给水管网神经网络模型数据预处理方法探讨

针对给水管网的神经网络工况宏观模型结构过于复杂、精度不高等问题提出改善神经网络输入数据的预处理方法。输入中增加测压点压力及水塔水位数据,建立节点压力和整个管网状态之间的必然联系。采用时间序列分析方法筛选神经网络的输入数据,合理选择输入成分及各成分的滞后组分,简化模型的结构。采用分布归一化处理方法,提高模型的识别能力。编制相应软件,对某海滨城市给水管网进行工况模拟,结果与实际值较为一致,能够真实反应节点的运行状态。

合肥市平均气温动态变化的非平稳时序分析

近100多年来，全球平均气温经历了冷-暖-冷-暖2次波动，总体上为上升趋势。进入20世纪80年代后，全球气温明显上升。1981～1990年全球平均气温比100年前上升了0．48℃，近年来气候变化也有越来越恶劣的趋势。利用时间序列分析建立非平稳时序模型，研究自1985～2009年合肥市平均气温动态变化数据，对合肥市近25年来的气候变化进行分析，通过数据的分析处理，建立拟合函数进行预测，希望对未来合肥市气温变化提供参考。

小平岛海区雾季雾的统计特征分析及预报

利用小平岛观测站1993～2002年10年雾季(4～7月)的气象资料,分析了小平岛海区雾季雾的气候统计特征;采用0-1时间序列周期分析的方法,对雾的持续时间进行了讨论;利用双向差分模式建模,并进行外延,预报未来出雾的日期,结果较为理想。作为该海区雾的短期预报试验,结果令人鼓舞。

风速时间序列混沌判定方法比较研究

混沌识别是对非线性时间序列进行混沌预测的前提。针对时间序列风速确定性与随机性相结合的复杂非线性特征,研究了不同的混沌识别方法,并对风速时间序列进行混沌特征识别。应用随机噪声、周期运动及经典混沌系统的时间序列对所选方法进行可靠性验证。对美国国家风能研究中心M2测风塔实测时间序列风速数据进行非线性混沌特征识别。结果表明：风速时间序列具有明显的混沌特征;各风速时间序列表现出不同程度的混沌特征;各混沌识别方法对风速时间序列混沌特征的表达形式不同,互为补充,相互验证。