基于改进局域平均预测法的PM2.5浓度预测

准确预测PM2.5浓度对人类生产生活具有重要意义,由于影响PM2.5浓度因素的复杂性和相关数据获取的不易性,使预测较困难。针对这些问题,提出了基于改进局域平均预测法的PM2.5浓度预测方法。该方法可避免上述问题,达到预测的目的。研究中首先采用C-C法得到PM2.5浓度时间序列的嵌入维和延迟时间并进行相空间重构,然后针对邻近相点选取问题这一难点,提出了基于邻近轨道的邻近相点选取方法。该方法能在一定程度上避免引入伪邻近相点。在回溯搜索优化算法的基础上,提出整数回溯搜索优化算法,并将其应用于邻近相点个数的确定。选取北京市2013—2015年PM2.5浓度数据进行仿真预测,结果表明改进后的局域平均预测法性能优于原算法,可短期实时预报PM2.5的浓度。

相空间局域预测法在滑坡位移预测中的应用

根据滑坡系统的混沌特性,将适合于混沌时序预测的相空间局域近似法应用到滑坡位移预测中。针对零阶局域预测法利用信息效率不高的缺点,运用模糊数学中构造隶属函数的方法来选取预测相点的近邻点,减小了选取近邻点这一关键问题的人为随意性,而且预测结果也证明了这种方法的合理性。

基于非线性动力学的滑坡位移预测

利用非线性动力学的宏观研究方法对清江库岸茅坪滑坡的位移时间序列进行了分析,发现滑坡系统在演变过程中存在混沌。在此基础上,介绍了一种混沌的平均零阶局域预测法,对滑坡位移进行了预测计算,第1个月的相对误差仅为0.66%,并且前3个月的相对误差都控制在5%以内,初步计算结果令人满意。