基于遗传算法的门限自回归模型在浅层地下水位预测中的应用

提出了建立门限自回归模型的一种简便通用的方法，用遗传算法可同时优化门限值和自回归系数．实例计算的结果说明了其可行性和有效性．

遗传门限自回归模型在气象时间序列预测中的应用

提出了建立门限自回归模型（TAR）的一套简便通用的方法。用基于实码的改进遗传算法,可同时优化门限值和自回归系数,解决了TAR建模过程所涉及的大量复杂寻优工作这一难题,为TAR模型在气象预测中的广泛应用提供了有力工具。实例计算的结果说明:通过门限值的控制作用,TAR模型可有效地利用气象时序资料所隐含的时序分段相依性这一重要信息,限制了模型误差,保证了TAR模型预测性能的稳健性,提高了预测精度。该方法具有通用性,在各种气象非线性时序预测中具有广泛的实用价值。

具有周期变化和下降趋势的地下水位的预测

应用门限自回归 (TRA)模型解决具有周期性变化和下降趋势的地下水位的预测问题 ,可以有效地利用地下水位资料所隐含的时序分段相关性 ,起到限制模型误差 ,保证模型预测性能的稳定性 。

地下水位动态预测的遗传门限回归模型

提出了用基于遗传算法的门限回归模型 (TR)描述地下水位及其影响因子之间复杂非线性关系的新方法。实例计算的结果说明 :通过门限值的控制作用 ,TR模型可以有效地限制模型误差 ,保证了模型预测性能的稳健性 ,提高了预测精度 ;该方法在其它非线性时序预测中具有广泛的实用价值。

门限自回归模型在梅雨降水量预测中的应用

针对梅雨量的分布特性,提出应用门限自回归模型建立一套简便实用的梅雨量丰枯预测方案.利用相关分析取得恰当的延迟特性,根据梅雨量在X轴上的分布特点选取门限值,并通过改进遗传算法和高斯-牛顿法优化回归系数项和回归系数,最后采用分级预报方法对梅雨量做5级预报.该方案在1967～2002年泰州地区梅雨量丰枯预测中取得了很好的效果,其历史拟合率和预报准确率分别达到87%和80%.