利用中尺度WRF(Weather Research and Forecast Model)模式预报了2009年1,4,7和10月甘肃某风电场区域的风速和风向,并与离风电场最近的两座测风塔对应时段50m和70m高度实测资料进行了对比,客观地评估了该模式对风场预报的准确率。在相...利用中尺度WRF(Weather Research and Forecast Model)模式预报了2009年1,4,7和10月甘肃某风电场区域的风速和风向,并与离风电场最近的两座测风塔对应时段50m和70m高度实测资料进行了对比,客观地评估了该模式对风场预报的准确率。在相对准确的风场预报基础上,利用2008年1月-2009年4月风电场200台风机的实际功率记录数据和同期气象要素场预报资料,采用自适应偏最小二乘回归法和单机预报法建立了每台风机未来48h逐15min输出功率记录数据与同时刻轮毂高度预报的风速、风向、气温、湿度及气压之间的非线性统计预报模型。为了对该模型的稳定性和准确性进行长期的客观评估,独立进行了2008年1-12月的预报试验,分别建立了12组独立的非线性统计预报模型。试验结果表明:(1)WRF模式预报的各月风向分布、风频大小与实测风向有较好的一致性;盛行风向基本一致,风频大小相当,风向分布特征也较为一致。(2)WRF模式预报的50m和70m高度逐时平均风速与实测值的相关系数介于0.6~0.8之间,均方根误差介于1.5~2.6m.s-1之间。(3)2008年1-12月逐15min风电场风电功率预报值与风机输出功率记录值的相关性较显著,可较好地预报出各月风电功率的时间变化趋势。两者相关系数介于0.58~0.90之间,均达到了99.9%置信度。(4)各月逐15min风电功率预报值与风机输出功率记录值的误差较小,相对于总额定装机容量而言,均方根误差介于2.76%~12.89%之间。展开更多
目的分析亚洲心血管病国际合作研究(international collaborative study of cardiovascular disease in ASIA,InterASIA)缺失值缺失机制,探索适合该资料的方便、有效、合理的填充方法。方法利用SPSS16.0软件,分析数据的缺失机制,分别采...目的分析亚洲心血管病国际合作研究(international collaborative study of cardiovascular disease in ASIA,InterASIA)缺失值缺失机制,探索适合该资料的方便、有效、合理的填充方法。方法利用SPSS16.0软件,分析数据的缺失机制,分别采用期望最大化法和回归法对缺失数据进行填充。结果InterASIA资料缺失指标缺失率在0.1%~2.1%,缺失机制为随机缺失,年龄偏小的人指标缺失率更高;采用期望最大化法和回归法对缺失数据进行填充后各指标的算术均数、标准差以及线性回归模型中的回归系数及标准误与填充前各指标的取值非常接近。结论InterASIA资料缺失率低,其缺失机制为随机缺失,期望最大化法和回归法是方便、有效、合理的填充方法。展开更多
文摘利用中尺度WRF(Weather Research and Forecast Model)模式预报了2009年1,4,7和10月甘肃某风电场区域的风速和风向,并与离风电场最近的两座测风塔对应时段50m和70m高度实测资料进行了对比,客观地评估了该模式对风场预报的准确率。在相对准确的风场预报基础上,利用2008年1月-2009年4月风电场200台风机的实际功率记录数据和同期气象要素场预报资料,采用自适应偏最小二乘回归法和单机预报法建立了每台风机未来48h逐15min输出功率记录数据与同时刻轮毂高度预报的风速、风向、气温、湿度及气压之间的非线性统计预报模型。为了对该模型的稳定性和准确性进行长期的客观评估,独立进行了2008年1-12月的预报试验,分别建立了12组独立的非线性统计预报模型。试验结果表明:(1)WRF模式预报的各月风向分布、风频大小与实测风向有较好的一致性;盛行风向基本一致,风频大小相当,风向分布特征也较为一致。(2)WRF模式预报的50m和70m高度逐时平均风速与实测值的相关系数介于0.6~0.8之间,均方根误差介于1.5~2.6m.s-1之间。(3)2008年1-12月逐15min风电场风电功率预报值与风机输出功率记录值的相关性较显著,可较好地预报出各月风电功率的时间变化趋势。两者相关系数介于0.58~0.90之间,均达到了99.9%置信度。(4)各月逐15min风电功率预报值与风机输出功率记录值的误差较小,相对于总额定装机容量而言,均方根误差介于2.76%~12.89%之间。
文摘目的分析亚洲心血管病国际合作研究(international collaborative study of cardiovascular disease in ASIA,InterASIA)缺失值缺失机制,探索适合该资料的方便、有效、合理的填充方法。方法利用SPSS16.0软件,分析数据的缺失机制,分别采用期望最大化法和回归法对缺失数据进行填充。结果InterASIA资料缺失指标缺失率在0.1%~2.1%,缺失机制为随机缺失,年龄偏小的人指标缺失率更高;采用期望最大化法和回归法对缺失数据进行填充后各指标的算术均数、标准差以及线性回归模型中的回归系数及标准误与填充前各指标的取值非常接近。结论InterASIA资料缺失率低,其缺失机制为随机缺失,期望最大化法和回归法是方便、有效、合理的填充方法。