基于胞映射理论的岩体动力系统可预测尺度模型

岩体混沌动力系统演化过程的可预测尺度是非线性预测理论研究的重要内容。在利用传统的理论和方法分析实际问题时 ,常常由于观测资料不足而无法计算岩体动力系统的可预测尺度。为了解决这一问题 ,基于胞映射理论提出了一种新的岩体动力系统可预测尺度的计算模型。该模型基于系统的非线性动力学方程和随机过程理论 ,将点到点的映射转化成胞到胞的映射 ,以系统演化达到极限状态概率分布前的时段作为系统的可预测尺度 ,消除了初值观测误差和系统离散化对系统造成的影响 ,从而可以更精确地描述系统的混沌性本质。

基于n阶平均发散度的混沌时序可预测尺度研究

深入分析了基于最大Lyapunov指数的混沌时序可预测尺度确定方法,指出了其存在的不足。在此基础上,提出了一种新的基于n阶平均发散度的可预测尺度确定方法。首先给出了n阶平均发散度的定义;然后阐述了新方法的基本原理,并总结了可预测尺度的计算步骤;最后将所提方法应用于电力负荷时序可预测尺度的确定中,通过对预测误差的分析和比较,验证了新方法的有效性。

混沌系统可预测尺度研究

着重讨论了混沌系统未来状态预测的 "长期 "与 "短期 "问题 .混沌系统的初始状态敏感性决定了其不可长期预测性 .但在短期内对混沌系统的运动作出准确预测还是可能的 .基于此 ,给出了混沌时间序列的平均可预测尺度及最长可预测尺度 ,以此来界定短期预测的时间范围 .最后利用 Logistic映射以及 Henon映射产生的混沌时间序列对上述理论进行了实例验证 ,得到了较为理想的结果 .

基于自适应扩展卡尔曼滤波的变压器顶层油温多时间尺度预测

为实现电力变压器的负荷优化调度和热故障及时预警,提高电力设备的运行可靠性,该文提出一种基于自适应扩展卡尔曼滤波算法的顶层油温短期-超短期多时间尺度预测方法。该方法将卡尔曼滤波算法和Susa热路等值模型相结合,选取顶层油温、油指数和油时间常数作为状态变量,环境温度和负载电流作为输入量,通过对顶层油温估计值和观测值的比对实现油指数和油时间常数的迭代优化,以提高顶层油温多时间尺度下的预测精度。此外,该模型利用自适应噪声估计器修正噪声统计参量,以自动优化简便噪声初值设定,从而进一步提高模型的预测准确度。以2台110kV油浸式变压器为例进行分析,结果表明该方法对顶层油温的日内超短期预测、日前短期预测,相较于热路等值模型计算和扩展卡尔曼滤波算法有着更高的预测准确度。

强震大尺度有序图像预测法及其应用研究

在系统总结汶川8.0级、玉树7.1级等地震前大尺度有序图像演化过程的基础上,系统研究1952年以来青藏块体大尺度有序图像的特征及其与区域7级地震或地震组的关系,得出大尺度有序图像是一种具有动力学含义的地震活动图像,在青藏块体7级地震或地震组前普遍存在,对7级地震或地震组以及5级以上地震活动主体地区的判定具有中期预测意义,可进一步总结并提炼强震大尺度有序图像预测法。以2021年青海玛多7.4级地震前青藏块体5级以上地震大尺度有序图像的演化过程为例,检验和验证上述结论及大尺度有序图像预测法的有效性。

基于县域尺度神经网络模型的中国钢铁工业污染物排放预测研究

实现精细尺度的钢铁工业排放预测对我国的区域污染控制和产业政策调整具有重要意义。该研究通过融合多源数据构建神经网络模型并实现2025—2060年的县域尺度活动水平预测,建立中国钢铁工业的大气污染物排放预测清单。结果表明,粗钢产量将在2025年达到最高值,且随后呈现缓慢下降趋势。同时,未来中西部地区将形成大型县域钢铁生产基地。2060年,我国粗钢产量预计为7.6亿t,较2015年下降4%,共排放SO_(2)、NO_(X)、PM_(2.5)及CO_(2)分别为10.6万t、8.6万t、25.5万t和5.9亿t,较2015年分别下降88%、89%、76%和52%。

基于月动力延伸预报最优信息的中国降水降尺度预测模型

利用国家气候中心月动力延伸预报结果、NCEP/NCAR再分析资料和中国160个站观测资料,通过计算两次相关的方法,获取最优预报信息作为建立降尺度预测模型的预测因子,提取的最优预测因子同时满足既是观测环流要素场影响降水的关键区域,又是模式要素场预报的高技巧区域两个条件。结合挑选出的最优预测因子,利用最优子集回归建立月平均降水的降尺度预测模型。文中设计了消除预测因子和预测量的线性趋势值后建立预测模型(方案1)和直接利用原始资料建立预测模型(方案2)两种方案。经过独立样本检验,发现这两种方案建立的预测模型都能够提高月尺度降水预测,方案1对月尺度降水预测的距平相关系数平均可达0.35。利用该方案对超前时间分别为0、5、10d的月动力延伸预报产品进行月降水的降尺度预测表明,模式初值信息不仅影响月动力延伸预报结果,也影响降尺度应用效果,利用超前时间为0和5d的月动力延伸预报结果进行降水降尺度预测可在业务中参考。此外,降尺度预测模型中选取的预测因子不仅在统计上是显著的,同时也具有清楚的物理意义。

统计降尺度方法在北京月尺度预测中的应用

利用SDSM(statistical downscaling method)方法对北京47年(1961—2007年)的最低、最高气温和降水变化情况进行模拟评估,在此基础上对2008年北京奥运期间和2009年国庆期间天气变化进行实际预测应用。结果表明,SDSM方法具备模拟气温和降水等要素的能力。从年际变化模拟的情况上看,SDSM模型对气温模拟的效果好于降水,其中对于月平均最低(最高)气温模拟的效果好于最低(最高)气温极值的模拟。模型模拟的逐年极端最高(最低)气温结果在整体上偏低于实况气温,体现出气温极值模拟能力的不足。SDSM模型模拟的降水量整体上小于实测值,对降水极大值模拟能力更弱。对奥运会和国庆期间北京天气预测结果表明,模型对日最高、最低气温和降水的数值预测能力较差,预测值偏低于实际值,但升温和降温过程发生的时段能够准确的预测。

最小二乘支持向量机的短期负荷多尺度预测模型

提出了一种改进的电力负荷短期预测小波网络模型,该模型采用最小二乘支持向量机(LS-SVM)实现了小波分解系数的多尺度组合预测.首先使用多孔算法对短期负荷序列进行小波分解,得到指定尺度下的近似系数和相关尺度下的小波系数,然后利用LSSVM对预测点的系数进行多尺度组合预测,通过小波重构可以求得相应的预测值.结合某地区短期负荷需求数据进行了仿真试验,研究了预测点与历史记录数据的相关关系.预测结果表明,使用本模型进行短期负荷预测同比传统小波神经网络方法可以获得更好的预测精度,同时LS-SVM的引入大大提高了模型的可计算性.

土壤饱和导水率的多尺度预测模型与转换关系

运用联合多重分形方法研究不同土层土壤饱和导水率与土壤基本物理特性的多尺度相关性,建立不同土层土壤饱和导水率的多尺度预测模型,构建不同土层土壤饱和导水率之间的转换关系。结果表明:不同土层土壤饱和导水率与土壤基本物理特性的相关程度排序不同;在单一尺度和多尺度上,0～20 cm土层土壤饱和导水率与土壤基本物理特性的相关程度排序相同,20～40 cm土层土壤饱和导水率与土壤基本物理特性的相关程度排序不同;土壤饱和导水率多尺度预测模型的预测精度较高,0～20 cm土层和20～40 cm土层拟合值的均方根误差分别为0.035 0和0.029 0;0～20 cm土层和20～40 cm土层土壤饱和导水率转换关系的计算精度较高,拟合值的均方根误差为0.037 5。

基于月动力延伸预报的陕西降水降尺度预测模型

建立陕西站点月降水量的统计降尺度预测模型。利用国家气候中心月动力延伸预报结果、NCEP/NCAR再分析资料和陕西40个站观测资料,通过陕西各月降水量与大气环流相关要素的统计相关分析,采用最优子集回归方法,建立了基于月动力延伸预报的陕西降水降尺度预测方法。预测方法对陕西月降水的预测效果夏季高于冬季,夏秋季预测效果相对稳定,春季预测效果不稳定;区域预测质量陕南效果最好,关中次之,陕北相对较差,陕北、陕南预测效果季节变化比较明显,关中相对稳定;基于月动力延伸预报的陕西降水降尺度预测方法对极端气候事件的异常趋势与实况基本一致,但在异常程度和范围上仍与实况有较大偏差;同时发现基于月动力延伸预报的陕西降水降尺度预测方法对预测初始场有明显的敏感性。预测方法有助于提高陕西气候异常的预报水平和极端事件的预报能力。

基于BCC＿CSM模式的山西省盛夏降水降尺度预测

降尺度方法是目前弥补气候系统模式预测结果不足的重要手段,为获得具有较高预测技巧的山西盛夏降水客观化预测产品,本文选取1990-2017年6月起报的BCC_CSM气候系统模式输出盛夏结果和同期NCEP/NCAR再分析资料同时与山西盛夏降水异常典型模态具有统计显著的因子,利用逐步回归方法建立了山西盛夏降水降尺度模型。进一步研究发现,降尺度模型的预测能力与BCC_CSM对影响山西盛夏降水关键区海温的预测技巧密切相关。检验回报与观测的时间和空间距平相关系数(TCC和ACC)、回报与观测的距平符号一致率(PC)以及趋势异常综合评分(PS),表明降尺度模型对山西盛夏降水的预测技巧较BCC_CSM输出有明显改进,BCC_CSM模拟降水TCC在山西全区没有通过95%信度检验,降尺度模型回报TCC在山西大部分地区通过95%信度检验,中南部通过99%信度检验;相应的ACC由-0.02提高到0.35,PC由53.3%提高到66.8%,PS由65.6%提高到78.9%。2018年盛夏业务试运行,ACC为0.42,PS为70.8%。

地下水动态多尺度地震预测技术初探

针对华北地区40多年的地下水动态资料,分别依据从月均值、日值、分钟值等不同尺度资料中提取的具有可重复的代表不同时间特征的异常信息,进行多级地震预测研究。研究结果表明,华北中强地震之前区域地下水存在10年准周期特征,周期的上升和高值段可作为长趋势异常变化,在上升(或高值)趋势变化背景上存在3年左右的中短期下降异常变化,在水位下降中短期异常背景上存在震前1天到几个月形态各异的复杂的短临异常形态。根据这些不同时间尺度的明显的重现异常变化进行强震多尺度预测研究。

广东开汛日期的多尺度物理统计预测模型

采用小波分析、Lanczos滤波器、相关分析、最优子集回归和交叉检验等方法,研究了广东开汛日期的多尺度变化特征及其与全球不同地区前期海温场、500hPa高度场的关系,建立了广东开汛日期的多尺度最优子集回归预测模型并进行了检验。结果表明,广东开汛日期存在显著的准6年和较明显的准17年周期振荡。广东开汛日期在年际和年代际变化尺度上与前冬海温场和500hPa高度场上共有20个显著相关区域,分别取对应时间尺度上显著相关区域的平均值作为预报因子,对相应时间尺度的广东开汛日期做最优子集回归,建立了相应的预测模型,以年际和年代际尺度上的预测值之和为广东开汛日期的预测值。所建立的预测模型具有较好的拟合效果,其中拟合值与实况值相差在5天以内的事件命中率为41.5%,10天以内的为60.4%。1951—2010年的交叉检验结果表明,广东开汛日期预测值和实况值之间的相关系数为0.33,通过了α=0.01的显著性水平检验。预测值与实况值相差在5天以内的事件命中率为26.7%,10天以内的为45.0%,因此,所建立的多尺度最优子集回归预测模型对广东开汛日期具有较好的预测能力。

多尺度算法预测沥青混合料剪切疲劳剩余强度

为研究沥青混合料的剪切疲劳剩余强度,基于沥青混合料细观结构和多尺度算法建立二维剪切试验数值模型。根据多尺度算法及有限元数值模拟,逐级预测沥青混合料的疲劳剩余强度,并与剪切疲劳剩余强度的试验结果进行了对比。研究结果表明:沥青混合料细观力学尺度模型能够反映基体及集料对沥青混合料疲劳损伤的影响;多尺度算法逐级预测沥青混合料剪切疲劳剩余强度,避免了在建模过程出现集料缺失的情况;沥青混合料剪切试验获得的剪切疲劳强度与多层迭代算法预测值之间的误差较为稳定,能满足工程要求。

微注塑散热器流动诱导热导率变化的多尺度数值预测

为进一步提高聚合物复合材料热导率,采用多尺度数值预测法研究了微注塑聚酰胺/碳纤维(PA66/CFs)散热器内部CF的流动诱导取向及其对制品热导率的影响规律。首先,利用Moldflow获取CF取向张量,并以Comsol Multiphysics构建与之对应的复合材料微元胞。利用正交实验法研究熔体温度、模具温度、最大注射压力及注射流率对微散热器热导率的影响。然后,对预测数据进行分析获得最优注塑参数组合。最后,对优化结果进行模拟实验,验证了多尺度数值预测法的有效性。结果显示:上述各参数重要程度由大到小依次排列为熔体温度、注射流率、最大注射压力和模具温度;最佳组合为熔体温度360℃、模具温度70℃、最大注射压力220 MPa及注射流率3×10–4 cm3/s。另外,流动诱导热导率变化最大值达0.36 W/(m·K),为基体热导率的1.5倍。得到的研究结果为从工艺调控的新角度来改善聚合物复合材料的导热性能提供了理论依据与数据支撑。

一种基于局部回归的多尺度碳市场价格预测模型研究

碳市场价格呈现非线性、非平稳的复杂特性,准确预测具有较大的挑战。基于“分而治之”的思想,提出了一种基于局部回归的多尺度碳市场价格预测模型。提出的模型利用集成经验模态分解(EEMD)对碳市场价格时间序列进行分解。启发于EEMD局部特征分解的特点,对分解后的分量采用局部回归方法进行预测,然后将分量预测结果进行集成。采用的局部回归方法包括局部线性回归(LLP)、局部多项式回归、局部岭回归、局部主成分回归、局部偏最小二乘回归和局部套索回归。实验结果表明基于局部回归的多尺度预测模型具有优异的预测性能。在提出的模型中,EEMD-LLP结构简单且性能更为突出,进一步对EEMD-LLP参数的适应性进行探讨。与新近提出模型的对比结果表明了EEMD-LLP在碳市场价格预测中的有效性。

年尺度地震预测模型的国际研究现状

对未来1年内发生强震的预测在做好备灾应急准备和防震减灾工作上具有重要的现实需求.为反映近年来国际上关于1年尺度地震预测模型研究的进展,本文系统地整理了地震的统计概率预测模型、物理预测模型和混合预测模型,并从方法原理、预测效能评价、部署应用等角度进行了梳理.研究表明,目前国际上发展的1年尺度地震预测模型及其效能评价使用的参考模型的总体数量较少、建模原理主要基于G-R关系等统计学基本定律,显示该领域在基础理论架构、关键技术体系上并未足够成熟,这可能与相应的地震发生机理解释尚不完善、建立数理化的预测模型尚有困难等因素有关.

基于EEMD与LSSVR的能源消费量多尺度预测——以广东省为例

由于能源消费内在的复杂性,传统的单尺度预测方法很难获得理想的预测效果.为提高能源消费量预测精度,提出了基于集合经验模态分解(EEMD)与最小二乘支持向量回归(LSSVR)的能源消费量多尺度预测模型.首先应用EEMD算法将能源消费量环比指数从高频到低频分解成若干结构更简单、变化更平稳、规律性更强、更易于预测的内在模态函数(IMF)和一个残差项;其次利用LSSVR对各IMF和残差项进行预测,并采用粒子群算法(PSO)选择最优的模型参数;然后将各分量的预测值直接加总求和重构出能源消费量环比指数的预测序列;最后通过逆环比化处理,获得原始能源消费量的最终预测值.利用该模型对1980-2013年广东省能源消费量进行实证分析,结果表明多尺度预测模型的确能够显著提高预测精度.

基于特征聚类的区域风电短期功率统计升尺度预测

区域风电功率预测对于保障风电消纳及电网安全经济运行具有重要意义。由于新建风电场在并网初期尚未建立预测系统及各风电场预测精度参差不齐,经典的单场功率累加法预测精度并不高。提出一种基于风电功率数据特征聚类的区域风电功率统计升尺度预测方法,首先使用经验正交函数(empirical orthogonal function,EOF)法解析区域内风电出力特征,然后采用层次聚类法划分子区域,并利用风电场的相关系数和预测精度选取代表风电场,最后根据代表风电场的预测功率及权重系数完成区域风电功率的升尺度预测。应用冀北电网2015年的实际数据进行统计升尺度建模和方法验证。结果表明,相比累加法,文中提出的统计升尺度方法可改进区域风电功率预测精度,同时减少区域预测模型对单风电场数据完备性和预测精度的依赖。