组合预测方法中权系数的应用研究

针对组合预测方法中权系数的确定问题,提出两种组合预测方法。一种是引入误差评价公式来确定权系数的固定权系数组合预测方法;一种是基于神经网络的误差倒数变权组合预测方法。通过实例分析说明了两种方法的可行性,且结果表明方法比单模型方法预测和传统组合预测方法具有更高的拟合精度。     

短波单站定位中电离层的模型选择与修正

短波单站定位实现了仅用一个测向站就能确定短波发射台的方向及位置,在短波单站定位中,影响单站定位精度的主要因素来源于电离层模型及电离层参数是否与实际情况相符.作者介绍了短波单站定位机理和两种实用的电离层模型,并对基于这两种电离层模型的射线反跟踪算法进行了分析比较.为了进一步提高单站定位精度,还提出了利用已知台修正电离层模型,并设计实现了该模型.     

基于遗传神经网络的个股价格短期预测

针对个股价格的短期预测,提出了一种基于遗传神经网络算法的股票收盘价格分析和预测方法,在允许的相对误差下,所得到的模拟结果表明预测系统能够较好地预测股票价格的趋势.人工神经网络预测股票价格具有良好的应用前景,而遗传神经网络算法则可提高预测的速度和可靠性.     

Storm-time ionospheric disturbances monitored by GPS beacon measurements

The Total Electron Content (TEC) during three great storms, from April to August 2000, was collected by means of a GPS receiver located in Jingzhou (30.4° N, 112.2° E). The time-latitude-dependent features of ionospheric storms are identified using TEC difference images based on the deviations of TEC during storm relative to quiet time. The responses of ionospheric TEC to magnetic storms were analyzed. The results show that: 1) In middle and low latitude, ionospheric storms effects are more apparent in local day time than at night: 2) Ionospheric storm effects are more dominant near the hump of the equatorial anomaly region than in other regions of TEC measurements; 3) The positive effects during the main phase of ionospheric storm may be caused by electric fields in low latitude; 4) During the recovery period of ionospheric storm, the negative phase of storm may be due to the perturbation of the neutral gas composition. Foundation item: Supported by the National Natural Science Foundation of China (49984001) Biography: Pei Xiao-hong (1977-), male, Master candidate, research direction: studying ionosphere on GPS beacons.     

Variation properties of ionospheric eclipse factor and ionospheric influence factor

The concepts and calculation methods of ionospheric eclipse factor (IEF) and ionospheric influence factor (IFF) are further illustrated. The temporal an d spacial variation properties of IEF and IFF are studied, which shows that the properties are influenced by the geographic position and season. The possibility of improving the precision of using GPS data to determine ionospheric delay bas ed on the above variation properties is also analysed.     

昆嵛山腮扁叶蜂幼虫空间自相关研究

运用全局Moran’s Ⅰ和局部Moran’s Ⅰ方法对昆嵛山腮扁叶蜂幼虫空间分布的自相关性进行了研究。结果表明：昆嵛山腮扁叶蜂幼虫在样地的分布具有一定的空间自相关性,但未达到显著的程度,没有形成特定的空间分布格局;局部空间自相关分析结果显示也没有局部空间聚集现象。由于样地环境比较单一,因此只考虑昆嵛山腮扁叶蜂易感林木的空间自相关对昆嵛山腮扁叶蜂空间自相关的影响。用相关性分析昆嵛山腮扁叶蜂全局Moran’s Ⅰ值和易感林木全局Moran’s Ⅰ值的相关性可知,昆嵛山腮扁叶蜂全局空间自相关性受易感林木全局空间自相关性显著影响。     

基于免疫模糊聚类的LSSVM在短期负荷预测中的应用

最小二乘支持向量机(least square support vector machines,LSSVM)在解决小样本、非线性和高维度问题中表现出许多特有的优势.但是,如果输入的训练数据本身存在着大量的噪声和冗余,LSSVM在训练数据时会因抑制它们而削弱本身的推广能力,结构风险无法达到最小化,从而导致收敛速度慢、预测精度不高等缺点.提出了一种基于免疫模糊聚类(immune fuzzy clustering,IFC)的最小二乘支持向量机预测模型,运用免疫模糊聚类算法对历史数据进行预处理,从聚类后的数据提取LSSVM的训练样本,从而提高训练速度和预测精度,克服LSSVM的上述缺点.最后,将该模型运用到短期电力负荷预测中,与经典的SVM和BP神经网络相比具有更好的泛化性能和预测精度.     

基于SA-LSSVM的电力短期负荷预测

提出融合模拟退火（Simulated annealing,SA）和最小二乘支持向量机（Least Square Support Vector Machine,LSSVM）的电力短期负荷预测方法.由于LSSVM的预测精度依赖于其参数的选择,并且难以选取合适的参数值,因此,参数选择是LSSVM的一个关键问题.为了提高参数选择的质量和效率,采用SA算法进行LSSVM的参数寻优.以某市2010年1月1日至2011年1月7日的电力负荷数据和气象数据进行仿真实验, 实验结果表明该方法具有较高的预测精度.     

集对分析法在煤与瓦斯突出综合预测中的应用

应用集对理论,确立了煤与瓦斯突出指标和突出可能性之间的联系度,进而建立了预测煤与瓦斯突出的集对分析模型。实例表明,集对分析方法能够较好地预测煤与瓦斯突出的可能性,是预测灰色系统的一种方便、合理的方法。     

基于短波段电离层探测数据分析地下核爆引起的电离层扰动

同GNSS（全球导航卫星系统,Global Navigation Satellite System）获取电离层TEC（总电子含量,Total Electron Content）数据相比,传统的电离层垂测、斜测等短波段数据具有特征参数丰富、高度分辨率高、历史数据多等优点。为利用电离层垂测和斜测数据,研究地下核爆引起的电离层扰动。本文利用2016年1月6日朝鲜地下核试验当天的斜测、垂测数据分析电离层扰动现象。结果表明,本次地下核爆造成的行波电离层扰动为小尺度电离层扰动,传播速度在150.3-158.7(m·s-1)之间。同时核爆发生后半小时在距离爆点421.4 km处,观测到foF2较月中值增加了0.7 MHz,较1月5日、1月7日在2:00 UTC（协调世界时,Coordinated Universal Time)的foF2（F2层临界频率,critical frequency of the F2 layer）增加了0.5 MHz,极有可能是地下核爆通过岩石圈-大气圈-电离层圈耦合机制造成电离层电子浓度增加。本文分析结果与其他文献资料非常吻合。由此可见,基于短波段电离层探测方式感知电离层扰动从而实现地下核爆炸事件的监测,是一种有效的核爆电离层效应监测手段,可与其他直接监测手段相印证,提高核爆事件监测能力。     

一种基于自相关估计的水声直扩信号检测方法

利用直接序列扩频信号的自相关特性,提出了一种直扩信号相关峰累积检测方法.理论上分析了直扩信号的自相关特性,可知在伪码周期整数倍处可能会出现峰值,利用这些相关峰及其倍数关系可以对直扩信号进行判别.但由于信元信号与噪声的影响,这一系列相关峰并非连续稳定出现.在低载噪比时,一些自相关峰淹没在噪声中,直接对其检测比较困难.利用相关峰出现的周期关系,设计了相关峰累积检测器.该检测器不仅可以实现自动检验,而且可适用于低载噪比情况,具有实际应用价值.计算机仿真结果和海试数据都验证了该方法的可行性与实用性.     

精细化气象因子对短期电力负荷预测的影响研究

为分析电力负荷变化特征与气象要素的关系,定量解析气象因子对电力负荷预测的主要贡献,该文以华中电网某地区为研究对象,预报因子选用电力负荷和精细化气象数据,依据逐步回归和BP神经网络模型建立滚动预报模型.通过研究发现：当日负荷除与历史负荷有较好的相关关系外,当日温度与前一日温度对负荷也有较大的影响.气象因子在逐步回归和神经网络预测方法中对负荷预测准确率的提升均有正的贡献,贡献率分别为0.28%～17.87%和0.97%～17.78%.尤其是转折天气条件下,精细化气象因子对短期负荷预测的准确率的提升尤为重要.     

基于IOWA算子的短时交通流预测方法研究

本文首次将诱导有序加权平均（IOWA）算子应用到短时交通流预测中,建立了以整体预测误差平方和最小为目标的组合预测模型。在分析短时交通流预测模型的基础上,本文选取了指数平滑法、季节自回归求和移动平均模型（SARIMA）、BP神经网络模型对短时交通流进行预测,再用IOWA算子将这三种模型进行组合预测。最后进行实例验证,通过MAE、MSE和MAPE三项指标比较分析四种模型的预测效果。结果证明,IOWA算子组合预测模型明显优于其他的预测模型,有效地提高了短时交通流的预测精度。     

在洪水预报中的应用与改进

为了实现概率洪水预报,采用贝叶斯预报系统(BFS)中的水文不确定性处理器(HUP),对水文预报的不确定性进行分析.采用新安江模型作为确定性水文模型,以贝叶斯理论为工具,在先验分布和似然函数确定的基础上,最终得到后验分布,从而实现了概率预报.针对预报结果的特点,提出了BFS的改进方案,最后将模型应用于密赛流域.应用结果表明,BFS能够有效地提高预报精度,而改进的BFS能够进一步提高预报精度.     

改进人工免疫网络算法在电力短期负荷预测中的应用

针对现有的短期负荷预测方法易陷入局部极值以及预测精度不高等缺陷,文中提出了一种基于改进免疫算法优化BP神经网络的短期智能负荷预测方法.通过利用改进的矢量距优化免疫网络,从而达到优化网络的目的.融入免疫调节原理,引入抗体浓度的概率选择式,采用自适应变化策略重新设计变异算子,利用新的变异尺度设计种群抗体,采用新的神经元适应度函数,并结合免疫网络调节的进化算法进行网络学习.实例分析表明,基于改进免疫网络优化的BP网络短期负荷预测算法比混沌算法优化BP网络算法精度更高,更具实用性.     

自相关在超声波检测HK-40炉管裂纹中的应用

介绍自相关在超声波透射检测ＨＫ－４０炉管裂纹中的应用,研究表明,人工裂纹深度Ｄ与接收信号的自相关函数Ｒ有较好的对应关系,这个结果对于缺陷大小的定量有重要参考价值。     

一种基于支持向量机与灰色的组合预测新方法

本文根据最小方差将支持向量机和灰色进行组合得到组合预测模型,弥补单模型方法的不足,算例结果表明预测精度明显提高。     

Climatological analysis and modeling of the ionospheric global electron content

In this paper, we calculate the ionospheric global electron content （GEC） from the GPS TEC data along the geographic longitude 120°E during the period of 1996-2004, and investigate the relationship between GEC and 10.7 cm solar radio flux F10.7 and its seasonal dependence with partial correlation analysis. Our results show that GEC is closely correlated with solar activity index F10.7 and is also related with annual and semiannual variations. An empirical GEC model driven by those factors is then to examine the influences of different solar activity proxies for the model input. The results suggest that GEC mainly depends on solar activity and the seasonal variations; the latter is also modulated by solar activity. Furthermore, the magnitude of semiannual variation is a little greater than that of annual variation. Our empirical GEC model is proved to be better than the model proposed by Afraimovich et al.