,这些模型为有效进行水文对象的中长期预报提供了坚实的基础。     

经验性洪水预报模型在陆浑水库的应用及其与小花间洪水预报模型结果对比

在对陆浑水库经验性洪水预报模型介绍的基础上,根据历史数据及流域地貌信息确定了模型参数,对1975-2011年25场洪水的计算结果与实测值进行了对比,同时对2003-2011年的7场洪水预报结果与黄委水文局小花间洪水预报模型预报结果进行了对比.结果表明:两模型模拟结果精度相差不大,都能满足预报精度要求,7场洪水小花间洪水预报模型模拟结果整体效果稍好,尤其是洪水过程与实测过程比较吻合;经验性洪水预报模拟结果稍差,但误差在可接受范围之内.两个模型都具有一定实用性,建议两模型联合运用,将小花间洪水预报模型的洪水预报结果作为指导水库防洪调度的主要依据,经验模型的预报结果作为参考.     

径流中长期预报模糊优选神经网络模型应用研究

预报因子选择与模型训练精度确定,是模糊优选神经网络模型应用于径流中长期预报时有待研究解决的两个重要问题.应用预报因子集与预报量间的复合非线性相关分析方法选择预报因子(集),克服了通常单因子线性相关分析选择预报因子的不适用性;通过定义综合效应系数来综合评价模糊优选神经网络模型的拟合能力与外推预报能力,为研究模型的拟合精度高而外推预测精度低的问题提供了一种解决方法.     

逐一混合遗传算法在大坝变形预报中应用

建立了大坝变形预报的逐一混合遗传模型,并将其与整体遗传模型、逐一Levenberg-Marquardt (LM)模型、整体LM模型进行了比较. 工程实例表明,在建模样本相同,预报因子相同,且结构参数不变的条件下,逐一混合遗传模型和整体遗传模型的预报精度分别高于逐一LM模型和整体LM模型,且预报结果稳定;逐一混合遗传模型和逐一LM模型的预报精度分别高于整体遗传模型和整体LM模型;随着样本的积累,逐一混合遗传模型的预报精度不断提高, 并具有实时性的优点, 可以准确、有效地应用于大坝变形监测量的实时预报.     

基于支持向量机和k近邻的太阳质子事件预报模型

应用支持向量机和k近邻相结合的方法,建立了太阳质子事件预报模型。预报因子包括黑子面积、磁分型、McIntosh分型、太阳射电流量、活动区位置和软X射线流量。太阳质子事件模型包括两个子模型：质子有无模型和质子峰值流量模型。质子有无模型能对未来24小时是否发生质子事件给出预报,质子峰值流量模型对已发生的质子事件预报峰值流量等级。用2002年和2004年的数据进行了模拟预报,结果显示模型具有较高的报准率,同时显示出活动区位置和软x射线通量是比较敏感的预报因子。     

基于雷达测雨的实时洪水预报模型

实时洪水预报系统通常会伴随系统误差,即模型误差和观测误差．为了减小系统误差,本次研究尝试将雷达测雨技术、BP神经网络技术引入流域洪水预报中,并建立基于分布式水文模型的洪水预报模型．将该实时预报模型应用于史灌河流域．从预报的结果来看,该实时预报模型很好地解决了雷达遥感数据与水文模型的耦合,为在流域洪水预报中采用雷达测雨提供了先行的研究基础．     

油田产量预报的一种方法

本文提出一种含延迟的自回归模型。这种模型将传统的自回归模型作为其一种特殊情况,以期扩大最佳预报模型的选择范围,从而提高预报的精度。作者利用这种模型对某油田产油量数据进行了预报,并与自回归模型的预报结果作了比较,说明了本文方法的良好效果。     

基于灰色BP网络的卫星钟差预报

精密卫星钟差是精密定轨的重要因素之一.将BP神经网络模型引入卫星钟差预报,分别对少量及大量的卫星钟差数据进行预报,将其预报精度和灰色模型GM(1,1)预报结果进行分析比较,证明BP神经网络模型适于卫星钟差预报.通过对IGU超快速星历中的卫星钟差进行预报,发现前期预报精度很高,验证了其实际有效性.     

基于模糊推理和关联规则分析的河道洪水预报模型

河道洪水预报过程是一项复杂的非线性计算过程.为及时准确地预报下游河道特征值,针对传统模糊推理中存在的规则数过多和模型参数难以确定的问题,提出了一种新的模糊推理河道洪水预报模型.该模型以T-S模糊推理法为基础,通过对历史数据的关联规则分析和建立非线性优化模型确定模糊规则数目和模型参数,最后预报未来出现的流量数值.实例分析表明,基于模糊推理和关联规则分析的河道洪水预报模型易于理解,特别对防洪比较重要的高流量的预报结果较好.     

青岛市大气污染时间序列分析预报方法研究

根据青岛市大气污染监测资料,采用时间序列分析方法,建立多种预报模型,有原序列周期外延法、均生函数周期外延法,均生函数逐步回归法以及自回归预报法等,最后提出一种综合预报模型。连续预报试验表明,综合预报模型优于任何个别预报模型,有较好的预报能力。利用马尔可夫模型对污染状态（轻、中、重）进行了分级预报试验,也获得良好的效果。     

基于BP神经网络的太阳质子事件预报模型

为了提高太阳质子事件的预报精度,采用反向传播神经网络(BackPropagation,BP)建立太阳质子事件预报模型。预报模型是三层网络结构,输入层有6个神经元组成,分别对应预报因子的特征值;隐层设置3个神经元;输出层的一个单元对应于活动区是否爆发质子事件。模型选择描述活动区特征的参量作为预报因子。数据实验采用2002年的数据进行模拟预报,结果显示预报模型具有较高的报准率。     

基于快速滚动更新的无缝隙定量降水预报模型

针对中小尺度天气系统极易导致突发性短时强降水而难以定量化预报的问题,提出了一种基于快速滚动更新的无缝隙定量降水预报模型。模型基于改进光流法技术实现临近（0～2h）定量降水预报,基于GRAPES 3km实时频率匹配订正技术构建短时（2～12h）定量降水预报,基于最优背景场生成技术形成短中期（12～240h）定量降水预报;依据3种预报时效定量降水预报技术的技巧差异,结合实时预报检验评估,提出了基于经验权重函数的不同预报时效之间的预报融合技术,并根据最新降水实况逐1h调整预报,构建了0～240h快速滚动更新的无缝隙定量降水预报模型。选取2018年5—10月24h定量降水预报进行检验,并与传统定时预报对比,结果表明该模型24h降水预报准确率高于传统定时预报,特别是对中小尺度天气系统突发性短时强降水预报时空精度明显提高,有利于中小河流洪水预报与灾害防控。     

引汉济渭工程调水区月径流预报模型研究

针对各预报模型预报结果精度评价不统一的现状,考虑径流具有非线性、突变及非平稳性等特点,本文构建了包含均方根误差(RMSE)、平均绝对百分误差(MAPE)和Nash效率系数(NSE)三项指标的综合评价系统,对自回归滑动平均模型(ARMA)、人工神经网络模型(ANN)和支持向量机模型(SVM)在径流汛期和非汛期内进行了预报精度评价。结果表明:(1)单一评价指标下,ARMA模型与SVM模型预报结果精度相近,而综合评价系统表明,SVM模型预报精度优于ARMA模型;(2)三种模型在非汛期预报精度均高于汛期预报精度,SVM预报效果均最好。将径流进行分割后预报,预报精度可提高。本研究获得了可靠性和精度较高的月径流预报模型,可为工程水资源高效配置提供理论和技术支撑。     

滑动窗口二次自回归模型在径流预报中的应用

为提高径流预报精度,采用滑动窗口二次自回归模型进行径流中长期预报,提出自适应优化、平稳滑动窗口和均方根误差最小的综合选取模型参数的方法.实例应用结果表明:该方法不仅提高了模型的预报精度,而且保证了模型的稳定性;与人工神经网络模型相比,滑动窗口二次自回归模型的1步预报具有更高的精度,可用于中长期径流预报.     

新安江模型和支持向量机模型实时洪水预报应用比较

选择新安江模型和支持向量机模型分别在浙江省、陕西省的4个流域进行实时洪水预报,并使用K-最近邻实时校正法对新安江模型预报结果实时校正,比较2种模型在不同流域的应用效果,其中选择确定性系数、峰现时间误差、洪峰相对误差和均方误差作为模型预报评价指标。进一步改变预报预见期并分析2种模型在不同预见期内的预报精度。研究结果表明,新安江模型和支持向量机模型在不同流域洪水预报中各有优势,支持向量机模型预报精度受降雨精度影响较大。当预报预见期较长时,新安江模型预报结果更好;随着预见期缩短,支持向量机模型预报精度显著提高,在短预见期实时预报中支持向量机模型优势更明显。在预报难度较大的半湿润半干旱流域,新安江模型和支持向量机模型在率定期和实时预报过程中均具有较高精度。     

基于AR模型的低轨卫星大气密度建模与预报

研究了采用时间序列分析进行低轨卫星大气密度的建模与预报。通过对低轨卫星历史和当前的大气密度进行时间序列建模、频谱分析,可以获得未来数个轨道周期内大气密度的预报模型,并结合GRACE卫星加速度计反演的大气密度数据进行了详细分析。研究结果表明:GRACE卫星一个轨道周期内的密度预报模型是以轨道角速度和时间表示的最高次数为2的傅里叶级数。与三维密度模型相比,这种密度预报模型仅与历史的大气密度有关、所需模型参数少,可为今后在卫星定轨和轨道预报工作中大气密度的建模和预报提供新的思路。     

北斗卫星星载原子钟的短期钟差预报模型参数选取分析

高精度实时卫星钟差改正数据的获取一直是实现精密单点定位技术的关键问题.针对短期钟差预报模型参数设定对预报精度的影响,详细分析了多项式模型和灰色模型的基本原理,通过对精密星历文件中钟差数据的计算,分析阶数和已知数据个数对2种预报模型精度的影响,评估了此2种预报模型的优劣.实验结果表明:多项式模型应采用的已知点数量和阶数分别为7和2,而灰色模型的已知点数量应设为11;灰色模型总体上优于多项式模型.