预报因子选取及方程建立人机交互平台

利用计算机技术,将预报因子选取、方程建立和样本拟合融为一体,建立了预报因子选取及方程建立人机交互平台。该平台包括文件信息,因子初选和回归分析三个模块:(1)文件信息模块主要是读取预报对象文件和预报因子文件,显示并检查文件头信息样本长度的一致性;(2)因子初选模块主要是计算各气象要素或物理量场中每个格点因子与预报量之间的相关系数,构成各相关场,分析这些相关场及其关键区域,从中筛选出组合因子;(3)回归分析模块是对选入的组合因子与预报对象进行逐步回归计算,建立预报方程,并根据回归方程参数和样本拟合率,通过改变因子引入和剔除标准来调整回归结果。

SOR迭代法松弛因子选取

对于大型线性方程组的间接解法SOR逐次迭代法,本文分单松弛因子和双松弛因子做了讨论,并论证了解集收敛的充要条件。对单松弛因子做了取值范围的论证和具体值选取的算法分析;对双松弛因子,介绍了当A=(I1KHI2)时,双松弛因子的确定。

分数阶Fourier变换中量纲归一化因子的选取

针对分数阶Fourier变换数值计算中量纲归一化因子的优化选取,分析了量纲归一化对chirp信号的调频率和初始频率的影响,以及chirp信号在(p,u)平面上的尖峰位置的影响,推导了两个chirp信号的尖峰在p轴和u轴上的投影距离与量纲归一化因子的关系。发现两个尖峰的距离随着量纲归一化因子的变化而变化,并且具有极大值。提出一种量纲归一化因子选取的方法,通过调节信号的观测时间和采样频率,选择合理的量纲归一化因子,增大两个信号尖峰间的距离,减小多分量chirp信号在分数阶Fourier域的相互影响。仿真结果验证了该方法的有效性。

基于公因子个数选取模型的因子分析改进方法

传统因子分析过程中会舍弃部分信息,影响涉及个体类问题的分析结果.根据公共因子累积方差贡献率,改进了公共因子个数选取方法,舍弃对个体影响极低的因子.改进思想既利用了降维思想,也将信息丢失降至最低.经过实例对比分析,改进的因子分析在处理个体类问题上优于传统因子分析,改进方法有效.

因子分析法与BP神经网络耦合模型对回采工作面瓦斯涌出量预测

针对工作面瓦斯涌出量的影响因素众多且难以筛选的问题,提出了基于因子分析法与BP神经网络的工作面瓦斯涌出量预测方法。首先运用因子分析法对矿井瓦斯涌出量的影响因素降维处理,并筛选出3个主因子作为BP神经网络的输入端神经元,然后构建出基于BP神经网络的工作面瓦斯涌出量预测模型,并进行网络训练,最后对预测模型的可靠性进行检验。结果表明:因子分析处理后变量作用在影响因子上的权重得到了重新分配,并且变量的维数得以减少,错综复杂的变量关系被优化成3个主因子之间的线性组合关系,使得BP神经网络模型预测的瓦斯涌出量结果更合理,精度更高;工作面瓦斯涌出量预测值与实测值的相对误差均在5%以下,平均相对误差为3.25%,误差波动范围小,稳定性较好,为复杂因素影响下的工作面瓦斯涌出量预测提供了一条新的思路。

乌鲁木齐河洪水预报方案探究

为了更好地预防洪涝灾害,降低洪水对生态环境和社会财产的危害,文章将以乌鲁木齐河为例,分别对该流域的水系情况、地形地貌、土壤植被和水文气象进行阐述,随之通过对该流域资料的可靠性、一致性和代表性进行分析,通过洪峰流量模比系数差积曲线和预报模型的对比,来研究乌鲁木齐河洪水的预报方案,旨在更好地对洪水进行预报和防治作出贡献。

江苏暴雨概率预报及其业务应用

以未来12~36 h、36~60 h和60~84 h的暴雨预报为目标,利用2011年—2013年夏季6—8月欧洲细网格数值模式预报产品分析了江苏夏季暴雨的可能预报因子。通过对各因子进行相关性、敏感性和代表性分析后,优选了22个对不同强度降水具有较好区分能力的暴雨预报因子。以这些因子为基础建立了一种简单的江苏省暴雨概率预报方法。其预报产品已在江苏省气象业务一体化平台上投入业务使用。该方法在2011—2013年7月,针对提前12 h预报的历史回报试验中,TS技巧评分平均为13.6,明显高于EC细网格24 h降水预报产品（平均TS评分仅为4.5）。在2014年梅汛期的6月25—26日、7月1—2日和7月4—5日三次区域性暴雨个例的预报试验中,提前60、36、12 h的预报效果均较好,其平均TS评分（44.6）也明显高于欧洲细网格数值模式的降水预报（20.4）。

利用卡尔曼滤波方法作1～5天中期温度预报

卡尔曼滤波是一种现代动态系统分析技术 ,在气象上应用时 ,它是通过利用前一时刻预报误差的反馈信息来及时修正预报方程中的参数 ,以提高下一时刻的预报精度。介绍了利用卡尔曼滤波制作温度预报的一种因子选取方法和滤波过程中初值的确定、递推系数修正的处理办法。

一种自适应红外图像细节增强算法

对于高动态范围红外图像的动态范围压缩问题,分析了传统灰度线性变换和直方图均衡化方法的不足,提出一种结合动态范围压缩和细节增强的方法,并给出了一种增强因子的自动选取方法。试验结果表明,该方法能够在红外图像动态范围压缩过程中有效保持并增强红外图像中的弱小目标和细节。

基于数学统计的保险赔付风险预测模型设计

设计基于数学统计的保险赔付风险预测模型,分别从使用量、驾驶表现、危险驾驶、出行习惯四个方面选取能够反映驾驶行为的20个风险因子构建指标体系,利用数学统计中的因子分析法从上述指标体系内选取6个能代表驾驶行为风险情况的典型风险因子;以选取的典型风险因子为基础结合二分类随机变量,利用具有优秀分类与回归性能的XGBoost模型构建保险赔付风险预测模型,预测变量所属类别与概率分布。实证分析结果显示,该模型迭代速度较快,AUC值与F值相较于传统Logistic模型分别上升67.4%和2.3%,显著高于对比模型。

省区城市化水平等级图编制研究──以四川省为例

在一般省区城市化水平等级制图中，大多采用非农业人口占总人口比重单一指标反映城市化水平。本文探讨了使用多种城市化指标因子设计编制这种地图的新的思路和方法，着重论述了城市化因子的选取和城市化水平指数模型的建立。

九寨沟地震滑坡易发性评价因子组合选取研究

滑坡易发性区域评价作为危险性和风险评价的基础,如何科学、合理地进行因子选取是已有研究的薄弱部分。以2017年8月8日九寨沟Mw 6.5地震重灾区——九寨沟国家地质公园内的1022处地震滑坡点为样本数据,选取地震参数、地形地貌、地质条件、水文条件、人类工程活动等共16个滑坡控制和影响因素,在对指标因子进行共线性诊断的基础上,采用逻辑回归(Logistic Regression,LR)模型在斜坡单元下开展不同因素组合,建立30个评价模型,最后在软件R中采用10折交叉验证的数据采样方法和ROC曲线进行模型准确率与预测精度评价。结果表明:LR模型在九寨沟地区地震滑坡易发性区域评价中具有良好的适用性;地震滑坡主要受地震因素和地形地貌的控制影响作用,当剔除掉水文条件和人类工程活动等因子时,模型性能出现小幅度降低;交叉验证方法相比传统的数据取样方法,可以有效减少选择偏差和预测方差,更好地检测模型的稳定鲁棒性。研究成果可丰富地震滑坡区域评价理论研究内容,并为九寨沟地区震后快速评价和防灾减灾提供参考。

高校大学生非智力因素测试因子选择研究

非智力因素不仅影响到大学生的学业成绩,同时对提高高等院校教育水平也存在重要的意义。该文通过自编调查问卷进行调查,并根据相关系数等指标从若干非智力因素中选取代表性的因子,为后续研究提供参考。