投影寻踪门限自回归模型在海洋冰情预测中的应用

为预测海洋冰情时序这类非线性动力系统,提出了投影寻踪门限自回归（PPTAR）模型。用自相关分析技术确定预测因于,构造了新的投影指标函数,用门限回归（TR）模型描述投影值与预测对象间的非线性关系,并用实码加速遗传算法优化投影指标函数和 TR模型参数。实例的计算结果表明,用PPTAR模型预测海洋冰情时序是可行和有效的。PPTAR模型简便、适用性强,克服了目前投影寻踪方法计算量大、编程实现困难的缺点,有助于投影寻踪方法的推广应用,为解抉非线性时序复杂殒测问题提供了新的途径。

遗传双线性模型在海洋冰情预测中的应用

提出了一套建立双线性模型 (BM )的简便方案。用作者研制的加速遗传算法可同时估计BM模型各参数 ,成功地解决了BM建模这一难题 ,为BM模型的广泛应用提供了强有力的工具。实例的计算结果说明 ,这套方法在海洋冰情预测中是可行而有效的 ,通过利用预测过程中产生的残差信息进行反馈矫正 ,保证了BM模型高的拟合精度和稳健的预测性能 ,增强了BM对复杂非线性动态系统的适应性。该方案具有一般性 。

BP神经网络非线性组合预测模型在海洋冰情预测中的应用

针对海洋冰情灾害的非线性复杂问题,目前已提出了多种模型对其进行预测。在此基础上,根据神经网络的非线性和良好的函数逼近特性,提出用基于BP神经网络的非线性组合预测(NN-NLCF)模型来预测海洋冰情灾害。结果表明,NN-NLCF模型与海洋冰情的非线性特性相契合,它综合利用了参与组合的多种预测模型的有效信息,因而能更客观地反映海洋冰情的发展趋势,预测结果更为稳健、精度更高,在其它自然灾害时序预测中具有一定的推广应用价值。

用基于加速遗传算法的组合预测模型预测海洋冰情

提出了建立组合预测模型的新方法(AGA-CF),以组合预测模型的预测误差绝对值和最小为优化准则,用加速遗传算法确定组合预测模型各单个预测模型的最优权重,并把AGA-CF应用于实际的海洋冰情预测中。结果表明:AGA-CF综合利用了各单个预测模型的重要预测信息,其预测误差明显小于各单个预测模型的预测误差,AGA-CF的预测结果更为稳健;AGA-CF方法可操作性和通用性强,可适用于其他组合预测的实际问题中。