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.     

开封市近60年温度和降水年际变化分析

研究基于开封市1951—2010年逐日气温和降水量资料,采用滑动平均、趋势分析和Yamamoto检验法,探讨了开封近60年的气候变化特征.结果表明:研究时段内开封市年及四季平均气温均呈上升的趋势,年平均气温在1993年发生了一次突变,其后气温达到一个更显著的增暖时期,21世纪头10年是开封市近60年以来的最高温期.开封市年及各季降水量除秋季外均呈上升趋势,以夏季降水增多最为明显,研究时段内无明显的突变过程.开封市未来几年气候存在着向暖湿变化的可能性.     

2009/2010年初夏拉萨干旱成因及影响分析

文章从2009/2010年初夏（5/6月）环流指数特征、月平均环流场特征、500hpa环流场以及气象要素变化特征等方面分析了初夏干旱的基本成因。结果表明,造成初夏干旱的主要原因有：青藏高原属高压控制型,即西太平洋热带高压强度偏强,其位置明显偏西,控制高原,高原上盛行偏西气流或偏北气流;高压控制的印度西北部抑制了水汽输送;伊朗高压呈东北西南向,此时西太平洋副热带高压脊线在25毅N左右,位置偏南或强度偏弱。     

富水饱和砂土隧道施工降水技术探讨

以在建桃树坪隧道3号斜井施工降水施工为背景,详细介绍了桃树坪隧道穿越第三系饱和富水粉细砂岩的降水施工方案,为同类工程的施工提供了必要的技术资料和经验借鉴。     

农业气候要素对冬小麦生产的影响

通过北方气象要素对农作物的物候影响,系统研究了以干旱和半干旱为特点的冬麦区,水、气、热等气象要素在时空分配方面对小麦生产的直接影响。     

新疆阿克陶县近50年日照时数的变化特征分析

依据新疆阿克陶县气象站1960—2009年逐月日照时数以及与日照变化相关的水汽压、降水、云量等资料,利用气候统计方法分析了阿克陶县近50年日照时数年代际、年际和各季的气候变化特征及其变化原因.结果表明,近50年来阿克陶县的年、季日照时数均呈减少趋势.各季减少的气候倾向率不同,减少幅度最多的是夏季,最少的是春季.相关分析得出降水是影响阿克陶县日照时数变化的主要因子.     

碳酸铅及碱式碳酸铅的合成与转化

以尿素和硝酸铅为原料,分别以聚乙二醇2000( PEG2000),十六烷基三甲基澳化铵(CTAB),十二烷基苯磺酸钠(SDBS)为模板剂,通过控制反应温度,采取化学沉淀法合成碳酸铅(PbCO3)和碱式碳酸铅(Pb3( CO3)2(OH)2).样品结构经粉末X射线衍射(XRD)和傅立叶转换红外光谱(FT- IR)表征.结果表明:当PbCO3在95℃,Pb3(CO3)2 (OH)2在105℃下,反应5h,溶液pH值在5.5以上时,产率均可超过80％;MEDUSA软件模拟发现温度间接影响PbCO3和Pb3 (CO3)2 (OH)2的生成.     

沉淀聚合制备P( PETA - St)微球中溶剂对微球形成的影响

以季戊四醇三丙烯酸酯(PETA)和苯乙烯(St)为单体,在系列二元混合溶剂中用沉淀聚合法探讨制备P(PETA St)微球的实验条件.选择不同溶剂,调整两种溶剂的体积比来改变其三维溶度参数,并对制备的聚合物微球进行表征.结果发现:以甲醇和乙醇或者甲醇和乙酸乙酯为二元混合溶剂时,只有当混合溶剂的极性溶度参数δp和氢键溶度参数δh的值分别在8.8～12.3 MPa1/2和17.0 ～22.3 MPa1/2之间时才能形成微球,而混合溶剂的色散溶度参数δd变化不大;以水和丙酮为混合溶剂时δp和δh的值分别在11.5～16.0 MPa1/2和14.1～42.4 MPa1/2范围内时,可以获得形貌较规则的P(PETA -St)微球.由此推断,P(PETA -St)微球的形态主要由混合溶剂的δp和δh值决定.     

基于残差融合的时序数据离群点检测算法

物联网的快速发展产生了海量的高维时序数据,然而时间序列易受到外界变化的环境因素影响而产生离群点。针对现有的离群点挖掘算法不能兼顾时序数据的趋势性、季节性、循环性、不规则性的特点,从而导致检测效果不理想的问题,提出一种基于残差融合的时序数据离群挖掘(residual integration outlier,RIO)算法。首先利用线性自回归移动平均模型(autoregressive integrated moving average model,ARIMA)拟合数据,得到在相同时间粒度下的残差序列,并将该序列作为非线性模型长短期记忆网络(long short-term memory,LSTM)模型的输入,输出残差序列预测值,而后将经由ARIMA模型与LSTM模型处理的序列在相同时间粒度下融合,得到一条经由混合模型两次处理的残差序列。最后,利用基于直方图的离群点模型(histogram-based outlier score,HBOS)检测出该二次残差序列的离群点。实验表明,RIO算法的准确度得到了较为明显的提高,具备良好的实用价值。