条件密度的近邻—核估计及其Bootstrap逼近

本文讨论了条件密度的近邻—核估计及其Ｂｏｏｔｓｔｒａｐ逼近的问题，证明了条件密度近邻—核估计的渐近正态性，Ｂｏｏｔｓｔｒａｐ逼近的相合性，讨论了有关的收敛速度．

数据填补算法的参数优化问题

具体应用场景下,数据填补算法中参数的设定及优化是否合理将直接影响最终的填补效果,如K近邻中,k值选取过大将导致分类模糊,k值过小可能会导致分类错误;WKNN虽然在一定程度上缓解了该问题,但如何为不同缺失样本的k个近邻构造合理的权重组合又成为问题的核心。本文基于Bootstrap方法改进K折交叉验证法以优化k值;利用高斯函数进行加权,并使用动态调参法解决权重分配问题,基于R平台,在MAE、RMSE、MAPE准则下对3种算法进行评估,分别使用平台内置数据集Boston和UCI公开数据集ILPD,对不同缺失机制、不同缺失率、任意缺失列前提下的非完整数据集进行多次填补。实验结果显示:k=5时,K近邻及其改进算法的初期填补效果达到整体最优;本文使用的动态调参法具备一定的通用性;经过KFCVB、加权、动态调参改进而来的IWKNN填补法在不同应用场景下效果最优。

年径流预测的自适应NNBR-ANN耦合模型

以基本遗传算法为基础,优化人工神经网络与最近邻耦合模型的基本参数,得到无参数的自适应NNBR-ANN耦合模型。应用此模型对黄河青铜峡年平均流量进行预测,并与单独的人工神经网络模型和最近邻抽样回归模型预测结果进行比较分析。结果表明:此方法将模型的基本参数进行优化处理,打破传统的定参方法,用于径流预测更加方便适用,且预测精度更高。

延安市近50年来降水特征及趋势变化的小波分析研究

利用Morlet小波对延安1952-2003年52年间的降水量进行了多时间尺度分析,结果表明,延安降水在3-6 a和25-32 a的时间尺度上变化较强,存在近22 a和3 a的降水周期,其中22 a的周期变化最为强烈。根据降水周期,延安年降水在2003年后的5-8 a内相对偏多,2007-2009年左右达到最大值,然后降水量开始减少,从2013年左右开始进入一个约10 a的少雨阶段。基于1952-1990年降水量资料,建立小波变换的最近邻抽样回归模型,用1990-2003年13 a的年降水量变化作为校验,13年中有11年的预测结果相对误差小于30%,说明小波分析和最近邻抽样回归模型结合可以较好地预测降水量的年际变化。

最近邻抽样回归模型在水环境预测中的应用

介绍了最近邻抽样回归模型(NNBR)进行单因子和多因子预测建模的基本思想和算法.该模型概念清晰,结构简单,不需对研究对象的相依形式和概率分布形式作假定,也不需估计太多的参数,是一类数据驱动的非参数预测模型,具有潜在的优势.通过水环境中的两个实例进行了预测应用,结果表明,预测效果较好,并与投影寻踪回归模型(PPR)进行了对比.

最近邻抽样回归模型在水文水资源预报中的应用

介绍了最近邻抽样回归模型进行单因子和多因子预测建模的基本思想和实现算法。通过水文水资源中的两个实例对 NNBR模型的预测效果进行了验证 ,并与自回归模型。

洪水随机模拟的非参数扰动最近邻自展模型

洪水过程非参数随机模拟是一个崭新的课题,现首次就这课题作了一些探讨。首先介绍非参数最近邻自展模型原理并进行改进,提出了非参数扰动最近邻自展模型(简记PNNB),然后将PNNB模型应用于洪水随机模拟。通过单站洪水和多站洪水序列模拟研究表明,该模型概念清晰,结构简单,模拟洪水过程是可行的。该尝试为洪水过程随机模拟提供了一种非参数途径。

预测日径流过程的最近邻仿真模型

准确预测日径流过程对区域水资源管理和防洪抗旱决策具有重要的现实意义。文中探讨了用基于历史相似性和数据驱动的最近邻仿真(NNB)模型预测日径流过程的新途径,提出了一套基于加速遗传算法的NNB建模方案。实例研究的结果说明:用NNB模型进行日径流过程预测的计算直观、精度高,这套NNB建模方案简便、有效和通用,在水文气象时间序列预测中具有较好的实用价值。

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。

基于短期定量降水预报的隔河岩洪水预报研究

统计分析了清江流域短期定量降水预报不同降水等级下的确率、漏报率和空报率,应用最近邻抽样回归模型对逐日降水预报资料行时段分配,将得到的逐时段降水预报资料与所建清江隔河岩水库洪水预报方案相耦合,发布考虑预见期降水的洪水预报。结果表明,考虑预见期降水可显著提高隔河岩水库的洪水预报精度。

最大熵分布扰动最近邻抽样随机模型在年径流随机模拟中的应用

年径流随机模拟是水利工程体系规划设计和运行管理的依据。基于最近邻抽样随机原理,应用最大熵分布模型,建立了最大熵分布扰动最近邻抽样随机模型。以陕西省神木站年径流量为例,进行了该站年径流的随机模拟。结果表明,应用文中方法可以保持序列统计参数的特性;最大熵分布扰动最近邻抽样随机模型是年径流随机模拟的一种新途径。

电力市场环境下水电站月滚动发电计划研究

系统地提出了电力市场环境下水电站月滚动发电计划的研究方法。通过对径流的滚动预测来适时修正未来月份水电站的发电计划,以满足水电站在电力市场环境下的效益最大,同时保证完成上报的发电计划。

若尔盖湿地黑河径流分析及预测

根据若尔盖湿地若尔盖水文站逐日平均流量资料(1988～2008年),应用滑动平均法、不均匀度、变化幅度以及自相关系数分析了若尔盖湿地黑河径流年际变化以及年内分配规律,并采用门限回归模型以及最近邻抽样回归模型对日径流进行了拟合和预测。研究表明,若尔盖黑河径流量年内分配十分不均,年内变化曲线呈现双峰型;日径流短期内具有良好的相依性;且年径流量自1988年以来具有明显的减小趋势;门限回归模型、基于时间序列分析的最近邻抽样回归模型用于逐日平均流量预测,效果较好。

基于加权的K近邻线性混合显著性目标检测

显著性目标检测旨在于一个场景中自动检测能够引起人类注意的目标或区域,在自底向上的方法中,基于多核支持向量机(SVM)的集成学习取得了卓越的效果。然而,针对每一张要处理的图像,该方法都要重新训练,每一次训练都非常耗时。因此,该文提出一个基于加权的K近邻线性混合(WKNNLB)显著性目标检测方法:利用现有的方法来产生初始的弱显著图并获得训练样本,引入加权的K近邻(WKNN)模型来预测样本的显著性值,该模型不需要任何训练过程,仅需选择一个最优的K值和计算与测试样本最近的K个训练样本的欧式距离。为了减少选择K值带来的影响,多个加权的K近邻模型通过线性混合的方式融合来产生强的显著图。最后,将多尺度的弱显著图和强显著图融合来进一步提高检测效果。在常用的ASD和复杂的DUT-OMRON数据集上的实验结果表明了该算法在运行时间和性能上的有效性和优越性。当采用较好的弱显著图时,该算法能够取得更好的效果。

最近邻抽样回归模型及其在枯水期月径流预报中的应用

为合理调配水资源,做好枯季径流预报,可采用最近邻抽样回归模型进行预测。按照最近邻抽样回归模型的基本思路和实现算法,根据长江上游主要控制站——寸滩站1893年1月—2009年12月历史同期月整编资料,对该流域的枯季径流特性进行分析研究,通过建立模型,对模型预测效果进行验证。结果表明:该模型对枯季径流的预报精度较高,可用于作业预报。

最近邻抽样回归模型在纵向地表沉降预测中的应用

针对传统方法在盾构法施工地表沉降预测中过于形式化和数学化的缺点,本文引入最近邻抽样回归模型(NNBR)。将盾构法施工引起地表沉降的因素分为三类:结构类、地质类和施工参数类,结合NNBR模型的计算特点对不同种类的因素采取不同的处理措施:结构类因素视为常量;按照能否形成免压拱将地质土层分为两类,计算距离系数时同类地层中的地质类因素视为常量;施工参数类因素的影响近似用隧道埋深和盾构平均掘进速度来衡量。由于NNBR模型对纵向地表沉降进行预测时可忽略常量因素,从而大大简化诸多次要因素对预测结果的影响,最终可以隧道埋深和盾构平均掘进速度为预测因子来预测纵向地表沉降。结合工程实例,证明预测因子选择的合理性以及NNBR模型在纵向地表沉降预测中的实用性。

一种新型耦合模型在月径流预测中的应用

基于投影寻踪分析与随机分析提出了一种新的耦合预测模型,运用投影寻踪技术将年内12个月径流由遗传算法优化得投影值,获取投影值与年径流的相关关系;建立年径流预测模型,由预测的年径流推算对应的投影值z^;寻找与z^最近邻的h个模式,由最近邻回归进行年内月径流展望预测。将耦合模型应用于宝珠寺和三峡水电站入库月径流展望预测,结果表明该耦合模型可行且预测效果较好。

周期叠加外延—最近邻抽样回归组合模型在韩江流域年径流预测中的应用

为提高年径流预报精度,尝试将周期叠加外延法与最近邻抽样回归模型结合,用韩江流域潮安站年径流系列作试验,结果表明组合模型预测合格率比单一周期叠加外延模型高,预测效果较好。

不同时间尺度的中长期水文预报研究

为研究中长期水文预报时间尺度对预报精度的影响,选取最近邻抽样回归模型与基于小波分析的组合模型对长江干流典型断面不同时间尺度的径流序列进行中长期径流预报。将1980~2012年的逐日径流资料经过时间聚集方法转换成三天、周、旬、半月、月、双月、季、半年、九月、年等10个不同时间尺度,对高场、寸滩、宜昌、螺山、汉口、大通6个典型断面的径流进行拟合和预报。结果表明:随着预报时间尺度增加,预报精度呈现先降低后提高的趋势,其中,在月时间尺度上预报效果最差,三天和年尺度上预报效果相对较好。

大渡河中下游梯级水电站模拟优化运行研究

针对梯级水电站中长期来水不确定性的问题,依据长系列确定来水情况下的优化调度结果,建立门限回归、最近邻抽样回归和BP人工神经网络优化调度函数模型,模拟大渡河中下游梯级水电站的联合优化运行,将各模型的模拟优化调度结果与来水确定下的最优运行水位进行对比。结果表明,BP人工神经网络优化调度函数模型能够更好的模拟梯级水电站运行,对梯级水电站的实际优化运行具有参考意义。