集成专家系统和神经网络的煤矿水害预测系统

首次提出了一种混合使用专家系统和神经网络的煤矿水害预测系统的形式定义和基本系统结构，知识表示方法以及推理机制，并对已在微机上实现的系统作了详细论述。实验及试运行结果表明，文中提出的模型充分发挥了专家系统和神经网络各自的长处，因而是实用，合理的，以此模型为基础构造的预测系统具有知识获取方便，预测准确度高，速度快，使用简单，便于推广的特点，为防止矿坑突水灾害事故的发生提供了一种有效的手段。     

A unified view of statistical forecasting procedures

A large number of statistical forecasting procedures for univariate time series have been proposed in the literature. These range from simple methods, such as the exponentially weighted moving average, to more complex procedures such as Box–Jenkins ARIMA modelling and Harrison–Stevens Bayesian forecasting. This paper sets out to show the relationship between these various procedures by adopting a framework in which a time series model is viewed in terms of trend, seasonal and irregular components. The framework is then extended to cover models with explanatory variables. From the technical point of view the Kalman filter plays an important role in allowing an integrated treatment of these topics.     

我国航空客运量需求预测模型:基于随机前沿预测模型和模型平均

针对多数研究以产品或服务的历史消费量来代替不可观测的需求量而导致的需求预测出现实质性偏差的问题，本文将包含技术无效率项的随机前沿预测模型应用于航空客运量需求的预测，从而有效解决实质性偏差的问题.同时我们在此基础上引入一种模型平均权重确定方法，即通过最小化M折交叉验证准则（CV_M）确定候选模型权重.本文证明了该方法在理论上的最优性.由于模型中技术无效项的存在，我们可以同时预测航空客运量的实际产生量和需求量，实证研究也表明，相比其他常用的预测方法，该方法在预测航空客运量中长期的实际产生量上更具优势.     

补失预测法

本文提出一种短期预测方法——补失预测法。它是在 Kasuga Eheloshi的基础上,将方差分析中丢失数据的弥补方法,引用于短期预测。最后,本文通过一生产管理实例对此作了具体的分析说明。     

中国社会稳定与安全预警系统的理论设计

简要概述了中国社会稳定与安全预警系统的功能与作用 ;重点介绍了该预警系统设计的理论依据 ,即在预警系统设计过程中 ,综合、集成、借鉴了不同学科的理论与方法 ,其中 ,创造性地应用了社会物理学的思想、理论与方法 ,以此作为研制预警系统的总体理论框架 ;依据研究组独创的社会稳定与安全五大支持系统理论 ,设计出了“四级叠加 ,逐层收敛 ,系统耦合 ,规范权重 ,识别阈值 ,统一排序”的预警指标体系 ;最后 ,就预警系统内部模块的结构、功能与系统运行流程作了一定程度的说明。     

对云南2011年冬季降水的延伸期天气预测试验

 在前期对MJO研究基础上于2011年11月8日根据MJO的活动情况及发展趋势,作出"云南延伸期天气预测第3次试验(11月12日—12月15日)".通过对天气形势及云南省天气实况的具体对比分析,就该实验进行了认真检验:在干窗口期云南日降水距平百分率几乎维持在-100%,基本无有效降水,与试验结论1基本一致;在湿窗口期有2次合适的环流形势引导赤道地区的水汽进入云南,分别造成云南南部及云南东部的降水和雨雪天气过程,与试验结论2和3一致;在干窗口后期滇中以南、以东地区出现一次小雨降水过程,预报试验对MJO的传播速度估计偏慢;本次在西南地区极端干旱背景下的延伸期预测实验是成功的,为云南省气象台提高冬季延伸期干湿预报和雨雪天气预报的水平提供了实用的理论依据,对提前准备人工降雨等工作以缓解西南地区的旱情有很好的贡献.     

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.     

逐步回归时间序列和RBF-ANN在降水预测中的应用

将逐步回归融入到时间序列预测模型的建立中,摒弃了传统的“考虑所有变量”模式,利用“有进有出”的形式,分清各因子主次关系,仅选用影响显著的变量建立预测方程。径向基函数人工神经网络(RBF-ANN)属于局部逼近网络,准确度高。以桦甸市五道沟站的月降水量和月蒸发量为例,分别用传统、逐步回归时间序列分析和RBF-ANN建立降水预测模型,并对比其精度。结果表明：传统、逐步回归时间序列及RBF-ANN模型的后验差比值分别为0.315、0.272、0.284,平均绝对误差分别为18.37、15.65、13.82 mm,有效系数分别为0.87、0.94、0.93,精度均满足要求,最后用逐步回归时间序列法预测了未来5年的月降水量和月蒸发量。     

基于密度估计的异常电力负荷数据辨识与修正

SCADA系统数据库中一般会有一些异常的电力负荷数据,直接用其来进行短期负荷预测将影响预测结果的准确性,因此有必要对这些异常数据进行辨识和修正.文中同时考虑负荷的横向连续性和纵向连续性,先把负荷数据按照日期排列成二维数据集,然后采用基于密度的方法,在两个维度中对异常数据进行辨识与修正,最后通过实例分析验证了该方法的有效性.     

基于改进经验模态分解和支持向量机的短期风速组合预测

为更精确地进行风速预测,提出一种利用带自适应噪声的完全集成经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)方法和蝙蝠算法(bat algorithm,BA)优化支持向量机(support vector machine,SVM)的组合短期风速预测方法。首先用CEEMDAN对原始风速时间序列进行分解,得到一系列不同频率的子序列;其次,使用BA-SVM组合模型预测对分解后的各个子序列分别进行预测;最后,将各子序列的预测结果叠加得到风速预测值。仿真结果表明,该模型提高了预测精度,减小了误差。