基于机器学习的气象水质耦合预测模型研究

为了更好地预测河流水质,以黑龙江省内16个水质监测站点的日尺度水质数据和日尺度气象站数据为基础,通过核主成分分析(KPCA)对水质数据的特征值进行提取并降维,采用斯皮尔曼相关性分析(Spearman)筛选强相关的气象因子,并将强相关气象因子和水质指数(WQI)作为模型输入数据,结合随机森林(RF)、多层感知机(MLP)、广义回归神经网络(GRNN)构建三种气象水质耦合预测模型,并进行对比验证。结果表明GRNN预测效果最佳,R^(2)=98.68%,对16个站点水质情况的预测准确度高达87.50%,可以为政府水资源治理提供参考。

基于多尺度下AR(P)耦合预测模型的应用研究

基于多尺度分析理论,运用Mallat算法和Daubechies小波,把时间序列分解为比原始序列更单一的细节和概貌部分,并利用AR(P)模型能反映时间序列中邻近时刻间联系的特性,对序列分解后的部分进行拟合与预测,然后再由多尺度分析中的重构方法进行序列重构,由此建立耦合的预测模型。通过黄河青铜峡270多年(1724～1997)年径流时间序列的建模及验证,表明拟建的耦合模型与传统单一模型的预测精度相比,由50%提高到90%,可用于实际需要。

堆积层滑坡水动力位移耦合预测参数及其评价方法研究

在系统分析滑坡的物质组成和失稳动因的基础上,分析和研究了地下水在滑坡稳定性演化过程中的卸载与加载动力作用及其位移响应规律和特点。从非线性系统动力学角度,提出了运用地下水卸加载动力与位移响应耦合预测参数来评价边坡稳定性演化规律与失稳特征,即以地下水位变化量作为堆积层滑坡的卸加载动力参数,以相应的位移作为其卸加载响应参数,建立和确定了地下水卸加载动力与位移响应比预测参数与评价模型。同时,运用损伤力学基本原理,建立了其卸加载响应比与坡体损伤变量和稳定性系数的定量关系以及失稳判据。以三峡库区典型堆积层滑坡分析为例,运用地下水动力与位移耦合预测模型对其稳定性进行了分析与评价,发现地下水动力位移耦合预测参数变化与边坡稳定性实际动态演化规律基本吻合。研究成果表明,所确定的参数是水诱发型堆积层滑坡的一种有效位移动力评价参数,可运用该参数对该类滑坡的动态稳定性进行实时监测预警与评价。

基于ARIMA和GA-Elman神经网络的新疆年降水耦合预测研究

【目的】提高降水预报的预测精度,准确预测一个地区未来的降水量,可以提高该地区防灾减灾的能力,更好地为工农业生产生活提供决策参考。【方法】以年降水时间序列为研究对象,利用差分自回归移动平均(ARIMA)和GA-Elman神经网络技术建立一种耦合预测模型。该模型首先根据年降水时间序列建立ARIMA模型,拟合它的线性结构部分,基于原始降水序列和ARIMA模型的预测值、残差序列,利用GA-Elman神经网络技术进行耦合建模。将该模型应用于新疆年降水量的预测预报,并与单一的ARIMA模型、GA-Elman神经网络模型进行比较。【结果】耦合模型的归一化均方误差、平均绝对误差、后验差比值及小误差概率分别为0.287,9.581,0.241和1,均优于ARIMA模型、GA-Elman神经网络模型,预测精度得到了明显的提高,预测精度等级为好。【结论】基于ARIMA和GA-Elman神经网络的耦合预测模型具有更高的预测精度,可用于新疆的年降水量预报。

基于水化反应动力学的深水固井井筒温度与压力耦合预测模型

针对深水固井候凝期间水泥浆温度、压力与水化反应之间复杂的相互作用,基于水泥浆水化反应动力学建立深水固井候凝井筒温度压力耦合模型,利用差分法进行耦合数值求解,并将计算结果与实验及现场数据进行对比以验证模型的准确性。考虑水化反应、温度、压力之间的相互作用时,新建立的固井井筒温度压力耦合模型计算精度在5.6%以内,能够很好地满足工程要求。结合深水井开展数值模拟分析候凝期间井筒温度、压力、水化度的演化规律,研究结果表明:水泥浆温度在水化热作用下会迅速升高;随着水泥浆胶凝强度的发展,水泥浆的孔隙压力会逐渐降低,甚至低于地层压力,从而引发气窜;瞬态变化的温度和压力会影响水泥浆水化反应速率,井筒深部的水泥浆在高温高压环境下具有更快的水化反应速率;对于深水固井作业来说,泥线附近的低温环境会延长水泥浆的候凝时间,导致固井工作周期变长。

基于模糊聚类分析的综合管廊多灾种耦合预测模型

当下综合管廊灾害防护相关的研究十分匮乏,为此,该文设计基于模糊聚类分析的综合管廊多灾种耦合预测模型,先采用基于可变模糊聚类的综合管廊灾种样本聚类方法,将综合管廊中多个类型的灾种样本实施聚类;然后基于聚类后的灾种样本,通过基于模糊数学的多灾种耦合度模型,获取多个灾种之间的耦合关系;最后采用多灾耦合致灾风险预测方法实现综合管廊多灾种耦合预测。

农村水库库水涨落诱发山体建筑滑坡动力耦合预测

农村水库库水涨落诱发的山体建筑滑坡危险性加大,而且会危机水库边缘居民安全。对此,提出农村水库库水涨落诱发山体建筑滑坡动力耦合预测方法。农村水库库水水位涨落变化容易造成山体建筑滑坡、引发库区发生危险,因此对水库边缘进行渗流场的分析,得出了水库边缘渗透场的有限元分析参数方程,设计了水库边缘水位动力增量载荷位移响应比预测模型,对水库边缘稳定性受库水水位涨落的影响进行动力耦合预测分析。实验证明,运用改进方法能够对农村水库边缘的稳定性进行有效预测与分析。

灰色系统和分形几何耦合的边坡变形预测模型研究与应用

针对小样本观测数据边坡变形预测,提出一种基于灰色系统理论和分形几何耦合的分形预测模型。该模型利用灰色系统理论来对原来分形模型中的分形维数进行拟合预测,通过对比传统分形模型和预测耦合模型预测结果的准确性和稳定性。结果表明在现有小样本监测数据序列情况下,改进分形模型不仅在预测精度上比传统分形模型高,而且还具有一定的抗波动性能力,边坡变形预测的稳定性也有所提高。

利用PLSR-DNN耦合模型预测TBM净掘进速率

科学预测隧道掘进机(TBM)净掘进速率,对于隧道(洞)工程施工方法选择、施工进度安排以及成本估计具有重要意义。鉴于TBM施工过程具有高度非线性、模糊性和复杂性等特征,为提高TBM净掘进速率的预测精度和计算效率,采用偏最小二乘回归(PLSR)提取影响参数主成分,再利用深度神经网络(DNN)进行训练预测,提出了一种基于PLSR-DNN耦合方法的TBM净掘进速率预测模型。基于兰州水源地建设工程输水隧洞双护盾TBM施工实测数据,选择岩石单轴抗压强度、单轴抗拉强度、刀盘推力、刀盘转速、岩体完整性系数和岩石耐磨性指数,共6个影响参数,验证了模型预测的合理性,并对不同预测方法的拟合精度和预测精度进行了对比分析。研究结果表明:(1)偏最小二乘回归可有效克服自变量之间的多重共线性问题,将提取的主成分作为深度神经网络的输入层进行训练,简化了神经网络结构;(2)PLSR-DNN耦合预测模型避免了过拟合与拟合不足问题,具有收敛速度快,求解稳定和拟合精度高等特点;(3)PLSR-DNN耦合预测模型平均相对拟合误差2.96%,平均相对预测误差3.27%,其拟合精度和预测精度均明显高于偏最小二乘回归模型、BP神经网络模型以及支持向量回归(SVR)模型。

基于混沌分析的月径流序列耦合预测模型及其应用

针对北方地区月径流年内年际变化幅度大、单一方法难以预测以及径流时间序列预测时,非线性模型阶数难以确定的特点,提出基于混沌分析的月径流序列耦合预测模型。该模型从时频分析角度出发,把月径流序列分解成不同的频率成分,并以相空间重构为基础进行混沌分析,然后分别采用支持向量机进行预测。以淮河支流沙河上游某水库月径流预测为研究实例,得出了较满意的预测结果,为径流预测提供了一条新途径。

小波最近邻抽样回归耦合模型在三江平原年降水预测中的应用

近些年来,由于水田面积迅速增加,导致三江平原井灌水稻区地下水位普遍下降,"吊泵"、局部超采现象时有发生。为解决上述问题,以853农场为例,对实测年降水资料进行差分和标准化处理,采用小波理论和最近邻抽样技术进行耦合分析,建立了853农场年降水小波最近邻抽样回归耦合预测模型,精度检验和对比分析结果表明,模型有效性和可靠性较高。该模型揭示了区域年降水量的时间变化规律,为853农场乃至整个三江平原充分利用天然降水、合理制定水稻灌溉制度以及地下水资源的恢复和可持续利用提供了科学依据。

基于KPCA-CS-ELM耦合模型的煤与瓦斯突出强度预测

为准确、快速地预测煤与瓦斯突出强度,实现预防煤与瓦斯突出,提出构建基于KPCA-CS-ELM的突出强度耦合预测模型.根据煤与瓦斯突出动力系统,确定影响突出的相关基础参数;采用核主成分分析(KPCA)提取出非相关特征参数作为主成分序列;利用布谷鸟搜索算法(CS)对极限学习机(ELM)的输入权值和隐含层偏差进行优化,寻得最优预测模型,并与CS-ELM、ELM、SVM和BP等模型预测结果进行对比分析.结果表明:基于KPCA-CS-ELM的突出强度预测模型能充分挖掘突出样本数据内部隐含规律,有效诠释突出强度与其影响因素间的非线性关系;模型对突出强度的预测与实例具有很好的一致性,运行时间为1.2463 s,较其他模型具有精准的判识度和较高的泛化能力.

小波随机耦合模型在胖头泡蓄滞洪区年降水量预测中的应用

以胖头泡蓄滞洪区为例,对实测年降水资料进行差分和标准化处理,采用小波理论和随机水文学方法进行耦合分析,建立了年降水小波随机耦合模型,精度检验结果表明,模型有效性和可靠性较高。该模型揭示了区域年降水量的时间变化规律,为胖头泡蓄滞洪区充分利用天然降水、合理调蓄洪水及配置地下水资源提供了科学依据。

城市水资源需求量预测Logistic-ARIMA耦合模型

将城区用水量的非平稳时序分解为趋势项和残差项两部分,对趋势项用Logistic成长曲线函数拟合,对残差项用ARIMA模型拟合,再将两者预测值进行叠加,建立城市水资源需求量预测Logistic-ARIMA耦合预测模型。将Logistic-ARIMA耦合预测模型应用于H市,结果表明,耦合预测模型能提高预测的精度,在现阶段对城市用水量预测时采用Logistic-ARIMA耦合模型是可行的。

基于灰色-ARIMA耦合模型的中国发电量短期预测

针对国内发电量的持续增长现象,基于中国2012—2021年的发电量数据,使用新陈代谢GM(1,1)模型与阻尼趋势模型耦合所得的灰色-ARIMA耦合模型,对中国2022—2030年的短期发电量进行预测。比较新陈代谢GM(1,1)、传统GM(1,1)与新信息GM(1,1)模型的试验结果,将误差平方和最小的模型与ARIMA模型耦合,引入时间序列分析来拟合发电量,构建等权的灰色-ARIMA耦合预测模型,得到2022—2030年发电量的可靠耦合预测数据,具有一定的鲁棒性。为中国制定新能源措施和发展规划,实现碳中和、碳达峰及可持续发展具有重要的借鉴意义。

基于IVDF-SVR耦合模型的边坡变形预测

针对改进变维分形在分形维数进行拟合预测中的不足,提出一种基于改进变维分形理论(IVDF)和支持向量回归机(SVR)理论耦合的分形预测模型。该模型利用支持向量回归机(SVR)理论来对原来改进变维分形模型中分形维数序列进行拟合预测。以茅坪滑坡的边坡位移监测数据为例,选取ln(r)-ln(S1)累计和序列分维分段曲线作为预测模型的分形参数曲线,先利用改进变维分形模型计算各曲线的分段分形维数,进而预测边坡的位移值,再利用IVDF-SVR耦合模型计算各曲线的分段分形维数,进而预测边坡的位移值。预测结果表明,IVDF-SVR耦合模型充分利用了分形理论的自相似性,使预测模型具有良好的抗噪性,同时结合SVR理论的自学习能力,可以实现小样本、非线性条件下的数据拟合与预测的优势,使得该模型能够达到较好的预测长度和较高的预测精度,有着较好的应用前景。

859农场地下水位预测的小波最近邻抽样回归耦合模型

建立了859农场地下水小波最近邻抽样回归耦合预测模型,结果表明:模型有效性和可靠性较高,揭示了区域年降水量的时间变化规律。

基于态势感知的配电网空间负荷预测系统

针对动态地区配电网空间负荷优化预测问题,设计了一种基于实时自控态势感知的配电网空间负荷预测系统。首先构建配电网空间负荷预测目标决策要素经验池;然后利用深度长短期神经网络对配电网历史运行数据集进行处理,实现配电网实时自控态势感知;最后利用深度确定性策略梯度算法构建空间负荷预测与目标决策要素经验池之间的耦合模型,实现配电网空间负荷高效精准预测。对模型展开了实际算例分析,多类型配网供电区域场景下配电网空间负荷预测精度达到91.03%,多类型配网供电区域场景下配电网空间负荷预测效率提高了23.71%。

旅游产业-区域经济-生态环境耦合协调度分析及趋势预测研究——以江苏省南京市为例

文章运用耦合协调模型定量测度南京市复合系统耦合协调关系,并借助灰色预测模型GM(1,1)预测未来三年复合系统的耦合协调度。结果表明:南京市生态环境与旅游产业、区域经济子系统的负相关效应较强;2011年-2019年复合系统的耦合协调度跨越进入良好协调阶段,但2020年跌入中级协调;预测2021年-2024年复合系统的耦合协调度会继续提升,并于2023年进入优质协调阶段。

双轴联动系统广义预测交叉耦合位置控制

在双轴联动系统中,减小轮廓误差和提高轨迹跟踪的能力是位置控制的主要目标.为提高轨迹跟踪的稳态精度和动态性能,本文提出了双轴广义预测交叉耦合控制策略(generalized predictive cross-coupling control,GPCCC).首先将广义预测算法应用于双轴联动控制中,根据已知轨迹进行多步预测、滚动优化和反馈校正来提高双轴控制性能,其次采用交叉耦合结构将轮廓误差作为反馈量来修正广义预测控制的给定轨迹.最后,通过两台永磁同步电机驱动的双轴联动系统完成实验,实验效果证明了所提出的控制策略在保证轨迹跟踪精度的同时,可以有效提高动态响应速度,尤其在轨迹转折点处,相比于传统PID交叉耦合结构,可以明显减小轮廓误差.