A SIMILARITY SCHEME FOR QUANTITATIVE FORECAST OF PRECIPITATION OF TYPHOONS

A quantitative scheme is put forward in our work of forecasting the storm rainfall of typhoons for specific sites.Using the initial parameters,weather situations and physical quantities as well as numerical weather prediction products,the scheme constructs multivariate,objective and similarity criteria for environmental factors for the time between the current and forthcoming moment within the domain of forecast.Through defining a non-linear similarity index,this work presents a comprehensive assessment of the similarity between historical samples of typhoons and those being forecast in terms of continuous dynamic states under the multivariate criteria in order to identify similar samples.The historical rainfall records of the similar samples are used to run weighted summarization of the similarity index to determine site-specific and quantitative forecasts of future typhoon rainfall.Samples resembling the typhoon being forecast are selected by defining a non-linear similarity index composed of multiple criteria.Trial tests have demonstrated that this scheme has positive prediction skill.

融合相似预报方法在陇东南短期强降水预报中的应用

基于逐步过滤相似法和自组织映射(SOM)神经网络方法,提出了一种融合相似预报方法。利用ECMWF模式预报产品、ERA5再分析资料和地面气象台站观测数据,使用该方法对2021-2022年陇东南地区开展了时效为72 h的强降水预报试验,并对预报效果进行了检验。结果表明:(1)融合相似预报方法的TS评分处于4.5%~9.1%之间,与ECMWF模式预报结果相比表现出一定的优势。随着预报时效的增长,强降水预报的TS评分呈现减小的趋势,其在08:00(北京时,下同)起报的TS评分相对较高。(2)相比于单独使用逐步过滤相似预报,融合相似预报方法的准确性有所提升,并能在一定程度上降低空报率。其中08:00起报和20:00起报的TS评分提高了1.31%和0.63%,而FAR同时下降了2.39%和1.25%。

电力负荷与气象因子因果关系分析及预测研究

短期电力负荷预测是电力部门生产调度的重要参考,不同地区影响电力负荷的因素有所不同,因此,为探索电力负荷与气象因子之间的因果关系,以某变电站逐小时电力负荷和气象要素数据为基础,采用格兰杰因果检验分析气象要素与电力负荷的因果关系。采用ADF检验验证气象因子与电力负荷数据的平稳性,将通过ADF检验的平稳性变量进行格兰杰因果检验。结果显示,温度、相对湿度和风速均是电力负荷的格兰杰原因,温度和相对湿度对电力负荷变化的影响是实时的,风速对电力负荷变化的影响具有1 h以上的滞后性。采用灰色关联度和余弦相似度建立综合相似性指标,基于相似日法提出一种短期电力负荷预测模型,以2018—2020年的气象数据和电力负荷数据作为样本库,采用2021年的数据对模型预测准确性进行检验。经验证,模型在天气因子变化不明显或变化缓慢情况下预测准确率为90%以上,可作为电力部门生产调度参考。

T213数值预报产品在本地降水预报中的释用

利用最新的准2 a国内T213数值预报产品资料和实时地面降水观测资料,筛选出物理量因子,运用动力相似预报方法,经过统计分析,建立了江苏省未来12 h^3 d(12~72 h)降水的预报系统,对预报员制作天气预报有一定的参考价值。该方法的应用软件实现了降水的自动、客观、定时、定点、定量预报,目前已经投入业务使用。

常用相似性判据的检验和综合相似系数的使用

文章对相似预报方法常用的几个相似性判据作了客观检验和讨论 ,同时提出了综合相似系数 ,2 0 0 0年 6～ 8月黄淮主汛期郑州市气象台降水预报业务现场试验表明 ,综合相似系数在降水相似预报和 2

中期延伸天气预报方法研究

针对未来8—17 d中期预报方法短缺的现状,将数值预报产品与历史资料有效结合和应用,以天气学、统计学为基础,通过关键区相似预报等方法,研制出了一种通过计算环流相似和气候概率实现中期延伸预报的方法。结果表明:中期延伸天气预报方法能够反映未来天气演变和降水、气温的总体变化趋势。经过检验,认为可以应用于中期天气预报业务。

基于粗糙集的光伏输出功率组合预测模型

光伏输出功率预报是减小光伏发电系统并网对电网造成不良影响的有效手段,提高预测的精度是保障光伏功率预报的重要基础。提出了基于粗糙集的组合预测模型。首先建立基于相似日、支持向量机和持续法的3种单一预测模型,然后根据粗糙集理论中确定属性重要度的方法确定单一预测模型的组合权重,建立了基于粗糙集的组合预测模型。仿真结果表明,采用粗糙集的相关理论能得到合理的组合权重,建立的光伏功率组合预测模型具有更高的预测精度。

基于相似预报法的宁夏雷电潜势预报业务系统

以宁夏雷暴、闪电观测资料和ECMWF、T213数值预报产品为基础,采用VB、VC语言和MS SQL Server数据库等编程技术,研制开发了基于相似预报法的宁夏雷电潜势预报业务系统。系统在客观形势相似和影响系统判别的基础上进行物理量相似离度分析,可提供0～168h环流形势和物理量相似预报结果,并以相似离度最小的前10(20)个最佳相似个例中的一个作为预报蓝本,以人机交互的方式完成0～12h雷电潜势预报的制作与分发,增强了雷电潜势预报的客观化和自动化;实现了历史雷电数据的查询、统计、输出、保存、添加入库及闪电信息的统计显示等功能,成为宁夏雷电潜势预报制作发布的主要工作平台。

基于模糊聚类与函数小波核回归的短期负荷预测方法

短期负荷预测日益成为智能电网的重要课题。将历史日负荷序列表示成等负荷段组成的子序列集合,基于模式相似性方法,采用模糊聚类与函数型小波核非参数回归(FWKNR)相结合的组合预测算法。FWKNR将预测日负荷表示成历史日相应负荷段的加权平均值,将与参考段更相似的段赋予更高权重,并基于离散小波变换的形状相似性度量,采用N-WE计算权重;由预测日各分段预测快速完成日预测。模糊聚类针对单一用户历史负荷进行典型负荷模式的分类预处理,并识别与预测日有更相似行为模式约减的有效训练样本集合参与模型预测。基于某地区实际负荷数据,实验比较分析验证了组合算法的优越性。

基于灰色投影改进随机森林算法的电力系统短期负荷预测

针对短期负荷预测领域传统的机器学习算法(如人工神经网络、支持向量机等)存在的诸如泛化性能不强、参数和模型结构确定困难等问题,将随机森林回归算法引入短期负荷预测领域。同时应用投影原理改进了传统的灰色关联相似日选取算法,提出了一种基于灰色投影改进随机森林算法的电力系统短期负荷预测组合方法。基于灰色投影的相似日选取方法,采用灰色关联度判断矩阵表征历史样本与待预测日影响因素间的关联关系,并用熵权法确立影响因素的权重对判断矩阵加权,最后利用各个样本关联度投影值排序得到相似日集合。采用随机森林算法建立预测模型,利用灰色投影筛选出的相似日样本集合训练模型,最后输入预测日特征向量(天气预报数值、日类型等)完成预测。以浙江电网某县级市的负荷数据作为实际算例,并将上述方法与支持向量机方法以及未作灰色投影改进的随机森林算法进行对比。实验结果表明,新方法具有较高的预测精度和鲁棒性。

集对理论聚类分析法综合预测煤与瓦斯突出

基于集对理论和聚类分析相结合的方法,将现行的钻屑指标法、钻孔瓦斯涌出初速度法、电磁辐射法和单项指标法等单因素单数值预测煤与瓦斯突出的方法和指标,通过集对理论综合运用一个具体的集对联系度数学模型表达出来,结合系统聚类分析思想,通过计算预测系统联系度之间的同异反距离,按照同异反模式识别的"择近原则",来辨别待测样本系统所属的类别,从而进行多因素综合预测煤与瓦斯突出。通过以焦作九里山矿巷道掘进工作面为例,应用综合预测模型计算分析煤与瓦斯突出预测指标的实例数据,结合相似权计算法确定各指标因素权重,提高预测模型精度,预测结果符合现场实际情况,取得了良好的预测效果。

相似-动力方法在动力延伸预报产品释用方法中的应用研究

在分析过去基于统计—动力月降水距平百分率预报方程基础上,建立了以500 hPa月平均高度场为核心的相似—动力月降水预报方程。以安徽省1998—2004年各月的降水为预报对象,发现该方法对安徽省月降水预报具有一定的预报能力。文中指出该方法对安徽省每年3月、11月月降水预报效果较好,6月、10月月降水预报效果较差;由于引起1999年气候异常的原因有其独特性,导致无法选择到足够合适的历史资料来反演方程的系数,这可能是1999年月降水预报结果相对较差的主要原因。

自组织模式识别与经济预测

基于自组织数据挖掘方法与经济预测原则,提出了自组织模式识别方法。该方法的主要特点是在几个相似模式的合成中使用了数据分组处理方法自动合成技术,实际应用于经济预测时比传统意义上的预测方法方便。实例表明了它在经济预测中的有效性。同时,使用增加同类经济对象样本数据的方法,解决了样本数据不足的问题.

基于气象相似度与马尔科夫链的光伏发电预测方法

针对目前光伏发电预测中实用性较低、预测精度不高、气象条件利用不充分和预测跟踪性能较差等现象,设计出基于气象相似度与五状态马尔科夫链的光伏发电预测方法。该方法利用神经网络建立气象相似度—发电量相似度的过渡模型,用该模型预测可获得预测日发电量的预测结果,最后分别用三状态和五状态的马尔科夫链修正预测结果。实验结果表明:相比不充分利用气象条件的神经网络预测方法,基于气象相似度与五状态马尔科夫链的光伏发电预测方法具有较高的预测精度、实用性和良好的预测跟踪性能。

基于多种度量的电离层TEC混沌预测分析

利用东经120°,北纬45°上空的2008年年积日101～150d时间段内共600个电离层格网TEC数据为时间序列样本,分析了该点上空电离层TEC参数的混沌特性,发现其关联维数为2.2632,嵌入维数为5,最大Lyapunov指数为λ=0.0833,表明该点上空电离层TEC时间序列具有混沌的特征,存在混沌现象.采用加权一阶局域法对TEC时间序列进行预测时,在有效预报尺度内,利用各种度量进行预报得到的中误差都随着预报天数的增加而逐渐增大,但预报的相对误差却是在一定幅度范围内上下波动.采用四种距离度量以及皮尔森相关系数和Jaccard相似系数进行预报,其预测结果或者平均中误差较大,或者平均相对误差较大,结果不理想.其中,采用标准化欧氏距离得到的平均中误差最大,达到5.107TECU,而采用皮尔森相关系数得到的平均中误差最小,为5.078TECU;对于平均相对误差而言,由切比雪夫距离得到的平均相对误差最大,为0.185,而Jaccard相似系数得到的平均相对误差最小,为0.166.而采用余弦相似度得到的预测结果,其平均中误差和平均相对误差都很小,分别为5.079TECU和0.167.因此,在一阶局域混沌预测时,采用余弦相似度作为衡量相空间轨迹的差异性是较为合适的.

基于相似日的96点短期负荷预测实用方法及其应用

短期负荷预测是各供电分公司调度部门的基础性工作,96点日负荷预测采用模式识别中的聚类分析方法,对影响负荷的不同相关因素建立历史映射数据库,在不同日之间计算相关度而得到相似日,并在相似日的基础上采用线性外推法得到预测日的对应负荷。文章对奉贤地区三月份某一周的负荷数据做了预测验证,通过比较分析,表明该方法具有较高的精确度和较强的工程实用价值,不但减少了负荷预测对人的经验的依赖,而且应用简便、有效。

基于类比法的短生命周期产品需求扩散预测研究

为解决短生命周期产品因缺乏历史数据导致其需求扩散预测难的问题,构建了类比产品相似度度量方法和改进Bass模型,在此基础上提出基于类比法的短生命周期产品需求扩散预测方法,并根据该方法得到相应数理模型。以2011~2016年华谊兄弟出品的20部电影产品为例,对所建模型进行验证,并与3个对比模型的预测精度进行比较。结果显示,本研究的预测精度最高。得出结论:本研究提出的基于类比法的需求扩散预测方法更适用于短生命周期产品。

基于DGM(1，1)的成败型系统可靠性增长Bayes评价模型

针对有多个研制阶段的成败型系统,提出了一种可靠性增长的Bayes评定模型。该模型首先根据Laplace检验,确定系统的可靠性是否增长;然后根据各个阶段可靠度的点估计,运用DGM(1,1)模型对现场试验的可靠度进行预测,得到验前信息,再运用列联表分析计算验前信息与现场试验信息的相似程度;最后,结合Bayes方法对验前信息和现场信息进行融合,在给定的置信度下,得到系统的可靠度置信下限。实例分析表明了该模型的有效性。

组合权重相似日选取方法及光伏输出功率预测

提出一种光伏功率预测方法,该方法利用相似变量的基值点误差,采用组合权重法求取相似误差,确定相似日,然后将相似日的输出功率按不同权重系数加权得到预测功率。根据最小鉴别信息原理,将主观权重和客观熵权有效融合获得相似日选取的组合权重系数,功率权重系数按相似性指标生成。某光伏电站实测数据算例仿真表明,所提方法可选出相似度高的相似日,提高了光伏输出功率的预测精度。

基于加权余弦相似度与极限学习机的电力负荷短期预测

为提高电力系统管理的效率,提出一种基于加权余弦相似度与极限学习机(extreme tearning machine, ELM)的电力负荷短期预测设计。通过熵权法对电力负荷相关物理信息进行权重分配,获得的权重赋予到余弦相似度中,利用加权余弦相似度对历史日与待测日的电负荷数据进行相似度选取,筛选数据作为极限学习机的输入,提高极限学习机回归模型的精度,最终获取电力负荷预测。实验分析与反向传播BP(back propagation)神经网络、支持向量机(spupport vector machine, SVM)预测算法对比,该方法能有效提高预测模型的精度,同时简化计算量。