Study on short－range numerical forecasting of ocean current in the East China Sea－Ⅲ Three－dimensional baroclinic anomaly forecasting model And its application

A three-dimensional baroclinic numerical forecasting model for anomaly current field is developed forapplication in the Bohai Sea and the upper layer of the Huanghai Sea and the East China Sea. All the dynamical variables, including temperature and salinity, can be calculated predictively by using the model. The results of the numerical weather prediction are used as input fields,and various dynamic and thermodynamic boundary conditions areadopted. So, the model can be used as an operational numerical forecasting model for current fields. In this paper,the structure of the model is presented in detail, various tests for the performance of the model are made, and thedependence of the model on some parameters is discussed. The results of the numerical simulation using historicaldata and experimental forecasting tests are also presented.

多源数据融合的深埋隧道岩爆预测方法

为提高隧道设计阶段未开挖区域的岩爆预测准确性,提出了一种多源数据融合的隧道岩爆预测方法.综合隧道勘察和施工阶段的不同地质信息,采用基于证据关联系数的加权融合技术,构建了隧道精细化三维动态地质模型.建立了基于强度理论的岩爆可能性判定方法和基于能量理论的岩爆烈度预测方法,通过Hoek-Brown强度准则判断围岩是否发生岩爆,利用储能极限阈值和能量释放指数划分岩爆烈度,并将其应用于四川某隧道工程中.结果表明,所提方法可以实现隧道掌子面前方30 m范围内的岩爆精准预测,预测结果与隧道开挖实际岩爆的吻合率为95.8%.因此,该预测方法能够在隧道施工前预判岩爆烈度,为隧道岩爆防治提供指导.

会阴3D超声检查对初产妇阴道分娩后盆膈裂孔形态变化的评估价值

目的采用会阴3D超声检查测量初产妇阴道分娩后盆膈裂孔形态变化情况,并评估其预测盆腔脏器脱垂的价值。方法选取2016年10月-2020年2月本院收治的经阴道分娩的初产妇112例(研究组),并选取同期本院体检健康的未育且无生产史女性84例(对照组)。比较两组受试者随访1年盆腔脏器脱垂发生比例、盆膈裂孔各项参数(盆膈裂孔前后径、盆膈裂孔左右径及盆膈裂孔面积)、肛提肌厚度及杨氏模量。绘制受试者特征(ROC)曲线分析研究组各参数对盆腔脏器脱垂的预测效能。结果在静息状态、缩肛状态及Valsalva状态下,研究组与对照组、脱垂亚组和未脱垂亚组受试者盆膈裂孔各项参数及肛提肌厚度、左右侧杨氏模量比较差异有显著性(t=4.645~37.691,P<0.05);ROC曲线分析结果显示,在静息状态下,产后6周研究组受试者经会阴3D超声检查获得的盆膈裂孔前后径、盆膈裂孔左右径、盆膈裂孔面积及肛提肌厚度、左右侧杨氏模量预测盆腔脏器脱垂的cut-off值分别为5.15 cm、3.45 cm、14.99 cm^(2)、0.47 cm、22.15 kPa、20.05 kPa(P<0.05),在缩肛状态下,上述各项指标预测盆腔脏器脱垂的cut-off值分别为4.31 cm、3.39 cm、13.83 cm^(2)、0.68 cm、31.17 kPa、28.34 kPa(P<0.05),而在Valsalva状态之下,上述的各项指标预测盆腔脏器脱垂的cut-off值分别为5.47 cm、4.08 cm、16.82 cm^(2)、0.57 cm、26.88 kPa、25.02 kPa(P<0.05)。结论初产妇阴道分娩后经会阴3D超声检查可准确反映盆膈裂孔形态变化,并可为产后女性盆腔脏器脱垂的预测及制定个性化康复训练等提供参考。

融合多注意力深度神经网络的可解释光伏功率区间预测

现有光伏出力预测研究对复杂时空相关性的影响考虑不足,且深度学习自身的黑箱性质使其预测结果的可解释性差。为提高多时空尺度下光伏功率预测精度并增强模型可解释能力,提出融合时空注意力深度神经网络的光伏出力预测模型及其可解释性分析方法。首先,建立了时间-空间-特征的多维注意力机制,结合深度神经网络和分位数回归模型构建光伏区间预测模型,并以注意因子为导向指导模型优化。然后,提出了面向深度学习模型预测过程和预测结果的可解释性体系,基于神经元电导梯度法从模型结构上解释其预测机制,进一步结合注意力权重挖掘影响模型功率预测的核心时空特征。为验证解释结果的可靠性,通过沙普利加性原理量化考虑时间差异性的特征全局边际贡献,并结合实例样本溯因模型的预测依据。最后,在中国某省分布式光伏电站数据中进行验证,结果表明,所提模型相比传统预测模型具有更高的预测精度,可以挖掘光伏出力的时空规律性并合理解释模型预测机制。

基于KLPP-K-means-BiLSTM的台区短期电力负荷预测

随着智能电网的发展,各场景的用电更加多元化,而准确的台区负荷预测是确保相关电力部门制定合适检修任务的关键,同时为有序用电、电网经济运行提供重要参考。为了挖掘台区负荷的特征以提高台区负荷预测的精度,提出了一种基于核主元分析与局部保持投影降维、K均值聚类算法(K-means)以及双向长短时记忆网络(BiLSTM)的台区电力负荷预测方法。首先利用核局部保持投影(KLPP)对台区多特征负荷数据进行降维以提取主要特征信息;然后采取K-means聚类算法将相似特征的数据归类成各自的簇集;最后针对聚类后的各典型类型,有针对性地训练BiLSTM,并选取中国某高校低压台区负荷作为算例与其他经典预测方法进行对比分析,结果表明所提方法更拟合实际负荷走向,有效提升了预测效果。

基于CNN-LSTM-AM神经网络的多维长序列物流需求预测

物流需求预测是物流管理中的关键环节,但是在现实生活中,物流需求可能受到诸如天气、经济状况、特殊事件等多方面因素的影响,这使得问题呈现出多维度、长序列的特征。随着深度学习和神经网络的发展,越来越多的研究开始尝试使用神经网络模型进行物流需求预测,但是单一的神经网络模型在处理多维度、长时间序列的预测任务时常常表现欠佳。由此文章提出了一种基于CNN-LSTM-AM的神经网络模型,用于多维长序列物流需求预测。通过消融实验与其他模型的对比,结果表明,其平均绝对误差(MAE)、均方根误差(RMSE)、决定系数(R2)均值分别为1.56、1.63和0.981,均优于其他6种神经网络模型,为物流企业提供了一个有效的参考来更好地规划资源和降低成本。

基于支持向量机的网格化电网负荷预测算法设计

针对电网负荷预测算法预测能力较差、效率偏低的问题,文中提出了一种PCA-PSO-SVM算法。其在经典粒子群算法的基础上引入主元分析法,使模型具有降低数据维度及算法冗余度的特性。同时通过改进的PCA-PSO算法对SVM模型的内置参数进行最优选取,从而使改进后的SVM模型具有最佳的分类性能。在实验测试中,采用PCA算法选取了91%贡献度内的6项数据特征进行样本数据训练。结果表明,相较于其他对比算法,该文算法预测结果的RMSE、MAE与MAPE误差值均为最小,证明其可对网格化电网负荷加以预测。此外,该算法还能提升传统算法的准确度,为电力负荷分配提供有力支持。

基于粒子群优化BP神经网络的激光扫描投影系统畸变预测方法

为了精准、高效地预测和校正激光扫描投影系统的畸变误差,研究了基于粒子群优化BP神经网络的畸变预测方法。建立了BP神经网络结构,并融合粒子群优化算法对BP神经网络的权值和阈值进行优化,得出基于粒子群优化BP神经网络的激光扫描投影系统投影畸变预测模型。选取距激光扫描投影仪器两米的待投影面上的理论坐标点及各点相应畸变值Δx作为粒子群优化BP神经网络的训练数据集,将待投影面上实际投影位置坐标代入训练好的粒子群优化BP神经网络进行预测得到预测畸变值输出,并与实际畸变值对比,最后,引入Elman神经网络预测模型的预测结果与所研究预测方法进行对比。结果表明:在±30°的全视场扫描投影范围内粒子群优化BP神经网络预测模型的均方根误差为0.0176 mm,解算时间仅需22.4 s,相较于Elman神经网络效率提升78.33%,预测精度及时间明显优于Elman神经网络,可以有效预测激光扫描投影系统的畸变误差。

晕渲图技术在气象模式数据可视化上的应用

晕渲法根据山体阴影值的原理,利用光照角度和方向、坡度和坡向的关系来计算光通量的明暗值,利用色调的明暗来展现气象模式数据的立体感。晕渲图的着色方法是将每个格点上的明暗值作为HSV色彩模式中的明度,结合饱和度和色度获得HSV色彩值,再通过HSV色彩模式和RGB色彩模型之间的转换,使用RGB色彩模型进行着色,实现气象模式数据彩色晕渲图的绘制。本文在气象模式数据的可视化工作中,利用晕渲图技术,实现对物理概念上与地形类似的气压、位势高度等数据的三维绘制。相比于传统的等值线填色方法,晕渲图技术能够直观表现大气形势场的立体分布,以凹凸效果表现高低值天气系统,通过坡面的陡度体现天气系统的梯度变化;能够展现数据的像素级细节,识别梯度较小的涡流扰动,显示等效地形影响,帮助气象工作者更好地解释数据,为气象模式中数据处理的改进提供参考。

水稻高温热害强度时空变化特征与预报模型构建

构建定量表征水稻高温热害强度的指数,揭示时空变化特征,并建立中长期预报模型,准确预报高温热害发生的强度趋势对提前部署抗高温工作至关重要。该研究充分考虑高温热害累积效应,结合致灾指标,构建了强度指数,并采用Fisher分割法对其进行了客观化分级;根据中长期天气预报原理,基于海温和大气环流指数两类预报因子,利用二维寻优技术,分别构建了水稻高温热害强度指数预报模型,并进行了验证和比较。结果表明:1)2010年以来江苏省水稻高温热害年频次增加且强度明显增强,其中2013年、2022年高温热害强度均达最高等级4级,高温热害强度指数存在明显的年代际差异,从20世纪90年代开始江苏省水稻高温热害强度逐年代增强,空间上呈现出高温热害强度指数年代累加值不低于10的区域从南向北随年代逐步扩大,至21世纪10年代已扩展至淮北西部,其中淮河以南水稻高温热害强度增强明显,为历年代最强。2)构建的两类水稻高温热害强度指数预报模型可在7月初进行预报,预报提前量均为1~2个月,总体都能较好地模拟出强度指数的年际波动特征,但模拟值波动幅度与实际值存在不同程度的差异。3)通过拟合检验和试报检验,预报因子经过最优化相关技术处理后,能有效增加因变量和自变量的相关度,提高预报模型的模拟效果,其中海温因子经最优化处理后的高温热害强度指数预报模型效果最佳,可在农业气象业务服务中进行应用。研究结果对主动防御高温灾害和保障粮食安全具有重要科学意义和参考价值。

基于多维融合特征和卷积神经网络的多任务用户短期负荷预测

针对海量用户负荷预测场景下,应用单任务用户负荷预测法所导致的运行效率低以及无法学习相关任务间关联关系等问题,提出一种基于多维融合特征和卷积神经网络的多任务用户短期负荷预测方法。首先,基于聚类技术实现多任务学习中相关任务的选择;其次,为每一类用户群构建多维融合输入,合理有序容纳多个任务的特征,避免维度爆炸和信息混乱;最后,分别为每一类用户建立以卷积神经网络为共享层的多任务预测模型,学习共享特征,并行输出相应类中全部用户的负荷预测值。基于爱尔兰能源监管委员会提供的智能电表实测数据进行算例分析,结果表明,该方法在提高整体运行效率和平均预测精度方面均取得良好成效。

基于数字孪生的肺结节诊断

为解决肺结节诊断难度大的问题,提出基于数字孪生的肺结节诊断技术思路。采用智能算法、模型融合、虚实交互等关键技术建立了肺结节诊断的数字孪生框架。通过重建算法构建了肺三维虚拟模型,建立了肺结节诊断系统的虚拟实体;利用深度学习技术对数据进行迭代分析生成肺结节检测模型,与三维虚拟模型结合提升交互性,实现了对肺结节的智能检测;通过随访更新患者数据构建肺结节的动态预测模型,完成了肺结节分析与诊断,满足了可视化监控、健康管理等需求。以实际案例进行了肺结节的检测与诊断,验证了所建系统的可行性。

基于1DCNN-LSTM和迁移学习的短期电力负荷预测

针对在短期电力负荷预测中,当某区域电力负荷数据较少时,负荷预测精度较差的问题,提出一种基于1DCNN-LSTM(1D Convolutional Neural-Long Short-Term Memory Networks)和参数迁移的短期负荷预测方法,并采用1DCNN-LSTM结合迁移学习针对性提高预测精度。使用美国某地区的实际负荷数据进行仿真分析,实验结果表明,该方法能有效提升区域电力负荷数据缺失时负荷预测的精度。

基于维度规约的快速路全时段排放模型适应性研究

针对城市快速路汽车污染物排放控制需要,紧扣不同排放模型在映射不同时段排放影响因素与排放率关系方面的差异,以排放测试车辆实际工况排放序列为数据源,分别将反向传播神经网络(Back Propagation Neural Network,BPNN)、广义回归神经网络(General Regression Neural Network,GRNN)和径向基函数神经网络(Radial Basis Function,RBFNN)与平均影响值(Mean Impact Value,MIV)方法相结合,构建维度规约模型。以95%累计贡献率为阈值对排放预测模型输入维度进行降维的基础上,分析神经网络在维度规约前后在不同时段的预测污染物排放率适应性。结果表明:维度规约后BPNN和GRNN模型的R2及MSE在全时段排放数据集中的预测性能提升1.19%、10.14%、6.51%、15.56%,RBF模型对维度规约不敏感;全时段GRNN模型的R2和其余两个模型相比提高10.18%和7.68%,MSE和其余两个模型相比降低0.0396和0.0446,同时MAPE显著降低7.38%和3.86%,揭示GRNN模型在预测快速路污染物排放方面与GRNN和RBF相比具有较好的鲁棒性;分析GRNN在不同时段的预测性能发现,平峰时段预测R2与早高峰和晚高峰相比提升3.10%和4.37%,MSE和其他两个时段相比下降0.0303、0.0157,MAPE降低0.4117、0.2857。表明,快速路不同时段交通状态、交通流和驾驶行为影响下的排放时间序列的异常波动对不同排放模型的鲁棒性和泛化能力的影响显著,为今后排放模型研究当中引入排放时段和交通状态等参量提供依据。

基于支持向量机的船舶交通流量预测方法

提升航道和港口资源的高效、合理利用,需精准掌握船舶交通流量情况。为此,本文提出基于支持向量机的船舶交通流量预测方法。该方法以船舶交通流量数据为基础,经预处理后将其作为采用支持向量机的输入量,通过输入量和输出量之间的高维映射,预测船舶交通流量;通过鲸鱼优化算法优化支持向量机的核参数和惩罚项参数;通过迭代寻优获取最优的参数结果,以此保证舰船交通流量预测结果的精准程度。测试结果表明:该方法能可靠完成不同航行环境下的船舶交通流量预测,均等系数均在0.019以下;中心可依据预测结果对船舶进行管理,高效、合理实现港口资源利用,减少船舶等待进港时间。

Prediction of ENSO using multivariable deep learning

本文基于残差神经网络和观测数据构建了一套深度学习多因子预报测模型,以改进厄尔尼诺-南方涛动(ENSO)的预报.该模型基于最大信息系数进行因子时空特征提取,并根据泰勒图的评估标准可自动确定关键预报因子进行预报.该模型在超前8个月以内的预报性能要优于当前传统的业务预报模式.2011–2018年间,该模型的预报性能优于多模式集成预报的结果.在超前6个月预报时效上,模型预报相关性可达0.82,标准化后的均方根误差仅为0.58°C,多模式集成预报的相关性和标准化后的均方根误差分别为0.70和0.73°C.该模型春季预报障碍问题有所缓解,并且自动选取的关键预报因子可用于解释热带和副热带热动力过程对于ENSO变化的影响.

小流域水文水动力洪水预报研究

【目的】分别采用水文和水动力方法计算设计暴雨条件下田家湾流域洪水流量,在传统流域水文模型的基础上增加了二维水动力学模型计算,以晋中市田家湾水库上游流域为研究实例,模拟了不同历时降雨条件下小流域洪水水文水动力产汇流过程。【方法】水文计算中在该地区的长历时设计暴雨条件下分别采用综合瞬时单位线法和推理公式法进行设计洪水演算,同时在小范围流域水动力计算中,首先对基础数据进行预处理,之后采用芝加哥雨型设计流域短历时暴雨,通过地形资料建立HEC-RAS二维水动力学模型对上游汇水分区内的流域进行降雨径流模拟。【结果】长历时暴雨对田家湾水库上游形成洪水具有较大的影响,短历时暴雨下水库能够调节流域的洪水。【结论】本次计算模拟成果对有小流域地区的洪水预报有一定的意义。

上海公共交通模型发展及关键技术

上海公共交通模型始建于20世纪80年代,经历了从起步到成熟再到进一步完善的发展历程。起步阶段,为解决当时上海市民公共交通乘车难问题,构建了具有宏观客流模拟与分析功能的公共交通规划模型,适用于对公共交通网络及骨干走廊和线路的客流预测分析。成熟阶段,在既有公共交通规划模型偏重中长期宏观规划预测分析功能的基础上,开展技术改革和参数优化,形成公共交通系统模型,并作为当时上海综合交通模型体系建设的重要组成部分,满足对规划、建设、运营管理等不同层面的应用要求。完善阶段,信息化大数据在交通领域的发展为模型补充了新的数据基础,使模型在既有框架下继续优化参数和更新技术,提高模拟和预测的精度,进一步完善功能。通过对上海公共交通模型各发展阶段的回顾,总结关键技术,展望未来可能的发展方向。

洪水灾害时空过程模拟可视化表达研究进展与展望

【目的】虚拟现实三维可视化技术已被广泛地应用于洪水灾害过程的展现。为了应对洪水风险并做出正确的决策,需要对洪水灾害的时空演化过程进行科学逼真的表达。【方法】对洪水灾害时空过程模拟表达的国内外相关研究工作进行了总结和归纳,对其方法的发展脉络进行了回顾和梳理,重点分析了场景建模、模型计算、场景可视化等洪水时空过程表达涉及的关键技术,并对当前的主要技术瓶颈进行了研判。【结果】结果表明,洪水灾害时空过程模拟可视化技术的发展面临着可视化数据量大、观测数据耦合的模拟方法尚不成熟、可视化的逼真度和科学性难以兼顾、增强现实场景有待进一步提升虚实配准和融合渲染效果、可视化效果缺乏客观评价方法体系等问题和挑战。【结论】未来需要进一步结合气象、水文、地理信息系统、计算机仿真等多学科、多领域的先进技术,以实现更逼真、科学和高效的洪水灾害模拟可视化。

滚动多维度城市饱和负荷预测研究

饱和负荷的研究对城市电网远景规划以及经济社会与电网协调发展具有重要意义。首先综合考虑经济发展、产业结构、城市发展水平和居民生活水平等经济社会发展因素对饱和负荷的影响,筛选出适用于城市饱和负荷预测的经济社会发展指标;其次,介绍了用于经济社会发展指标预测的Logistic模型,并对提出的滚动多维度城市饱和负荷预测模型原理进行了阐述;最后,以北京市为例,在对其经济社会指标进行预测的基础上,运用所提出的模型对北京市饱和负荷进行了分析,实证结果表明本文提出的城市饱和负荷预测新方法是有效可行的。