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.     

投影追踪回归法在月径流长期预报中的应用

结合长期水文预报的特点,将投影追踪回归（Projection Pursuit Regression,缩写为PPR）分析方法应用于月充长期预报研究,探讨水文气象数据分析,为长期水文预报提供新的有效途径,此外,解决一些线性回归方法难以解决的问题。     

基于Box-Cox变换的双层联合模型

应用两参数正态双卵模型,对反应时间数据建立了关于项目反应与反应时间的分层联合模型.利用Box-Cox变换,完成了基于马尔科夫链蒙特卡洛算法(MCMC)的贝叶斯方法参数估计;应用偏差信息准则(DIC)比较了不同模型对数据的拟合效果,验证了对反应时间数据做Box-Cox变换之后其正态性效果要明显优于对数变换.     

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。     

基于相空间重构的支持向量机方法在径流中长期预报中应用

水文中长期预报对于水资源规划管理、水库及水电站调度具有十分重要的意义.针对常规混沌预测方法的局限性,提出基于相空间重构的支持向量机(SVM)预报方法.该方法首先对径流时间序列进行混沌辨识,然后对其进行相空阃重构,采用基于结构风险最小化的SVM进行径流预报.对于SVM的参数优选问题.以径向基核函数作为核函数,采用混沌交尺度优化方法进行参数寻优.实例表明.该方法优于SVM和人工神经网络(ANN)预报方法.且具有良好的泛化推广能力.     

基于多因子最近邻抽样回归模型的径流相似性预报

针对传统径流预报精度不高、预见期不足的问题,提出基于降雨、径流相似性的径流预报方法,采用大数据挖掘在历史降雨产流过程中搜索相似过程,预测后期径流最可能的过程线。为了延长径流预报预见期,实时接入降雨预报信息,提出3种径流滚动预报方式,实现了7 d预见期的径流逐日滚动预报;针对流域在涨退水等不同阶段的产汇流特性,建立可根据实时水雨情自适应切换的降雨、径流输入模式,进一步提高径流预报精度。该研究成果在大渡河的应用表明预报效果达到预期:3 d预见期的纳什系数大于0.9,平均相对误差小于10%;7 d预见期的纳什系数大于0.8,平均相对误差小于15%。     

基于二次Lasso回归的纵向驾驶员模型研究

为了更好地模拟实际驾驶员行为,提出基于二次回归和 Lasso回归方法的纵向驾 驶员回归模型. 通过采集纵向驾驶行为数据,提取可能影响驾驶行为的状态参数,进而建立二 次回归驾驶员模型;面向多参数回归模型中的多重共线问题,采用Lasso回归方法进行状态参 数筛选;结合筛选数据建立二次回归驾驶员模型. 为了验证模型的有效性,与PI驾驶员模型和 一次 Lasso回归驾驶员模型进行仿真对比 . 仿真结果表明,相较于其他两种模型,所建立的驾 驶员模型具备良好的工况跟随效果,同时能较好地反映实际驾驶行为特征.     

基于Box-Cox变换的多元分层课堂教学评估模型

对课堂教学评估问卷的数据进行Box-Cox非线性变换;对变换后的数据进行指标聚类,建立多层指标体系;在每一指标类内实施主成分分析,建立了一种基于Box-Cox变换的多元分层课堂教学评估模型.将分析结果与未作Box-Cox变换的结果进行比较.结果表明:Box-Cox变换后的主成分分析给出的指标分类意义更明显,并且能够将原始数据中无法分开的高分数据更好地加以区分.     

最优子集回归在夏季高温极值预报中的应用

利用2003-2007年6-9月ECMWF格点场资料,使用差分法、天气诊断、因子组合等方法构造出能反映本地天气动力学特征的预报因子库.考虑气温变化的连续性,采用Press准则初选因子,用最优子集回归建立6-9月0-72 h≥35℃高温预报方程.2008年预报系统投入业务应用,检验证明预报效果较好,提供了有效的地市级客观预报指导产品.业务系统与MICAPS对接,实现全自动化,输出的预报产品客观、定量.     

基于Box-Cox变换的住宅特征价格理论研究

在特征价格模型的应用中,函数形式的选择具有多样化,包括线性函数、对数函数、半对数函数等。在国外研究的基础上,提出在线性函数应用的基础上,对模型进行Box-Cox变换,并利用线性Box-Cox特征模型对巴黎的住宅市场进行实证研究。实证研究的结果有效地解释了各个特征与价格之间的关系,同时还说明,对住宅特征的数据变换可以有效地改善模型结构,使得模型的拟合效果更好,从而证实了该特征模型的有效性及优越性。     

基于VMD-CNN-LSTM模型的渭河流域月径流预测

为了提高月径流预测的精度,解决月径流的非线性和不稳定性对于预测结果的影响,提出了变分模态分解(VMD)、卷积-长短期记忆神经网络(CNN-LSTM)组合的VMD-CNN-LSTM模型.通过选取渭河流域张家山站和魏家堡站1960—2005年的实测月径流数据进行训练和测试,并与EMD-LSTM、EMD-CNN-LSTM、V...     

BP模型在降雨径流预报中的应用研究

简要介绍了人工神经网络用于洪水预报的基本原理,对降雨径流预报的网络模型进行了改进。为了避免陷于局部极小值和缩短学习时间,采用了改进的自适应BP算法进行洪水预报,开发了基于BP模型的洪水预报系统,并经过山西省文峪河水库的实测资料进行了预报,取得了令人满意的精度。     

基于JMP软件的Lasso及岭回归在水稻全基因组预测中的应用

全基因组选择是21世纪动植物育种的一种重要的选择策略,其核心就是全基因组预测,即基于分布在整个基因组上的多样性分子标记来对育种值进行预测,为个体的选择提供依据.但目前提出的大多数全基因组预测方法都涉及到相当复杂的算法并要求使用者具备熟练的编程能力,因此很少在实际育种中得到有效的应用.对统计软件JMP在水稻全基因组预测中的应用做了探索研究,利用其中的两种正则化回归方法(Lasso和岭回归)预测产量及其相关性状的育种值,结果表明两种方法对这些性状均有较好的预测效果,但Lasso优于岭回归,预测效果因性状不同也有差异,4个性状预测效果的次序为:千粒重分蘖数单株谷粒数产量.鉴于JMP软件的强大的分析能力、友好的用户界面和可操作性,本研究的结果可以为育种工作者在选择应用全基因组预测的分析工具方面提供较好的参考.     

基于相关向量机的中长期径流预报模型研究

鉴于其优越的预报性能,将相关向量机（RVM）应用到中长期径流预报中,并在相空间重构的基础上,建立了基于相关向量机的径流预报模型.该模型首先对径流时间序列进行相空间重构,并以重构后的径流序列作为模型输入;其次,采用粒子群优化（PSO）算法识别模型参数,利用优化所得重构参数验证时间序列具有混沌特性,在模型内循环过程中采用EM算法迭代估计超参数,并将RVM与应用较为广泛的最小二乘支持向量机（LSSVM）和自动回归滑动平均模型（ARMA）进行了比较分析,结果表明该模型具有较好的泛化能力;最后,基于水文过程变化的不确定性、RVM描述输出值的不确定度以及相应概率下的预报区间,使得调度人员在决策中能考虑预报的不确定性,定量估计各种决策的风险和效益.     

Resilient back propagation神经网络模型与autoregression型在径流预报中的比较研究

本文以黄河利津站和浙江省白溪水库的月径流水文序列为例,在自相关分析的基础上,建立自回归autoregression模型,并参照其结构建立了相应的resilient back propagation神经网络预报模型．比较结果显示：（1）resilient back propagation模型的模拟预报结果与序列的自相关性有密切关系;（2）当序列有较好的自相关性时,可参照autoregression模型建立相应的resilient back propagation模型;（3）与传统autoregression模型相比,resilient back propagation模型能取得更高的预报精度;且随着预报步长增加,resilient back propagation模型的优势更加明显．     

回归预报模型在水文地质中的应用──以焦作煤田演马庄井田矿井突水量预报为例

作者依据数理统计理论与实践总结较详细论述了通过回归分析建立回归预报模型这一方法在水文地质预报中的应用过程及其注意事项，包括该模型的重要性、相关因素的选取、回归预报模型类型的确定与模型的建立、预报中应注意的问题以及数据如何选取。最后以焦作演马在井田矿井突水量预报为例加以详细说明。图１，表２，参２。     

基于Lasso回归和ARIMA模型的城市生活垃圾产生量预测——以宝鸡市为例

基于宝鸡市2009—2019年城市生活垃圾产生量及其影响因素的基础数据,首先通过Lasso回归建立了生活垃圾产生量预测模型,其次通过ARIMA模型对模型中主要影响因子进行了预测,最后通过Lasso模型对2020—2025年宝鸡市城市生活垃圾产生量进行了预测.结果表明,Lasso回归模型预测精度高,可用于城市生活垃圾产生量的精准预测.未来几年宝鸡市生活垃圾产生量将会快速增长,2025年将达到的52.71×104t.     

门限自回归模型建模的有关探讨及其在人口死亡率预报中的应用

本文将门限自回归模型用于人口死亡率的预报,根据建模实践和预报结果,分析了门限自回归模型的参数(门限段个数l、门限值r_j、延迟步数d)、模型特性及其建模策略等问题。     

基于遗传算法的SVM-AR改进模型与应用

为提升河流流量的预测精度,将支持向量机与AR进行耦合,并构造三核混合核函数的流量预测支持向量机模型。以渭河流域的月径流量为例,首先,通过时间序列分析,将渭河流域的径流序列划分为趋势序列、季节序列和随机波动序列,然后利用AR模型构造适用于支持向量机算法的数据集,并将数据集按4∶1划分为训练集和检验集;其次,利用线性组合构造由多项式核函数、径向基核函数与Sigmoid核函数构成的三核混合核函数,在训练集上,采用遗传算法确定相关参数,随后在检验集上进行预测。结果表明:遗传算法确定参数会带来较大的不确定性,导致结果差异较大,从而着重讨论遗传算法带来的参数不确定性;通过函数构造与统计分析,给出三核混合核函数参数选择的一般性方法与流程,并进行验证,该参数选取方法能够降低遗传算法的不确定性,得到精度较高的流量预测结果,预测流量与实际流量的均方误差从150左右降低到130左右。     

基于偏最小二乘回归与支持向量机耦合的咸潮预报模型

利用偏最小二乘回归对影响咸潮的因素进行分析,提取出对因变量影响强的成分,从而克服了变量之间的多重相关性问题;同时利用支持向量机在解决小样本非线性问题上的优势,采用将偏最小二乘回归与支持向量机耦合的方法,建立了咸潮预报模型(PLS-SVM),并应用该模型对珠海市平岗站盐度的变化进行了模拟和预测,研究结果表明,所提出的PLS-SVM模型模拟和预测精度明显优于常用的BP人工神经网络、多元回归模型,可更好地应用于咸潮预报。