电熔镁砂生产用电需量多步智能预报方法

电熔镁砂生产(Fused magnesia smelting process,FMSP)用电需量会出现先升后降的尖峰现象,当峰值达到用电需量限幅值,会将电熔镁炉(Fused magnesia furnace,FMF)拉闸断电.为避免尖峰时刻的不必要拉闸需要对需量尖峰进行识别,因此需要进行需量多步预报.利用电熔镁砂生产过程熔化电流闭环控制系统方程建立了由线性模型和未知非线性动态系统组成的需量多步预报模型,将系统辨识与深度学习相结合提出了端边云协同的电熔镁砂生产用电需量多步智能预报方法.采用电熔镁砂生产过程的工业大数据的实验结果验证了所提的预报方法可以准确预报需量的变化趋势.

模糊控制模型在三化螟数量预报中的应用探讨

本文以广东省四会县14年三化螟发生资料为基础,把冬后密度和3月上旬平均温度作为前期预报因子,第1代成虫数量作为后期预报量,建立模糊控制模型.计算结果表明,实测值基本上落入预报区间,达86%,用高腰县1981—1985年的发生资料进行验证预报,符合率达80%.

BP网络在鲁西南地区西南涡降水量级预报中的应用试验

天气预报的困难主要源于非线性、高维性和数据的不精确性。所以，我们利用人工神经元网络来处理气象问题。本文引入BP网络来预报鲁西南地区的西南涡降水强度。经过网络的自学习，它能自动地从历史资料中抽取预报因子和预报对象的关系，进而作出较正规的预报。

基于环境因子的东南太平洋茎柔鱼资源补充量预报模型研究

东南太平洋茎柔鱼(Dosidicus gigas)是短生命周期种类,其资源量极易受到海洋环境变化的影响。根据2003—2012年我国鱿钓船在东南太平洋的生产统计数据,以及茎柔鱼栖息地的海表温度(SST)、海面高度(SSH)、叶绿素a浓度(chl a)数据,利用相关性分析法分析茎柔鱼资源丰度和补充量(以单位捕捞努力量渔获量为指标,t/d)与栖息海域20°S—20°N、110°W—70°W的SST、SSH、chl a浓度的相关性,获取相关系数大的关键海区位置,同时加入茎柔鱼产卵场、索饵场最适表层水温范围占总面积的比例(分别用PS、PF表示)两个参数,建立三种基于主要环境因子的误差反向传播(EBP)神经网络资源补充量预报模型,进行了比较。结果表明:茎柔鱼资源丰度与SST、SSH、chl a浓度的相关系数最大值海域为7月份的Point1(13°N,102°W)海区、9月份的Point3(11°N,102°W)海区和3月份的Point5(8°S,107°W)海区;资源补充量与SST、SSH、chl a浓度的相关系数最大值海域为6月份的Point2(8°N,103.5°W)海区、2月份的Point4(12°N,97.5°W)海区和10月份的Point6(10°S,93.5°W)海区。EBP神经网络预报模型结果认为:基于产卵环境关键影响因子的方案2(以Point2的SST、Point4的SSH、Point6的chl a浓度、PS作为模型输入因子)和基于全部环境关键影响因子的方案3(以Point1与Point2的SST、Point3与Point4的SSH、Point5与Point6的chl a浓度、PS、PF作为模型输入因子)的两种神经网络预报模型均方误差较小,其准确率可达90%左右。

基于产卵场环境因子的阿根廷滑柔鱼资源补充量预报模型研究

西南大西洋阿根廷滑柔鱼Illex argentinus是短生命周期种类,其资源量极易受到海洋环境变化的影响。根据2003—2011年我国鱿钓船队在西南大西洋的生产统计数据,以及产卵场海洋表面温度（SST）、海表温度距平值（SSTA）,计算分析了阿根廷滑柔鱼在产卵期产卵场各月最适表层水温范围占总面积的比例（用PS表示）以及表征海流强度的SST、SSTA等多种环境变量因子与单位捕捞量渔获量（CPUE）的相关性,建立多种基于主要环境因子的资源补充量预报模型,同时分析比较预报模型的优劣。相关性分析表明：6月份有3片连续区域的SST与CPUE之间存在强相关性,分别为38°～39°S、54°～55°W,40.5°～41.5°S、51°～52°W,39.9°～40.4°S、42.6°～43.1°W。利用6月份此3片连续区域SST与次年CPUE建立的三元线性模型,模型符合统计检验,偏差解释率为82.4%。在此基础上加入7月份PS影响因子建立3种方案下的误差反向传播（EBP）神经网络模型。结果认为,包含了福克兰寒流与巴西暖流表温信息的方案3模型优于其他两种模型,其准确率可以达到90%以上。

丹江口水库中长期径流量的多模型预报结果分析及综合研究

水库中长期入库径流量的预报方法有多种模型,各有优缺点,预报结果也存在一定差异,应用过程中给实际决策造成了一定困难。本文以丹江口水库月径流量为研究对象,通过分析多种预报模型计算结果的变化规律,将精度和稳定性等作为性能指标,构建以加权平均和最小二乘法原理为基础的综合预报模型,并对丹江口水库月径流预报进行了建模计算。应用结果表明,该综合模型提高了预报精度,增强了预报稳定性,使其具有更高可信度,为入库径流量预报提供了一个有效的分析方法,为水库调度决策提供了便利。

高炉铁水含硅量的动态神经网络多步预报

本文提出一种基于主成分分析法的动态神经网络模型实现高炉铁水含硅量多步预报。本方法将经主成分分析法处理后的高炉数据样本作为改进型Elman网络的输入,减少变量个数,简化网络结构；同时采用动态递归算法进行高炉铁水含硅量多步预报,具有较强的适应性。采用该方法对宝钢某高炉现场采集的数据进行预报实验,以±0．05作为预报误差,预报命中率达到89．12%。

太平洋褶柔鱼秋生群资源补充量预报模型研究

根据日本对太平洋褶柔鱼秋生群体的资源评估报告,以及产卵场海表温度(tSST)、叶绿素a质量浓度(ρChl-a),计算分析太平洋褶柔鱼在产卵期产卵场各月最适表温范围占总面积的比例(PS)、表征产卵场环境的tSST、ρChl-a等多种环境因子与单位捕捞努力量的渔获量(CPUE)的相关性,建立多种基于主要环境因子的资源补充量预报模型。结果表明:太平洋褶柔鱼资源补充量与各月的tSST的相关系数最大值海域分别为10月份的Point1(33.5°N,129.5°E)、11月份的Point2(31°N,127°E)和12月份的Point3(33.5°N,125°E);与各月的ρChl-a浓度的相关系数最大值海域出现在11月份的Point4(34°N,129.5°E)和12月份的Point5(35°N,130°E)。基于Point1的tSST、Point4的ρChl-a、PS等3个因子作为输入层构建的3-2-1的BP网络结构,2011-2012年的平均预报精度达到最高,为91.5%,该模型可用于太平洋褶柔鱼资源补充量的预测。

以球展物理量作为因子的月预报系统

一、概述 1.预报量长期预报中最基本项目是月平均气温和月降水量。上述两要素在空间分布上具有一定的尺度。因而把整个要素场(而非一个单点)作为预报量似乎应更合理些。我们以东北三省和内蒙古东四盟范围中的26个站点和51个站点分别作为月平均气温场和月降水量场的展开格点(图1)。

基于智能预报模型的年径流量预报研究

基于遗传算法的模糊优选BP网络模型,即智能预报模型,吸取了模糊集、神经网络、遗传算法各自独特的优点。本文应用智能预报模型对新疆雅马渡站年径流量进行预报。结果表明,该模型既能合理地构造神经网络的拓扑结构,又可加快网络的收敛速度,并能改善网络的全局寻优能力。

降水预报质量评价指标及其技术经济效益探讨

降水是发生在大气中的自然现象,对它的预报是气象台站重点研究的项目之一。预报的准确性和传递的迅速程度与经济部门利用预报趋利避害所产生的经济效益息息相关。我国属季风气候,降水时段明显,是一多暴雨的国家,较纬度相当的美国雨量为大。

用级差法评定预报质量的探讨

本文提出用级差法评定预报质量的一点想法,旨在抛砖引玉,引起对预报质量评定办法的研究,使评定的预报质量真正具有客观性、代表性和比较性,利于业务工作考核和调动预报人员的工作积极性,发挥其聪明才智。1 级差法的理论依据设 S 为某种要素预报 E 的样本空间,某种要素预报的各种量级 q1、q2、……、qn 为

庆阳7—8月大降水物理量诊断分析及预报

本文以重要降水为预报对象,以500hPa客观分型为基础,在有限元内对过程前期14时地面有关物理量进行诊断分析,试图达到对我区7—8月大—暴雨短期分片定量预报之目的。在技术处理中力求实现:①预报量与预报因子客观定量;②方法自动化处理;③便于值班使用。

巷道围岩移近量神经网络预报模型——巷道围岩稳定性的聚类分析

在运用误差反向传播(BP)神经元网络确定巷道围岩稳定性判定各特性指标权重的基础上,采用自适应共振(ART)神经元网络对巷道围岩稳定性的聚类分析问题进行了研究.结果表明,神经元网络是用于解决采矿工程中权重评价、模式聚类问题的有效方法,对于解决采矿工程中相关问题有着广泛的应用前景.

基于ELM的高炉喷煤量预报研究

以包钢4#高炉的实际生产数据为训练样本,均方误差为适应度函数,对喷煤量进行了预报。实验结果表明,所提方法较BP神经网络预报模型能够更快、更准确的预报出高炉炼钢时所需喷煤量,更好的指导实际生产。

基于逐步剔除回归分析的径流量预报分析

基于平凉水文站(1974~2015年)径流量、温度、降水量和崆峒水文站(1977~2015年)径流量资料,利用SPSS软件的多元线性向后逐步剔除回归分析法,对泾河平凉水文站的径流量进行了预报分析。结果表明:平凉水文站的预报径流量和实测径流量之间相对拟合误差较小,预报合格率达85.71%;预报因子、预报方程均通过统计学检验,达到显著性水平;平凉水文站的年径流量与上游崆峒水文站的年径流量、秋季径流量和春季径流量之间存在显著线性关系,决定系数R2=0.927;利用建立的径流量预报模型能够很好地模拟预报平凉水文站年径流量变化,预报结果可为区域水资源管理提供科学依据。

数据与模型驱动的电熔镁群炉需量预报方法

电熔镁群炉需量指当前时刻k和(k-1),…(k-n+1)时刻群炉功率的平均值,用于度量高耗能电熔镁群炉用电量.(k+1)时刻群炉需量取决于功率变化率.本文建立了功率变化率与电流控制系统输出电流之间由线性项与未知非线性项组成的动态模型,其中线性项通过电流被控对象的参数和控制器的参数计算,未知非线性项采用基于偏自相关函数(Partial autocorrelation function,PACF)输入变量决策的径向基函数神经网络(Radial basis function neural network,RBFNN)来估计.本文提出了由当前k时刻的需量和功率,(k-n+1)时刻功率及k时刻功率变化率的估计组成的(k+1)时刻需量的计算模型.通过某电熔镁砂厂实际数据的仿真实验和工业实验表明所提方法可准确预报需量变化趋势,可以防止因原料变化引起需量尖峰导致错误切断电熔镁炉供电造成电熔镁砂质量降低.

耦合陆面水文模型和机器学习方法的水库径流量预报及应用

采用智能网格预报等多种气象预报数据与陆面水文模型及机器学习方法进行耦合,以岩滩水库流域区间为例,将区间预报径流量与历史径流量数据输入长短期记忆网络模型(LSTM)进行水库入库径流量预报,通过对日径流量模拟试验和业务试用分析,探明该方法在短期水文预报中的适用性。结果表明,耦合气象-水文-机器学习的径流量预报模型在率定期和验证期纳什效率系数(NSE)在0.65左右,在强降水过程训练试验中,日径流量和洪峰预报合格率≥87.5%,达到甲级预报精度标准;在业务试用中,24h、48h、72h日径流量预报合格率分别为87.3%、70.4%、75.5%,达到甲级或乙级预报精度标准,满足发布正式预报的精度要求;3次较大降水过程径流量和峰现时间预报合格率均为100%,达到甲级预报精度标准;峰值预报为66.7%,达到丙级预报标准,可用于参考性预报。将物理模型与人工智能方法进行有机耦合,可提高水文预报产品精度和适用性。

复经验正交函数方法在黄海水温预报中的应用

本文介绍了复经验正交函数（ＣＥＯＦ）方法，并首次将其应用于黄海的水温预报，同时与依据同样资料采用经验正交函数（ＥＯＦ）方法所作的预报进行了对比。比较可知，在黄海表层水温预报中，应用复经验正交函数方法所作的预报，其精度较应用经验正交函数方法提高０．２０℃左右，底层预报精度相当。

运用电子计算机进行稻瘟病流行趋势预报的研究初报

本文利用逐步判别分析方法。对1962年到1987年气象数据和田间调查的稻瘟病数据进行分析,建立了福建省建阳、宁化、上杭、连城四个县的早稻稻瘟病叶瘟和穗瘟的始见期、发病率、病情指数、发病面积,以及稳瘟损失率9个预报量的4套判别方程共36个。结果表明70％的预报方程的四代率在85％以上,30％的在75～80％,生产上可接受的验证准确率达83.33％。