基于类噪声信号和ARMA-P方法的振荡模态辨识

弱阻尼低频振荡是影响互联电网安全稳定运行的主要因素,振荡模态是表征系统振荡特性的重要参数,反映了各节点对振荡模式的参与情况。目前基于测量信号一般在振荡发生后进行模态分析,缺乏在系统正常运行情况下的分析手段。大量广域实测数据表明,因负荷的随机变化,电网内持续存在类似噪声信号的小幅波动。文中提出一种自回归滑动平均-Prony(ARMA-P)方法对这种类噪声信号进行处理,在采用ARMA模型拟合类噪声信号估计低频振荡模式参数的基础上,进一步建立信号的Prony模型,最终实现对低频振荡模态的辨识。将该方法用于对新英格兰系统仿真数据进行处理,其辨识结果与小干扰稳定计算结果进行了比较,并进一步将该方法用于处理南方电网实测数据,证明了其有效性。

基于小波分析的短期电价ARIMA预测方法

电力市场中的电价具有特殊的周期性,以天、周、年为周期波动,且大周期中嵌套小周期。作者提出一种基于小波分析的累积式自回归滑动平均方法(WARIMA)用于短期电价预测,首先利用小波变换能将交织不同频率成份的混合信号分解成不同频带上的块信号的特性,将电价这一随机序列进行小波分解,得到低频上的概貌序列和高频上的细节序列,并在此基础上对各个子电价序列分别利用累积式自回归滑动平均模型(ARIMA)进行预测,然后在电价平稳时段用概貌序列预测结果直接作为电价预测结果,而在电价非平稳时段将各子序列预测结果重构作为最终的预测结果。为了对比分析,将直接使用ARIMA模型的预测结果和采用WARIMA方法的预测结果进行了比较,表明引入小波分析对提高预测精度是有益的。

基于SARIMA模型的近岸海表温度短期预报研究

基于石浦海洋站实测数据,采用周期性自回归积分滑动平均方法(SARIMA)构建了逐时海表温度短期预报模型,根据观测数据的周期特征和模型预报误差比选确定了模型参数。结果表明:与采用逐时观测数据作为输入的模型相比,采用逐0.5 h内插数据构建的SARIMA模型的预报结果与实测数据间的相位更为一致,预报误差更小,但进一步将输入数据的时间分辨率提高,72 h逐时预报精度提升不明显;研究还发现模型预报误差总体随输入数据时长的减小而增大;采用366 d逐0.5 h数据构建的SARIMA(2,0,2)(2,1,0)25模型的预报结果较优,0~24 h、24~48 h、48~72 h预报的平均绝对误差分别为0.176℃、0.350℃、0.520℃,相应的均方根误差分别为0.217℃、0.396℃、0.567℃。

热带气旋强度的卫星探测客观估计方法研究

运用2001～2002年6月10日到8月10日西北太平洋上15个热带气旋的日本静止气象卫星(GMS5)高分辨率红外辐射亮温(TBB)资料,从代表热带气旋强度的热带气旋云系特征中选取多个TBB因子及热带气旋中心所在纬度等因子,结合《热带气旋年鉴》资料,采用逐步回归方法,经多次试验求得热带气旋强度的客观估计算式,复相关系数达到0.80以上。由此式估计的热带气旋中心气压,经24h滑动平均后的结果与年鉴气压的复相关系数提高到0.89,且两者之间的气压差在±10hPa之内的占整个样本数的83%以上,与美国新近展示的相关研究结果十分接近。用2000年两个热带气旋作检验,结果很好。该客观方法有望替代目前的Dvorak主观估计方法,成为一种新的业务方法。

非平稳和长记忆时间序列主频率估计方法研究

许多经济时间序列表现出非平稳性和长记忆性,对这样的序列进行谱分析并估计其主频率,采用传统的谱分析方法已不适用.基于平稳和非平稳分数阶差分自回归滑动平均模型,研究了具有非平稳性和长记忆性序列的主频率的估计方法,同时提出了包括模型定阶在内的基于极小化残差平方和的近似极大似然参数估计算法.通过对上海和深圳证券交易所综合指数收益序列的分析,说明了此方法的可行性和有效性.

改进的递推增广最小二乘参数估计方法

基于用递推最小二乘(RLS)法拟合高阶自回归(AR)模型得到的白噪声估值,提出了自回归滑动平均(ARMA)模型参数估计的一种改进的递推增广最小二乘法。它由两段RLS算法组成,可在线实现,具有快的收敛速度。一个仿真例子说明了其有效性。

一种推算设计波高的新方法

本文提出了一种推求设计波高的新方法。用时间序列分析中的自回归-滑动平均(ARMA)模型分析年极值波高,进行建模、预报和频率分析,推求一定重现期设计波高。对于没有特大值的年极值波高序列,本文提出的方法推求的长重现期设计波高比规范方法推求的相应设计波高偏小;对于有特大值的年极值波高序列,本文提出的方法推求的长重现期设计波高较规范方法推求的相应设计波高大许多。本文中的方法所得结果较为合理。

基于ARMA-MOMEDA的电机轴承复合故障诊断研究

由于电机工作时背景噪声过大,当其轴承发生微弱故障时不能被准确检测,而电机在持续运转过程中极可能对其余轴承造成应力冲击从而造成更大的损失,为此提出了基于最优最小熵反褶积方法(MOMEDA)和自回归滑动平均模型(ARMA)的轴承复合故障诊断方法。首先通过ARMA对原始振动信号进行平滑处理,消除背景噪声对振动信号的干扰,并通过不同信噪比情况下的仿真信号来验证其降噪性能,然后通过MOMEDA对平滑后信号中的复合故障特征信息进行提取,最后通过实验验证了该方法的可行性。

居住环境宽带电磁辐射的分析与预测

针对居住环境内电磁辐射在周期性规律中混有较多高频分量,导致传统时序建模方法和神经网络方法预测性能受限的问题,提出了一种小波分解与季节性差分自回归滑动平均(seasonal autoregressive integrated moving average,SARIMA)模型相结合的混合预测方法.该方法根据辐射数据的时频特性,利用SARIMA模型对小波分解得到的主要周期分量和细节分量进行分层预测,以适应居住环境内多种发射源形成的复杂电磁辐射状况.实验结果表明,该方法不仅比单一时序建模方法以及神经网络方法具有更高的预测准确度,而且具有更强的异常值适应性与稳定性.

基于Mallat算法与ARMA模型的露天矿卡车故障率预测

为提高露天矿山运输卡车故障率预测精度、降低因非平稳时间序列数据造成的精度损失及有效解决模型参数估计困难等问题,提出一种基于小波分析与自回归滑动平均模型(ARMA)的露天矿山卡车故障率预测方法。首先,根据矿山时间序列数据的非平稳特征,采用Mallat算法分频处理原始数据,将原始的时间序列分解为一组近似系数和多组细节系数;然后,采用ARMA模型拟合与预测单支重构后的小波系数;其次,引入模型的相关变量,将ARMA模型的参数估计问题转化为带有相关变量的多维高斯分布参数估计问题;最后,通过计算模型中的典型相关变量实现ARMA模型的定阶与参数估计并与其他算法模型进行对比。结果表明:采用此法预测测试集数据,绝对误差的平均值为0. 322,相对误差的平均值为5. 49%;这说明此种组合模型具有更高的拟合精度,应用该模型进行卡车故障率预测是可行且有效的。

用对称映射ARMA模型的零极点研究子波相位对反射系数序列反演的影响

为研究地震子波相位对反射系数序列反演的影响,在自回归滑动平均(ARMA)模型描述子波的基础上,提出采用z域对称映射ARMA模型零极点的方法构造了一系列相同振幅谱、不同相位谱的地震子波,并结合谱除法对人工合成地震记录进行反射系数序列反演.理论分析表明,子波相位估计不准时反射系数序列反演结果中残留一个纯相位滤波器,该纯相位滤波器的相位谱为真实子波和构造子波的相位谱之差.采用丰度和变分作为评价方法,在反演结果中确定出真实的或准确的反射系数序列.仿真实验和实际数据处理结果也验证了子波相位对反射系数序列反演的影响规律和评价方法的有效性,为进一步提高反射系数序列反演结果精度指明了研究方向.

基于EMD的太阳黑子时间序列组合预测模型

针对太阳黑子的复杂性,利用经验模态分解(EMD)方法,将太阳活动在各时间尺度上的变化分量分解为平稳的固有模态函数(IMF)分量及余项。观察各分量的频谱,根据低频IMF分量和高频IMF分量的特点,分别采用自回归滑动平均模型和神经网络方法进行预测。通过各分量的预测值,重构出原始信号的预测序列。仿真结果表明,该模型具有较高的预测精度。

天山山区与南北疆夏季温度变化对比分析

利用新疆1959～2000年夏季温度资料,采用滑动平均、最大熵谱、经验正交、线性回归方法,分析天山山区近42年来夏季温度变化的基本特征,并与南疆、北疆进行比较。结果表明:①天山山区在夏季温度的冷暖变化阶段以及最炎热、最凉爽年出现的年份与南疆和北疆不同;②夏季温度空间分布的同向性变化北疆最大,天山山区居中,南疆最小;夏季温度空间反向变化南疆和天山山区较大,北疆较小;③夏季温度的年代际变化趋势不同,天山山区持续增温,北疆波动增温,南疆变化稳定;④三种夏季增温的覆盖范围以最低温度为最广,其增温率天山山区最大,南疆最小,北疆居中。

径赛成绩预测研究

一、前言预测是科学训练体系的重要组成部分。依靠科学的预测,人们可以制定出正确的决策和规划。在科学技术高度发展的今天,预测研究显得尤其重要,因为它是制定科学训练规划的第一步。本文试图对人们较常采用的预测方法进行进一步的评价和研究,并对未来奥运会径赛成绩进行预测,以期对径赛项目进行有目的和有针对性的训练提供有益的参考。二。

1989年3月大事件总体效应及大磁暴模式研究

本文分析了1989年3月太阳大事件日地总体效应,从7个参数用相同时间尺度来分析。 从1968年aa指数来计算1989年3月13日,14日是历史上最大磁暴,选择中国的长春(43°49′38″N),北京(40°02′22″N),武汉(30°31′39″N)和广州(23°05′34″N)以及美国的Newport(48.263°N),Boulder(40.138°N),

校正预测值提高预测精度的某些方法

不论是经济预测还是商业预测,广大的用户均要求预测方法不宜过份复杂,但对预测精度却要求较高。他们常常提这样的问题,在采用某种预测方法,利用已有的历史数据,建立了预测模型,并得到了预测值之后,问是否还能再进一步提高预测精度?预测所产生的误差是否还可再利用?等等。这些问题,不仅预测用户关心,也是预测工作者所必须研究的问题。如何利用历史数据和已建立的预测模型所产生的新信息,去修正原先的预测值,以提高预测精度,是本文所要研究的一个课题,也是校正原先的预测值的一种方法。首先介绍一些有关的概念。