沥青路面温度场的预估模型

通过对路面温度实测数据和气象部门提供的标准气象资料进行回归分析，建立了沥青路面温度场预估模型．分析了预估模型地区差异的产生原因和解决途径，并引入历年月平均气温作为地区修正系数．路面温度实测值和预测值的对比表明，预估模型具有广泛的适应性和较高的预测精度．     

基于气象和空气质量观测数据的日太阳辐射估计

研究城市气象参数与城市近地面污染物对水平面太阳辐射强度的影响,并尝试建立水平面太阳辐射与气象、城市空气污染物观测数据的回归模型.1)收集了广州市2009~2012年水平面日太阳总辐射、地面气象数据、近地面空气污染物历史记录数据;2)根据太阳辐射传输理论和前人相关研究进行水平面太阳辐射的影响因素分析,并对收集到的数据进行处理;3)对水平面太阳总辐射、地面气象、近地面污染物浓度的观测数据进行相关性分析,分别建立了总体样本和分区间样本下的水平面太阳总辐射与气象、空气污染物观测数据的回归模型.结果表明,用单一回归模型解释各种影响因素对太阳辐射的削弱并不合理,而分区间样本下的分段回归模型反映了水平面太阳总辐射的随气象变化和颗粒物浓度变化的规律,预测结果也较为准确.     

基于Box-Cox变换的城市火灾起数的模型研究

文章应用极大似然方法,对某市1997—2007年11a间的月度火灾及气象数据进行了Box-Cox非线性变换,通过对变换后的月平均温度、月平均相对湿度、月平均风速、月平均降雨量等气象因子与火灾发生起数进行统计分析,建立了基于Box-Cox变换的线性回归模型,并从拟合误差、交叉验证均方误差等方面进行分析比较,最终建立回归模型;运用所得模型对2008年的火灾数据进行预测分析,结果表明,基于Box-Cox变换后数据建立的回归模型,能更好地预测火灾发生起数,从而达到对城市火灾控制的目的。     

全厚式沥青路面温度场预估模型

对沥青层厚大于30 cm的全厚式沥青路面的温度场进行分析。基于气温和太阳曝辐量影响的累积性特点,对我国4个地区路面温度实测数据和气象数据进行回归分析,并建立以气温、太阳曝辐量、路面深度为主要参数的不同地区沥青路面温度场预估模型。分析不同地区预估模型产生差异的原因,并引入历年的月平均气温作为地区修正系数,建立适用于各个地区的全厚式沥青路面温度场预估模型。结果表明,该预估模型具有较强的适应性和较高的预测精度。     

基于GARCH模型的海西州地区高血压发病情况研究

基于广义自回归条件异方差模型的理论,通过建立广义自回归条件异方差模型研究高血压月发病率和月平均气温之间的相互关系.文章通过EViews软件对青海省海西州地区高血压发病病例监测登记资料进行统计分析,并利用原数据建立广义自回归条件异方差模型,通过对模型中的残差序列进行独立性检验和预测,确定所建立的广义自回归条件异方差模型的合理性.     

基于神经网络的短期电力负荷预测及其MATLAB实现

针对短期电力负荷预测问题,利用MATLAB软件建立日最高温度、日最低温度、日平均温度和平均湿度等气象因素对电力负荷的回归预测模型,具体对比给出BP神经网络与NARX神经网络两种回归预测结果,并通过对隐含层网络参数的调试对BP神经网络进行了适当的改进.     

碧螺春茶产量与采摘期气象因子的关系

研究苏州洞庭碧螺春茶产量与气象因子的关系。通过对2008年至2013年碧螺春采摘期气象因子和产量数据的相关性回归分析,建立了碧螺春茶产量与采摘期气象因素回归模型,并得出采摘期气象因子对茶叶产量的影响程度。从而实现在已知采摘期气象条件下对碧螺春茶产量预测。     

基于支持向量回归的风电场短期功率预测

针对风电场的短期功率预测,提出了一种考虑风电机组运行条件的用于风电场短期功率预测的新方法.首先,利用风力发电机的监控和数据采集(SCADA)系统数据计算输出功率和运行条件之间的皮尔逊相关系数,验证了SCADA监测项目对风力发电机输出功率的具有相关性;其次,建立支持向量回归(SVR)模型来预测单个风力发电机的风力与气象、运行状态的关系,发现了考虑运行条件的模型的预测结果优于仅考虑气象信息的模型的预测结果;最后,考虑到不同空间位置的风力发电机组对风电场输出功率的贡献不同,建立了各风力发电机预测功率和风电场预测功率输出之间的回归模型.试验结果表明:所提出的风场回归模型的预测误差小于风力涡轮机所有预测功率的模型的预测误差,从而验证了该方法的有效性.     

基于多元回归对电力系统负荷影响因素的计量分析

针对气象因素(温度、湿度、降雨量等)对电力系统的影响,收集某一地区2012年1月1日至2014年12月31日的数据,进行数据的描述性统计分析,然后建立多元回归分析模型,分别对日最高负荷、日最低负荷、日平均负荷与各气象因素的关系进行回归分析,分析回归误差,研究得出结论:最高温度、平均温度和相对湿度3个气象因素可以提高电力负荷预测的精度、优化电力系统~([1])。     

气象过程信息挖掘与输电线路覆冰预测

针对现有覆冰预测回归模型以采样点气象参量预报覆冰值的局限性,提出了一种改进的基于气象过程信息挖掘的覆冰预测方法。按线路覆冰增量将气象参量样本分为覆冰增长、维持、消融3个模糊模式类别,定义了以气象参量样本与模式类别中心的马氏距离为变量的隶属度函数,并在计算马氏距离时采用灰色斜率关联度确定各气象参量的权重。基于此,将隶属度与采样点气象参量结合,形成包含覆冰气象过程信息的高维历史数据样本,采用支持向量机进行覆冰回归模型的训练与预测。算例比较了现有的神经网络、支持向量机预测方法与提出的改进预测方法,结果表明,前两者预测的相对误差均值分别为24.50%和22.66%,而改进的预测方法相对误差均值为6.62%。考虑气象过程信息挖掘的覆冰预测模型具有更高的预测精度。     

含有山区小水电负荷的气象回归短期负荷预测技术探析

随着我国科学技术的发展,水电系统运行技术获得逐渐提高。目前在小水电负荷气象回归中采用短期负荷预测技术对其进行预测分析,这对电力设备安全运转工作有着重要意义。结合笔者当前工作经验,就含有山区小水电负荷的气象运用回归短期负荷预测技术进行探讨,通过运用回归模型和组合型预测方法,对历史数据实施类似性搜索操作及实例运用等信息,以此提高预测数据的精准度等方面进行简要阐述,以供同行参考。     

集成回归分析在基于色谱指纹的原油产能预测中的应用

运用色谱指纹技术对原油进行产能预测越来越得到油田等相关部门的重视.如何有效地建立原油色谱指纹与产能贡献的模型一直以来是基于色谱指纹的产能预测面临的问题.先前研究者提出的产能预测方法都是基于单一回归模型方法,但是单一的回归方法性能有限,近年来有关回归集成的理论的研究受到了极大的重视,是目前回归领域研究的前沿方向.另外广义可加模型是一种广泛使用的非线性回归模型,不仅适合于建立线性数据的模型,也适合建立非线性数据的模型.因此本文提出对广义可加模型进行集成的方法,使用集成广义可加模型来建立色谱指纹与产能贡献关系的模型.对原油产能预测的实验结果表明,本文提出的方法相对于以前的预测方法的性能有较大的提升,具有较好的预测效果,为解决石油产能预测问题提供了有效的途径.     

基于气象相似度与马尔科夫链的光伏发电预测方法

针对目前光伏发电预测中实用性较低、预测精度不高、气象条件利用不充分和预测跟踪性能较差等现象,设计出基于气象相似度与五状态马尔科夫链的光伏发电预测方法。该方法利用神经网络建立气象相似度—发电量相似度的过渡模型,用该模型预测可获得预测日发电量的预测结果,最后分别用三状态和五状态的马尔科夫链修正预测结果。实验结果表明:相比不充分利用气象条件的神经网络预测方法,基于气象相似度与五状态马尔科夫链的光伏发电预测方法具有较高的预测精度、实用性和良好的预测跟踪性能。     

基于BP人工神经网络的大气颗粒物PM10质量浓度预测

根据2008年长沙市火车站监测点全年大气PM10及气象参数的小时平均数据,建立BP人工神经网络预测模型,预测PM10小时平均浓度。为证明人工神经网络模型用于预测PM10质量浓度的准确性,研究中考虑2种预测模型:多元线性回归模型与人工神经网络模型。研究结果表明:与传统的多元线性回归模型相比,人工神经网络模型能够捕捉污染物浓度与气象因素间的非线性影响规律,能更好地预测PM10质量浓度,拟合优度R2有较大提高;所选取气象参数及污染源强变量能较准确地描述大气PM10质量浓度的实时变化,用于PM10质量浓度的预测准确度较高,整体R2可达0.62;人工神经网络预测模型不仅适用于一般污染浓度情况,对于高污染时期PM10质量浓度的预测也较为准确。     

地形要素对西北干旱区河谷型城市泥石流的影响

使用历史文献、气象、自然地理资料、数字高程模型和GIS技术,利用Logistic回归模型,分析兰州市地形要素对泥石流灾害发生的影响.结果显示:近百年兰州市发生泥石流灾害的时间比较频繁、范围较小;利用Logistic回归建立泥石流灾害预测模型得出发生泥石流灾害的概率与坡度、坡向相关性不显著,而与高程、距河距离成负相关关系,对模型进行检验,预测正确率达73.7%,预测效果较好.     

树林下气象条件对铁皮石斛生长的影响

选取漳州地区2014年龙眼树林下种植的铁皮石斛作为主要的研究对象,利用其生长发育状况的试验观测资料及其同期平行观测的龙眼树林下的气象数据资料(主要为气温、光合有效辐射、相对湿度),分析龙眼树林下铁皮石斛的生长情况,研究气象条件对树林下铁皮石斛生长的影响。结果表明气象条件与铁皮石斛的茎生长有显著的相关性,其中气温(包括日平均气温、日平均最高气温、日平均最低气温)对树林下铁皮石斛的茎生长影响最大。在日平均气温27~30℃、日最高气温约32℃和日最低气温约25℃的条件下,铁皮石斛的茎生长较快。通过回归分析建立铁皮石斛茎增长量与气象条件间的数学模拟模型,借以了解漳州地区树林下铁皮石斛的生长。     

基于主成分分析线性回归的光伏发电功率预测研究

针对经典光伏发电功率物理模型预测精度不高、可能遗漏关键气象因子的问题,基于数据驱动思想提出一种主成分分析、逐步线性回归以及多种检验相结合的光伏发电功率预测模型混合建模方法.采用相关性分析提取关键气象因子自变量,通过逐步线性回归对历史样本数据进行训练得到初始模型;对初始模型进行拟合程度、有效性以及多重共线性等多种检验,根据检验结果,采用主成分分析对初始模型自变量进行降维重构,得到修正模型;通过残差分析实现修正模型正确性的自校验;基于多种时间尺度对经典模型、未修正模型以及修正模型的预测结果进行详细对比分析.仿真结果表明修正模型提高了预测精度及所提混合建模方法的有效性与优越性.     

基于时间序列的灰色预测技术在估产模型中的应用

在建立估产模型过程中，引进基于时间序列的灰色预测技术，通过对样本点建立基于时间序列的灰色预测模型和常规的多元线性回归气象模型的分析比较，试图找到一种计算简单，数据要求少而精度较高，时效性较好的建模方法，为时间序列预测在农作物估产方面的应用作出一点探索。     

秩回归模型用BIC建模的相容性及应用

文[1]提出秩和回归模型预测方法,本文研究用BIC准则选择秩回归变量的相容性问题和建模原则,给出具体的模型设计方法,并在气象预测应用中效果良好。     

基于数据驱动的旅游需求预测研究

合理预测景区客流量不仅可以为景区提供参考,更是旅游治理体系和治理能力现代化建设的内在要求。基于九寨沟风景区官网于2012年5月至2021年5月披露的每日客流量数据,运用Python爬取与九寨沟旅游相关的搜索行为数据和九寨沟每日平均气温,构建ARIMA、SVR模型和加入百度搜索指数与日平均气温的LSTM神经网络模型,对九寨沟风景区客流量进行拟合和预测。结果表明,LSTM神经网络模型预测精度高于ARIMA和SVR模型,加入百度搜索指数和日平均气温的LSTM神经网络模型可以显著提升客流量预测精度。