中国冬季降水的支持向量机预测模型研究

我国冬季降水对于农业、水资源管理和自然灾害风险评估具有重要意义.受多种气象因素的影响,冬季降水的预测仍具有挑战性,进一步提升冬季降水的预测技巧是当下短期气候预测研究的重要课题.本研究采用支持向量机(SVM)方法,旨在通过机器学习方法提高中国冬季降水的预测准确率.基于NCEP_CFS, ECMWF_SYSTEM, BCC_CSM等五个模式数据以及站点数据,建立针对冬季降水的SVM集成预测模型,并与单个模式和等权集合平均模型(AVE)加以对比.SVM模型因其强泛化和处理非线性问题的能力,在中国冬季降水预测中表现良好.研究表明:(1)SVM模型较单个模式及AVE模型的预测准确性与稳定性得到大幅提升,SVM模型的PS评分和PCS评分显著高于单个成员模式的结果,最大分别提高了8.0(12.6%)和3.9(7.4%),较AVE模型则最大分别提高了5.4(8.2%)和2.1(3.8%),预报技巧的提高在观测资料相对缺乏的西南和西北地区尤为明显.(2)从均方根误差和时间相关系数的空间分布上来看,SVM模型对其成员模式在西藏地区、西南地区、华东及华南地区误差较大的情况改善明显,误差最大降低了259(90.9%),预报技巧最大提高了1.13.(3)独立样本检验中,SVM模型的PS评分和PCS评分显著高于单个模式和AVE模型,最大提高了10.79(20.3%)和11.39(27.3%).因此,SVM模型的构建,将有助于进一步提高中国冬季降水预测的准确性和稳定性,为气象防灾减灾和气候资源开发利用等提供重要技术支撑.

黄土高原沟壑区典型流域不同算法土壤侵蚀集成模拟比较

为探究集成模拟技术对减少不同模型模拟土壤侵蚀的不确定性,以黄土高原昕水河流域为研究对象,采用Bates-Granger(BG)集成、等权重集成和Granger-Ramanathan集成技术,对广泛运用的Morgan-Morgan-Finney(MMF)、修正土壤流失方程(RUSLE)和中国土壤流失方程(CSLE)等进行集成模拟。集成模拟以流域出口泥沙观测进行率定,并根据纳什系数(NSE)、相关系数(R)、均方根误差(RMSE)进行模型模拟评价。结果表明:1)对于单一模型而言,MMF模拟效果在多数情况下优于CSLE和RUSLE模拟效果;2)集成模拟可显著改善土壤侵蚀模型模拟效果,集成模拟前后,模型评价指标如NSE、R、RMSE分别提高23.6%、15.8%、46.4%;3)不同集成模拟中BG集成算法在模型不确定性方面更加稳定、可靠。研究认为,在基于经验性模型开展流域土壤侵蚀模拟时,可以采用集成模拟技术进一步提升其模拟性能。

基于改进灰色马尔可夫模型的花生产量预测

【目的】为了提高花生产量的中长期预测精度,提出一种改进的灰色马尔可夫模型。【方法】首先,以中国2010—2020年花生产量数据为研究样本,在传统灰色模型的基础上进行加权滑动平均处理,建立滑动灰色模型;然后,利用马尔可夫链对预测结果进行修正,得到滑动灰色马尔可夫模型;最后,采用新陈代谢的思想,对原始数据序列做等维新息处理,构建新维滑动灰色马尔可夫模型。【结果】新维滑动灰色马尔可夫模型的平均相对误差比滑动灰色模型和滑动灰色马尔可夫模型分别降低了80.00%和48.89%,并预测出未来5年中国花生产量将以2%左右的增长率增长。【结论】本研究结果可为其他农作物产量预测提供一种科学合理的思路。

基于非等时距加权灰色模型与神经网络的组合预测算法

非等时距预测算法在不等时间间隔序列的趋势分析与预测方面具有重要作用.在传统灰色预测理论的基础上,提出一种基于非等时距加权灰色模型和神经网络的组合预测算法.通过构建非等时距加权灰色预测模型,将原始数据序列的平均值作为累加序列初值,将连续累积函数的积分面积作为背景值,对累加序列进行加权处理,以真实反映时间序列发展对预测结果的影响.在此基础上,引入BP神经网络对灰色预测的残差序列进行修正,进一步提高了预测精度.经算例验证,该算法预测精度达到1级,且高于类似算法.

基于非等时距加权灰色模型与神经网络的轨道不平顺预测

对轨道不平顺的发展趋势进行有效预测,可以提高铁路线路养护的维修效率,保障行车安全。根据轨道不平顺的发展特性,提出一种基于非等时距加权灰色理论和神经网络法的组合预测方法。该方法通过构建非等时距加权灰色预测模型,将原始TQI序列的平均值作为累加序列初值,将连续累积函数的积分面积作为背景值,对累加序列进行加权处理,较好地反映了时间序列对轨道不平顺预测结果的贡献。在此基础上,引入BP神经网络模型对TQI预测的残差序列进行修正,较好地克服了单一模型预测精度偏低的不足。分别对沪昆线上行两段线路的轨道不平顺进行预测,结果表明该预测方法相对误差平均值分别为2.76%和2.08%,预测结果的后验差比值分别为0.121和0.151,精度等级达到1级。

多相型综合法及其在高边坡变形预测中的应用

基于相空间重构理论和近邻等距及其加权预测模式,提出了多相型综合预测方法,并应用于高边坡变形监测数据的处理。该方法应用于小湾水电站2#山梁高边坡4个GPS监测点连续430期变形时间序列的数据分析并进行预测。结果表明,该方法有效地削弱了重构参数选取算法和数据噪声等主客观因素对变形预测值的不确定影响,具有更高的预测精度和可靠性,为高边坡变形的非线性混沌预测提供了一种方法。

引入时变递增因子的加权等维新息模型及预测

从灰色系统理论入手 ,针对已发生的时间序列的一组变形观测数据 ,按其可靠性随时间成正比例变化的特性 ,引入时变递增因子来定权 ,并及时更新数据 ,用最新的数据替换老的数据 ,建立等维新息模型 ,以保证原始数据对模型的作用 ,使模型更能反映实际 .实例计算分析表明 :该模型样本需求量小 ,计算简单 ,能动态地反映出系统的时变特性 。

变形监测缺失数据序列灰色建模方法探讨

在测量工作中,由于气候环境、观测方法、观测仪器以及观测人员自身因素等多方面的原因,可能造成观测数据的丢失或者不完全。文中针对这类数据的处理,采用加权平均法和三次样条插值法对缺失数据进行修复,建立GM(1,1)模型,并与非等间隔预测模型进行对比。通过两组仿真数据和两组实测数据验证发现:对于呈指数增长的序列和高增长序列修复之后建模预测精度更高;三次样条插值法数据修复后GM(1,1)建模预测精度较加权平均法预测精度更高;对于低增长序列,直接采用非等间隔建模预测精度更高。

GPS数据处理中实时随机模型的估计方法

为了满足在复杂观测条件下GPS基线解算的精度要求,研究了一种新的随机模型。与基于卫星高度角的随机模型难以定义出观测值之间的空间相关性不同,该随机模型核心是基于最小二乘估计得到的残差序列,通过移动窗口,利用前几个历元的残差序列,对当前历元观测值的方差-协方差阵进行实时估计。通过实例分析,将其与传统的随机模型的计算结果进行对比,验证了该实时随机模型在改善基线解算精度方面的有效性。

基于优化非等时距权重傅里叶灰色模型的变形预测

针对传统非等时距灰色模型对变形预测精度偏低问题,首先在传统非等时距灰色模型的基础上引入权重系数优化生成序列,然后利用傅里叶变换函数对残差进行修正,建立了权重优化-傅里叶变换函数残差修正的组合预测模型;最后以某下承式集散拱肋拱桥为背景,对其主梁变形进行预测。预测结果表明:该模型预测值总体平均相对误差为2.4%,高于传统非等时距灰色模型,预测精度为1级,为主梁变形预测提供了一种有效的技术手段。

灰色组合模型在中长期电力负荷预测中的应用

针对中长期电力负荷预测使用的历史数据较少,且影响因素较为复杂等特点,提出了一种基于最优权重组合(weightoptimal combination,WOC)的灰色组合模型。该模型利用最优权重组合将灰色线性回归模型、二次指数模型、等维新息模型、残差灰色模型4种模型进行组合,采用二元最优组合的迭代寻优算法来求取WOC中每个模型的权重,充分发挥几种模型各自的优点。通过在湖南省某地电力系统规划中的实际应用,验证了此方法有较好的实用性和有效性。

基于视频监控的人脸检测跟踪识别系统研究

设计了一种基于视频监控的人脸检测跟踪识别系统,该系统的功能是检测并实时跟踪视频中的人脸图像,同时进行身份识别。针对Gentle Ada Boost算法构造的级联分类器检测效率偏低的问题,提出了一种递进复杂度的级联分类器。针对传统粒子滤波器最高权重粒子不准确的问题,提出了均值权重粒子滤波器。针对传统粒子滤波器样本衰退的问题,提出了一种同时结合人脸检测和人脸跟踪算法的跟踪校正策略。对于检测和跟踪到的人脸,利用基于Gabor变换和HMM的方法进行身份识别。实验结果表明,系统能够准确地检测并实时跟踪视频中的人脸,可以实现人脸的快速识别,是一种能够应用到视频监控系统中的有效方法。

观测量非等权模型RAIM可用性算法研究

针对基于最小二乘残差估计的接收机自主完好性监测(RAIM)算法,结合伪距单点定位多采用观测量非等权模型,提出一种观测量非等权模型RAIM可用性算法,对实际计算具有借鉴意义。通过实测数据,分析了等权模型和非等权模型RAIM可用性算法对卫星几何分布的估计情况,验证了观测量非等权模型RAIM可用性算法的可行性。

建筑物沉降变形的动态预测

本文根据某高层建筑物监测的动态数据，用灰色理论的方法，建立等维新息模型。

等式约束的效率分析和一致性检验

利用正定二次型矩阵极值的方法进一步分析等式约束对平差结果的影响,推导出等式约束线性模型的验后单位权方差(中误差)最小值,验证了该值和无等式约束的方差一致性,并将等式约束线性模型的验后单位权中误差最小值作为等式约束的验后单位权中误差限差的基准值。

附有等式约束的加权总体最小二乘平差方法

等式约束可以充分利用已有的先验信息和观测信息,使参数在满足平差主模型的同时吻合所建立的等式约束先验信息。针对目前附有等式约束的总体最小二乘平差方法都是观测值与系数矩阵独立、等精度的情况,推导了附有随机等式约束和固定等式约束的加权总体最小二乘平差方法的计算公式和精度评定公式,对于附有等式约束的总体最小二乘方法在实际测量数据处理中的应用具有一定的借鉴作用。

顾及声线入射角的水下定位随机模型

水下定位中广泛采用的等权随机模型,实现简单但与实际不符,影响水下定位精度。针对该问题,结合水下定位实际,考虑水声测量误差和声线弯曲误差影响,在分析随机模型不完善条件下参数估计性质的基础上,构建了4种基于声线入射角的水下定位随机模型。通过模拟算例和实测数据进行了验证。结果表明:所构建的4种入射角随机模型比等权模型在定位精度上具有一定优势,其中分段余弦模型定位结果最好;入射角阈值取值在40°~50°范围内时,定位精度最高;100m以内水深环境下,基于声线入射角的随机模型改善了传统等权模型的定位结果。

基于定性指标价值位置概率估计的效率模型

为克服CKS DEA(CookKressSeiford DataEnvelopmentAnalysis)模型所采用的价值排序结构没有能力合理界定和控制决策单元之间的价值差异的缺陷,通过引入对决策单元定性指标偏好及其所处价值排序位置的概率估计,提出了一种测度决策单元相对效率的模型方法。在定性指标价值排序上,该方法采取等距价值结构,改进了CKS DEA模型所依赖的非等距价值结构。等距价值结构的引入,使决策者或有关专家对决策单元定性指标价值偏好位置进行概率估计成为了可能;更有助于分析者通过价值位置的概率估计,构造出约束DEA权重取值的合理置信域,从而提高决策单元相对效率评价的分辨性。对10个决策单元进行效率评价的实例应用表明,利用该模型评价出的效率单元只有4个,而若用CKS DEA模型进行评价则会有9个单元被评为效率单元,从而证实了提出的新模型方法具有比CKS DEA模型更好的相对效率评价分辨能力。

顾及声线高度角的水下定位随机模型优化

先验随机模型本身的误差会给参数估计带来随机性影响,水下定位等权随机模型简单却不符合实际。基于这一事实,在水下声纳定位模型和随机模型基础上,讨论了随机模型不完善对参数估计的影响。考虑了影响定位主要误差源与高度角之间的关系,结合统计经验提出了基于声线高度角相关的水下定位随机模型。试验表明,优化后的高度角相关随机模型在定位精度上较等权随机模型有所提高。因此,在水下定位中,应减少低高度角观测值的权重,利用提出的随机模型可以减小高度角观测误差对定位精度的影响。

组合预测在饱和负荷预测中的应用

提出饱和负荷的概念、判定指标、预测思路以及一种适用于负荷预测的组合预测方法。针对饱和负荷预测时间跨度长、负荷增长呈现"S"型的特点,选用了Logistic模型、Verhulst模型、计量经济模型等作为单一模型,构造以等权递归方法来确定组合权重的组合预测模型。最后,通过实例分析详细介绍了所提饱和负荷预测思路的合理性与科学性,并验证了所提组合预测模型的有效性。