基于回声状态网络的船舶摇荡连续预报方法研究

回声状态网络(ESNS)是一种新型递归神经网络,可通过对有限的已知样本进行训练,建立非线性模型来预报未知样本。该算法在解决非线性问题时具有一定优势。无需知道海浪的先验信息和船舶航行姿态的状态方程,仅利用实测的船舶横摇、纵摇历史数据,寻求规律即可进行实测摇荡数据的极短期预报。仿真结果表明,该算法在预报15 s以内可达到较高的预报精度,通过预报窗口的平移,可以进行连续在线预报。

基于时变PSO-SVM的混沌时间序列连续预报

针对粒子群优化(PSO)算法中适应度函数不可变的问题,提出一种改进时变PSO算法(TVPSO),其适应度函数可变,利用TVPSO对最小二乘支持向量机(LSSVM)的参数进行优化,避免了人为选择参数的盲目性,提高了预测模型的在线预测能力。建立基于TVPSO-LSSVM的连续预报模型,充分利用LSSVM的结构风险最小化与TVPSO粒子群算法全局、时变的特性,对非线性较强的混沌时间序列进行连续预报。仿真结果表明,该法运算速度快,适用于在线预报。

水箱模型在三峡入库洪水预报模型研制中的应用

介绍了应用水箱模型建立三峡入库洪水实时连续预报模型的方法。按照河段流量传播时间将入库站(寸滩)以上干、支流划分为若干子河段,各子河段按照计算时段长分成若干单元河段,各单元河段区间降雨径流预报采用水箱模型,河道流量演算采用连续马斯京根法。对河系洪水预报模型的检验表明,预报精度在85%以上,能够满足实时洪水预报的要求。

水箱模型在大尺度流域实时洪水预报模型研制中的应用

水箱模型用于实时洪水作业预报的具体成果尚不多,本文研究的目的在于将水箱模型用于大尺度流域实时洪水预报。本文介绍了应用水箱模型建立实时洪水预报模型的方法。按照河段流量传播时间将寸滩以上干、支流划分为若干子河段,各子河段按照计算时段长分成若干单元河段,各单元河段区间降雨径流预报采用水箱模型,河道流量演算采用连续马斯京根法。河系预报模型精度在85%以上,能够满足实时洪水预报的要求。

水库水位调度气候决策的经济效益评价

以黑龙江省柳河水库为例，选用连续量预报经济效益评价的数学模型，对黑龙江省水库水位。吐气候决策进行调度的经济效益进行了评价。结果表明；气候决策相对于平均值决策效益明显；如果推广到全省２６０座水库，经济效益就更可观了．