长期径流预报的灰色双向差分模型

本文基于灰色预测原理和双向差分理论，提出长期径流预报的灰色双向差分模型，实例应用表明，该模型由于获取了较多的历史径流信息，不仅能得到较为准确的径流预报值的拟合结果，还可得到非常可靠的长期径流趋势预报结果。     

数据仓库技术在天气预报中的研究探讨

数据仓库技术是一种在天气预报中采用的新方法,首先对数据仓库技术进行了简要概述,进一步结合气象数据特点和天气预报业务特点,对数据仓库技术在天气预报中的应用前景和设计要点进行了的探讨.     

变电站电压无功自适应动态预测模糊控制装置的研制

介绍了一种基于自适应灰色系统理论及模糊控制理论的变电站电压无功综合控制装置．本装置对一定时间后的电压、无功做出预测并进行实时控制．对参数越限进行提前判断和决策，减少了电压、无功的不合格时间．将传统静态区间控制改进为动态分析控制，更好地反应系统的动态特性．应用模糊控制，提高了系统的调节能力和电压质量，保证了系统的稳定性．     

统计预测法与同步数字系列基群时钟同步恢复

同步数字系列 ( SDH)指针调整给支路时钟带来了幅度很大的低频抖动 ,一般的时钟同步恢复方法 (如简单的模拟或数字锁相环 )已无法将其滤除 ,为恢复 SDH中基群时钟同步 ,提出了一种新的全数字化方法——统计预测法。该方法通过对一个统计周期内欲平滑时钟与参考时钟的差异的统计 ,在下一个周期内预测出支路时钟。从该方法的原理、抖动性能的分析以及给出的计算仿真结果和实验测试结果可知 ,该方法可以有效地平滑由于指针调整和码速调整产生的很大的相位跃变 ,恢复的时钟抖动很小 ,有很好的抖动转移特性和很大的捕捉范围 ,且不需要锁相环 ,系统便于集成 ,有利于设备的小型化。     

用一维变分方法同化GMS-5反演湿度场及其在降水预报中的应用分析

在应用一维变分方法对GMS-5卫星资料反演的相对湿度场进行了同化分析试验的基础上,进一步分析了通过一维变分方法在MM5模式初始湿度场中融入GMS-5反演湿度场后,对降水预报的影响.分析试验结果表明,应用一维变分方法同化GMS-5反演相对湿度场后所得到的分析场,其均方根误差(rm se)在7个标准等压面上都比背景场要明显减小.均方根误差值在250 hPa下降幅度最大,达到7.1,这相当于12-h预报场rm se下降了48%;下降幅度最小的等压面高度是925 hPa,也达到了1.2,相当于12-h预报场rm se下降了15%.背景湿度场高湿区通常呈带状分布,普遍平滑了中尺度信息.运用一维变分方法融入了卫星信息后,分析场不仅明显改善了背景场湿区偏湿、干区偏干的现象,同时也很好地揭示出了三维湿度场的中尺度细微结构.个例分析表明,将一维变分同化后的GMS-5反演湿度场作为MM5模式的初始湿度场,与直接用NCEP资料的预报结果相比,MM5模式预报的降水强度、降水范围和降水强中心位置均有较明显的改善,更接近于实况观测.     

亮菌研究的现状与展望

亮菌属小蜜环菌属,是一种药食兼用的名贵真菌.从亮菌名称的由来及分类、亮菌的生物学特性、亮菌中所含的亮菌甲素和亮菌多糖等化学物质、亮菌的固态和液体发酵培养、亮菌的抗炎、防辐射、升白、抗肿瘤、增强免疫力等生物学功能5个方面对亮菌的研究现状进行了详细的综述,并对亮菌的研究前景进行了展望,为亮菌的进一步开发及研究提供参考.     

基于局域网的网络状态预测

讨论了网络状态预测的意义及存在的问题 ,并分析了TCP协议中的通用网络状态估算法 ,针对其应用到具体局域网环境中时的不足之处 ,提出了平滑因子应该是时变的观点 ,并在此基础上给出一种新的用于局域网环境的网络时延预测算法 ,并给出实验数据进行比较分析     

KNN算法的数据优化策略

为了解决基于KNN（K-Nearest Neighbors）算法的非参数回归短时交通状态预测模型执行效率低的问题,提出了KNN算法的数据优化策略。通过对交通状态时空特性的研究,采用层次化对象构造交通状态向量,并根据交通状态的自重复性对历史样本数据库进行数据压缩。实验证明,优化策略提高了KNN算法的执行效率,经过压缩后的数据存取时间比压缩前缩短了8.66%。     

灰色预测和时序预测的探讨

本文讨论了灰色模型,特别是GM(1,1)模型的特点和适用范围,并将GM(1,1)模型和时序AR(n)模型结合起来(称为组合模型),对我国轻工业产量发展指数等三个项目分别进行了组合模型预测。结果表明,在一般GM模型中引入AR模型可显著提高预测的准确度;在非平稳时序建模中引入GM模型,可作为提取趋势项的另一种方法。文中还从预测的角度将灰色模型和时序模型进行了比较和分析,对“灰”的物理概念进行了初步探讨。     

划分产品生命周期期段的双对数算法

本文定义了关于产品生命周期的期段、期段曲线和期段组合曲线,并以Gompertz曲线为模式,提出了一种划分期段与预测的算法——双对数算法。文中给出了计算程序,计算结果表明了本算法的正确性和有效性。