日光温室番茄低温冻害指标确定及温度预报模型建立

利用2012年12月至2013年1月和2013年12月至2014年1月两个生长季沈阳和喀左地区日光温室的小气候观测数据,基于日光温室番茄实际低温冻害发生及影响因素分析,构建日温差指数,确定辽宁地区日光温室番茄果实膨大期低温冻害的指标,并采用回归分析方法建立了日光温室温度预报模型。结果表明:日光温室内持续低温、寡照及高湿综合作用造成了番茄低温冻害的发生。在日光温室内高湿的环境条件下,日光温室外出现阴雨雪天气,且寡照天气持续3d,日光温室内最高气温小于10℃,最低气温小于5℃,且5℃以下低温持续时间达15h以上时,将出现低温冻害。利用日光温室内外逐时气温数据建立温室内逐时气温预报模型,18时至翌日08时逐时气温≤3℃误差的预报准确率达86%以上。因此,利用确定的日光温室内番茄低温冻害指标和建立的日光温室内逐时气温预报模型,可实现温室内番茄低温冻害预警,提高日光温室防灾减灾能力。

夏季湖北电网气象敏感负荷预测模型研究

利用2009—2010年湖北电网日用电负荷资料和气象资料,提出了基于电网负荷的分解算法,将电网日最大负荷分解为基础负荷与气象敏感负荷2个主要分量。其中,气象敏感负荷与气温、相对湿度及风速的综合气象敏感负荷条件指数相关。提出了基于权重指数的湖北省面平均气象敏感负荷条件指数的算法。利用相关比法,分析了湖北省气象敏感负荷与面均气象敏感负荷条件指数的非线性关系。基于均方偏差最小原理和非线性最小二乘法,建立了夏季湖北电网气象敏感负荷与面均气象敏感负荷条件指数的多项式预测关系模型。经2010年9月模型应用检验表明,预测平均误差低于6%。该模型可用于夏季湖北省电力专业气象服务工作。

基于Elman神经网络的短期风电功率预测

为提高风电场输出功率预测精度,提出一种动态基于神经网络的功率预测方法。根据实际运行的风电场相关风速、相关风向和风电功率的历史数据,建立了基于Elman神经元网络的短期风电功率预测模型。运用多层Elman神经网络模型对西北某风电场实际1 h和24 h的风电输出功率预测,与BP神经网络模型对比,经仿真分析证明前者具有预测精度高的特点,三隐含层Elman神经网络模型预测效果最佳。这表明利用Elman回归神经网络建模对风电功率进行预测是可行的,能有效提高功率预测精度。

一种供电企业售电收入预测方法及其应用

针对供电企业售电收入结构复杂、影响因素多而导致预测困难的问题,对售电收入预测方法进行了深入研究。分析了售电收入计算原理,挖掘出售电量、用户类别、电价等3个关键影响因素;设计了包含5种适用于周期性变化数据算法的组合预测模型进行基础的预测工作;通过比较分析3种考虑不同影响因素的预测思路,提出了一种基于总售电量和售电均价预测值的售电收入预测方法;利用实际数据进行了预测和分析,结果表明,该方法预测精度高,实用性强。

基于综合BP网络的铸坯粗轧过程温度预测模型的研究

为了进一步提高铸坯粗轧过程温度预测精度,采用BP网络和数学模型相结合的综合BP网络,建立了铸坯粗轧过程温度预测模型,并利用现场实测数据对所建立的模型进行了验证。结果表明,模型的计算精度满足实际生产的需要。

基于组合预测模型的新能源电力系统短期负荷预测研究

随着风电、光伏等新能源的快速发展,电力系统的负荷需求变化和新能源出力的随机波动性具有高度的相关性,因此负荷的短期预测需考虑新能源出力的影响。本文提出一种融合支持向量机和双链马尔科夫理论的新能源电力系统短期负荷预测模型,该模型首先采用支持向量机挖掘负荷序列的整体变化趋势,并通过粒子群算法进行参数优化,然后通过双链马尔科夫模型来深层次分析考虑新能源出力因素的负荷时序变化特征,以此来修正支持向量机的初始预测结果。最后以国内某实际电网的新能源及负荷的实际出力数据为例,对所提方法的可行性和有效性进行了验证。

基于蚁群改进BP算法的组合预测模型在军械器材需求预测中的应用

针对在军械器材采购计划制定环节中的器材需求测算问题,提出基于蚁群改进BP算法的组合预测模型。先结合历史数据,利用多元线性回归预测法和自回归滑动平均模型(ARMA)进行初步预测,将初步预测的结果作为蚁群改进BP网络的输入,从而得到最终的预测结果。实验结果表明,基于蚁群改进BP算法的组合预测模型能够对积累的历史数据进行充分的应用,并且有较高的预测准确性。

公路运输与国民经济的协调发展预测分析

深化公路运输与国民经济发展的协调性研究是保持中国经济持续、稳健发展的需要。对两者之间未来的协调发展进行趋势预测和分析,对中国公路运输以及国家经济政策的制定具有一定的参考价值。以此为目的,运用灰色预测GM(1,1)模型及修正模型,利用聚类分析进行公路运输与国民经济的指标选取,结合公路运输与国民经济的相关数据对各评价指标进行2017~2020年的预测,计算公路运输与国民经济评价指标的关联程度和耦合度,以此对公路运输与国民经济未来的协调发展进行实证分析。结果表明,国民经济各指标与公路运输的关联程度比较强,整体都在0.70以上;从公路运输行业的角度来看,实际利用外资额与公路运输行业的关联度最大,国内生产总值与全社会固定资产投资次之;从国民经济的角度来看,公路里程与公路货物周转量和国民经济的关联度最大,公路旅客周转量比较弱;在耦合度方面,国民经济与公路运输行业的耦合度呈下降的趋势,说明中国公路运输与国民经济协调发展的稳定性在未来的几年里将逐步降低。

RBF神经网络在道路交通事故预测中的应用

分析了RBF神经网络在事故预测领域的适应性,提出了采用RBF神经网络建立道路事故预测模型.利用我国1990-2009年道路交通事故数据,运用RBF神经网络建立了非线性回归预测模型,并利用该模型预测了2000-2010年的道路交通事故死亡人数,结果显示该模型具有较高的可靠性,可为我国道路交通管理提供数据支持.

A Prediction Model for Railway Transportation Sofety and Its Application

This paper discusses the characterization of railway transportation safety, andapplies the Grey-Markov forecasting model to predict the occurrences of thedriving accident on railway according to their speciality. It will offer a reliableargument for taking measures to prevent driving accidents.

基于遗传优化支持向量机的交通事故预测

针对道路交通事故的预测问题,引入基于遗传优化支持向量机算法建立交通事故预测模型。利用遗传算法寻找支持向量机的最优参数组合,并用最优参数构建相应的支持向量机预测模型。仿真计算结果表明,基于遗传算法优化支持向量机模型优于传统的SVM模型,从而可以更有效地对道路交通事故进行预测。