基于Informer神经网络的锂离子电池容量退化轨迹预测

通过对锂离子电池容量退化轨迹的精确预测可以大幅提升电池材料的研究效率。针对Transformer网络在锂电池容量退化轨迹预测这种长时间序列预测任务中存在的问题,本工作采用滑动窗口策略,构建了一种基于Informer网络的锂离子电池容量退化轨迹预测方法。首先,利用滑动窗口对数据集进行划分和再拼接,便于神经网络挖掘数据序列内部的相关性;然后,根据Informer网络的周期性时间特征捕捉能力设计适用于锂电池数据的全局时间戳;最后,使用前10%容量数据通过多步滚动预测方法实现模型输出,缓解预测中的误差累积问题,进而得到完整的预测轨迹。通过选取不同的误差评价指标和训练过程中的时间开销,在美国马里兰大学提供的锂电池数据集上验证了所建立模型的准确性和训练效率,并在美国航空航天局提供的电池数据集上验证了模型的泛用性。本工作模型的预测结果与多层感知机神经网络、循环神经网络及Transformer网络模型对比,退化轨迹与真实轨迹最为拟合,且训练时间开销小,预测结果的平均绝对误差和均方根误差控制在2.57%和3.5%,验证了所提预测方法的有效性。

集合预报降雨信息在寸滩-三峡区间的精度评价和可利用性评估

降雨数值预报在预防极端天气和其他气象事件方面具有重要作用。通过提供可靠的概率预报,可以更准确地描述预报结果的不确定性,为决策者提供科学依据,从而提高应用价值和经济价值。以寸滩-三峡区间为研究对象,根据TIGGE资料中的ECMWF和NCEP 2种模式,对2020-2022年(5-10月)逐日降水集合预报信息的精度进行评估。首先,采用Talagrand分布和Brier评分来评估不同预见期的集合预报能力;然后,采用贝叶斯模型平均(Bayesian model averaging,BMA)来修正集合预报;最后,对不同预见期的BMA修正值和实际降雨值之间的误差进行分析。结果显示:ECMWF和NCEP 2种模式的预报能力随预见期的增加逐渐下降,在不同预见期下,通过BMA修正后的降雨预报值具有更高的精度。

基于Ansys疲劳分析的桥式起重机寿命预估

桥式起重机作为工业领域广泛应用的设备,其寿命预估对于推进基础工业发展、降低使用成本具有重要作用。基于Palmgrem-Miner线性累积损伤理论,估算交变应力幅下安全疲劳寿命,采用Ansys计算软件,选取了一台桥式起重机进行仿真分析,对起重机使用寿命进行了预估。结果表明,该方法计算准确,为桥式起重机的理论设计寿命提供了一种计算思路。

基于SOM特征聚类及RBF神经网络的电力负荷预测方法研究

为了提高电力系统负荷预测的精度,维护电力系统运行的安全稳定性,提出一种基于特征向量的自组织映射聚类和改进的径向基函数神经网络相结合的电力负荷预测模型。通过提取能够体现每日电力负荷特性的特征向量,对样本进行聚类,采用具有相似特征的数据作为神经网络的训练样本,提高了样本规律性。采用粒子群算法(particle swarm optimization,PSO)修正神经网络粒子群速度及位置,以克服梯度下降、局部最优等问题对网络预测精度的影响。基于某地配电网电力负荷数据,验证了所提模型的有效性及良好的适应性。

Equation Discovery for Financial Forcasting in Context of Islamic Banking

This paper describes an equation discovery approach based on machine learning using LAGRAMGE as an equation discovery tool, with two sources of input, a dataset and model presented in context-free grammar. The approach is searching a large range of po- tential equations by a specific inodel. The parameters of the equation are fitted to find the best equations. The experiments are illustratedwith commodity prices from the London Metal Exchange for the period of January-October 2009. The outputs of the experiments are a large mumber of equations; some of the equations display that the predicted prices are following the market trends in perfect patterns.

电离层探测及模化技术研究综述

电离层作为日地空间环境的重要组成部分,会对穿越其中的无线电波产生折射、反射、散射和吸收等效应,从而影响卫星导航、通信、雷达等诸多无线电信息系统的性能.利用各类技术手段来探测电离层的特征参量,揭示其内含的变化规律,并在此基础上构建出满足空间科学研究与系统应用的电离层模型,具有重要的价值.本文首先介绍了现有常用的地基和天基电离层探测手段;其次,调研总结了国内外在经验电离层模型、理论电离层模型、数据驱动电离层模型及机器学习建模方面的发展现状;再次,给出了导航系统电离层单频延迟修正、雷达系统电离层折射误差修正和通信/导航系统信号闪烁中断预警等三个典型应用场景中的电离层模型开发情况;最后,对电离层探测和模化技术的发展趋势进行了分析.

基于时序影像及不同模型的玉米早期估产研究

针对目前粮食产量定量评估模型泛化能力不足、预测时间滞后以及早期估产时间窗口难以确定等问题,以Sentinel-2遥感数据和实测玉米产量作为数据源,开展县域尺度玉米估产及早期最优估产时间窗口确定研究。基于玉米生长期内的时序影像数据集,通过玉米产量实测数据与影像植被指数建立相关关系,并采用MLRM(多元线性回归模型),GPR(高斯过程回归模型),LSTM(长短期记忆人工神经网络模型),建立玉米时序估产模型。实验结果表明,基于LSTM在NDVI、GNDVI、以及GN(NDVI与GNDVI组合)这三种植被指数作为参数建立的时序估产模型中,无论在估产精度,模型可靠性、产量异常值捕捉、以及早期最优估产时间窗口确定等方面均优于基于GPR、MLRM建立的时序估产模型。同时基于LSTM时序估产模型,采用截止到抽雄期的NDVI时序影像数据作为参数,其结果的决定系数R^(2)可达0.83、均方根误差RMSE为0.26 t·ha^(-1)、相对分析误差RPD为3.52;GNDVI时序影像数据作为参数,其结果的决定系数R^(2)为0.79、均方根误差RMSE为0.30 t·ha^(-1)、相对分析误差RPD为2.87;以GN时序影像数据作为参数,其结果决定系数R^(2)为0.83、均方根误差RMSE为0.27 t·ha^(-1)、相对分析误差RPD为3.05;以NDVI作为LSTM模型参数的估产效果最优,相较于玉米收获期可提前2个月就能预测当年的玉米产量,对于县域尺度玉米产量预报具有一定的现实意义,同时也为类似作物的估产研究提供相关参考。

GNSS测得的大地震前兆水平形变

以21世纪全球各具特色且最典型的6次大地震,尤其是巨大地震前后GNSS观测得到的地壳水平形变为重点,回顾探寻前兆形变,探索地震预测预报。6次地震为:2008年汶川8.0级、2010年智利8.8级、2011年东日本9.0级、2015年尼泊尔8.1级、2016年日本九州岛7.3级地震及2023年土耳其7.8级双震。地壳形变是物理问题,区域参考框架是利用GNSS连续观测研究前兆位移物理问题的基本前提,而同震水平位移是探寻前兆形变的关键现象。大震前震中及其附近既无明显的垂直位移积累,也无明显的水平剪切位移积累。大地震震中及其附近前兆水平位移主要有两种形态,水平位移达到峰值或为闭锁;但近震中震前介质已非弹性,仅远场介质为弹性。GNSS观测结果表明震前震中主要为水平挤压,震时产生剪切破裂,这与岩石破裂实验结果一致,因此“压-剪”(弹性)回跳模型符合GNSS观测结果,但至今仅获得少数地震短临前兆形变观测结果。GNSS依然是探索地震预测的主要观测手段,但由于与地震断层破裂临界状态密切相关,利用各种观测技术探索地震断层破裂的临界现象,即地震短临前兆,是突破地震短临预报的关键,仍需要利用多学科各种观测技术。

基于图卷积神经网络与K-means聚类的居民用户集群短期负荷预测

随着智能电表等高级量测装置在用户侧的广泛部署与使用,海量多源异构的居民用户数据得以采集与存储,为用户级负荷预测提供良好的数据基础。精准的居民用户集群负荷预测是促进智能配电网需求侧管理、辅助电网公司实现削峰填谷的重要基础。然而,现有的用户级负荷预测方法大多利用历史负荷序列的时间相关性构建数据驱动模型,却忽视相邻用户用电行为之间存在的潜在空间相关性。因此,提出一种基于K-means聚类和自适应时空同步图卷积神经网络的居民用户集群负荷预测方法。首先,采用K-means聚类将居民用户集群按照用电行为相似性划分成不同组;然后,基于居民用户集群的分组数量、各组居民用户的历史负荷数据以及各组居民用户负荷序列之间的相关性,构建面向居民用户集群负荷预测的时空图数据;最后,使用自适应时空同步图卷积神经网络实现居民用户集群短期负荷预测。文章通过真实的爱尔兰居民用户负荷公开数据集测试并验证所提方法的准确性和有效性,实验结果表明,相较于各个基准预测方法,所提方法能够充分挖掘并利用不同居民用户用电负荷之间的时空相关性,进而提高居民用户集群负荷预测精度。

资本市场动态博弈、信息不对称与企业创新——基于分析师预测视角

本文基于信号传递理论探讨资本市场中投资者、企业决策者和分析师的动态博弈,并通过实证检验揭示分析师预测是否会促进企业创新。研究结果表明,分析师预测覆盖率的提高和数量的增加能为企业带来信息效应,从而缓解融资约束并促进企业创新;但分析师预测对每股收益的关注会对企业形成压力效应,引起企业管理层短视,从而抑制企业创新。进一步研究发现,机构投资者的实地调研频率增加会增强分析师预测报告的信息效应并削弱压力效应。本文的结论为分析师改进预测报告、消弭资本市场动态博弈中的信息不对称提供了借鉴。

超短期风力发电量预测技术及其比较分析

风力发电作为清洁绿色的新能源,是实现“双碳”目标的主力军之一,但是其对新能源消纳系统提出了新要求,故对风力发电量的科学分析和精确预测研究具有现实意义。首先,对风电多维历史数据属性、特点和离群值、噪声平滑等进行分析与预处理,再通过2种回归树集成和4种回归神经网络及其超参数优化算法对不同机组数据进行回归分析,超参数优化运行时间代价较高。回归拟合效果通过5个评价指标进行对比与分析,经过大量仿真实验,证明了三层神经网络的回归模型拟合和预测效果均较好。

基于SGMD的CNN-BiGRU光伏功率预测

为准确预测光伏电站的发电功率,帮助电网调度部门制定合理的调度计划,文章提出一种基于SGMD(Symplectic Geometry Mode Decomposition)、CNN(Convolutional Neural Networks)和BiGRU(Bidirectional Gate Recurrent Unit)的光伏发电功率预测模型。首先,利用辛几何分解将历史功率分解为不同模态;其次,结合天气数据输入CNN-BiGRU组合模型进行预测;最后,将预测结果整合。该模型选用新疆某光伏电站2019年运行数据分别在短期与中长期不同预测范围内进行预测实验,实验结果表明,此模型的通用性和辛几何分解算法在提高光伏功率预测精度上具有一定的研究价值。

中国农业航空植保产业技术创新发展战略

农业航空是现代农业的重要组成部分和反映农业现代化水平的重要标志之一。该文在分析中国农业现代化建设中对航空植保技术的需求及国内外航空植保发展现状的基础上,对中国航空植保产业体系进行了深入剖析。指出了制约中国农业航空植保产业发展的主要问题,包括现有农业航空政策法规体系不完善、配套核心科学技术研究不足、专业队伍人才匮乏、社会化服务体系不健全、与农业航空相适应的农田作业环境基础建设被忽略、制度上缺少支持农业航空发展的公益性安排等。并从提高航空植保作业适应性的多机型多作业方式、加大资金投入增强配套核心科学技术的攻关、以及出台有针对性的政策加强管理和规范等方面提出了大力推进中国农业航空植保产业快速健康发展的战略及对策建议。最后对未来3个五年计划内中国对航空植保技术的需求情况进行了预测。分析预测表明,中国农业航空产业是一个尚未真正启动的大产业,未来中国农业航空市场的需求将会有爆发性增长,拉动新增机型投入将达到465亿元以上。随着相关制度及配套核心技术的不断完善,中国农业航空产业必将得到健康、有序和高速发展,有利于实现农业病虫害统防统治,实现精准作业,极大地提速中国现代农业的进程。

微地震监测技术在矿井灾害防治中的应用

煤矿中发生的岩爆、煤和瓦斯突出、出水等地质灾害 ,与岩体中的微地震现象有着必然的联系。首先介绍了微观尺度下声发射的力学机理。其次通过对微地震现象的定位和一些参数如频率、能量、分维数等的分析 ,说明了它们在灾害预报中的作用。已有的观测结果表明 ,频率的降低、大能量事件发生和分维数的减少都预示着地质灾害即将发生 ;然后归纳了采矿活动导致的岩石破裂产生的微震的力学机理 ,可分为高垂直应力、低侧压 ,高侧压、低垂直应力等 4种剪切类型 ;最后介绍了澳大利亚联邦科学与工业研究组织 (CSIRO)与我国的兴隆庄煤矿进行的微地震方面的研究与合作 。

基于气象预报的参考作物蒸发蒸腾量的神经网络预测模型

参考作物蒸发蒸腾量(ET0)是进行实时灌溉预报和农田水分管理的主要参数,BP神经网络能够较好地反映ET0与诸影响因素间复杂的非线性关系。本文将ET0看作时间序列,选取前3日ET0作为影响因子,以天气预报可测因子包括最高、最低和日平均温度、反映天气类型的阴晴指数、日序数和风力等级进行修正,建立了三层BP神经网络模型。选取江苏射阳站2003与2004年气象资料,应用Matlab神经网络工具箱,采用trainer算法进行模型训练与预测。结果证明,所建模型能够很好地反映诸多影响因子与ET0之间的关系,具有较高的模拟精度和较好的泛化能力。

图们江地区水环境质量研究

图们江地区５条河流１８个断面水环境质量研究表明，本区地表水污染比较严重，大部分河流断面水质在Ⅳ、Ⅴ级水平，只有珲春河水质优于Ⅲ级。除布尔哈通河水质继续呈下降趋势外，其它河流污染水平基本得到了控制。河流污染物比较固定，主要是ＳＳ、ＣＯＤ、ＢＯＤ、ＡＲ－ＯＨ、Ｎ－ＮＨａ。主要污染行业是化纤业、造纸业和矿业。在区域开发的激励模式下，工业总产值增长率＞２５％时，其污染物负荷将超出水环境的承受能力，在制定本区开发战略时必须制定相应的环境保护对策。使经济、社会、环境得到协调发展。

卫星云迹风资料对中尺度数值模式初始风场改进试验

应用GMS-5静止气象卫星云图导出的风场产品—云迹风资料对中尺度η坐标有限区域数值模式(REM)的初始风场进行改进处理,模拟了2001年7月27—28日、28—29日的降水过程,并且与没有云迹风改进的数值模拟的降水结果进行对比分析。研究结果表明,卫星云图导出的云迹风场资料同化到数值模式,从而改善因测站稀疏造成的中小尺度系统漏报的不足,提高降水的预报精度。

肾综合征出血热与气象因子相关性分析及其预报研究

目的根据连云港赣榆县1990～2002年的气象资料及肾综合征出血热(HFRS)的发病情况,探讨气象因子对HFRS高发区发病率的影响及其相关性,并建立基于气象因子的HFRS发生的预测预报模型。方法用数据处理软件SAS的相关性分析工具和多重线性回归模型。结果以湿度(x1)、日照(x2)、降水(x3)、平均温度(x4)和最低气温(x6)等气象因子为自变量,HFRS发病率为因变量,采用强迫引入法和逐步回归法,分别建立回归方程,y=8.766+0.148x1+0.015x2-0.028x3-0.567x4(①),复相关系数(r)=0.45及y=1.742-0.054x6(②),复相关系数(r)=0.44,经t检验,呈显著相关。结论方程②可作为HFRS的预测预报模型,同时进行了区间估计,证实可行。

年径流预测的灰色自记忆模型

将灰色系统建模方法和自记忆建模结合起来,提出了年径流预测的灰色自记忆模型。实例研究表明,灰色自记忆模型能很好地反映动态数据序列的极值趋势,且具有较满意的拟合及预报精度。

GPS在现今地壳运动与地震监测中的初步应用

以“中国地壳运动观测网络”科学工程项目产出的GPS观测资料为基础 ,采用球坐标系下非连续变形算法对资料进一步做了形变计算 ,以此为基础 ,对我国大陆地块及其边界带运动与形变进行了分析。对GPS基准站的连续观测序列采用小波变换进行分解变换 ,分析了部分震例 ,探讨了GPS连续观测序列提取地震前兆的方法。