径流中长期预报的粗集模糊推理-神经网络模型

针对传统径流中长期预报模糊推理法存在的问题,基于粗集理论、模糊推理和神经网络技术,提出了基于粗集模糊推理-神经网络的径流中长期预报模型.通过比较预报因子相关关系系数值大小来选择径流的预报因子;用粗集理论约简径流中长期预报决策表,产生模糊推理规则;用BP神经网络技术学习模糊推理中的有关参数.实例验证,该模型比较客观地确定了预报因子模糊子集的隶属函数的参数,简单可行.     

降雨径流相关法在水库洪水预报中的应用研究

洪水预报在防汛减灾与洪水资源开发中扮演着重要角色,是水库运行管理的基础。尽管洪水预报方法在科学研究上经历了由降雨径流相关、集总式水文模型到分布式水文模型的发展历程,但因降雨径流相关法具有计算简单、易于使用等特点,在水库调度等实际生产中至今仍被广泛应用。以山东半岛龙角山水库为例,对以往所采用的降雨径流单线预报方法进行改进,在充分考虑该流域降雨前期土壤含水特性的基础上,采用人工试错法将降雨径流关系的主要影响因子——前期影响雨量P_a划分为不同的区间,建立了P+P_a-R_s和P-P_a-R_s两套降雨径流关系图。结果表明,相比于降雨径流单线预报方法,两套降雨径流关系图的合格率分别提高了6%和7%,预报精度由乙等提高至甲等级别,增强了降雨径流相关法在龙角山水库的实用性,为水库调度决策提供了重要的科学依据。     

大坝安全监测的粗集模型方法

针对传统分析方法的不足,研究了大坝安全监测的粗集模型方法.首先对原始监测信息进行粗糙集处理,提取主要影响因素和决策规则集,然后用粗糙隶属度分析各主要因素的重要性指标及其在效应量中所占的分量比例,并且通过对规则集的不确定性推理建立了大坝监测的粗集预报模型.实例分析表明,粗集模型在大坝影响因素重要性评价和非确定性测值预报方面取得了满意的结果.     

基于支持向量机的中长期入库径流预报

采用基于支持向量机的预测模型对水库中长期入库径流进行预报,建立径流预报的SVM模型。预报因子的优劣决定着预测精度的高低。为了提高预报精度,尝试采用模糊优选法对预报因子进行优选。将所建模型应用于新疆雅马渡站的径流预测中,并与没有进行预报因子优选的SVM模型进行比较。结果表明,进行预报因子优化后的SVM模型明显提高了径流的预报精度,具有更高的应用价值。     

神经网络的企业能力集扩张模型研究

如何借助于不确定性推理技术和原理(概率推理、证据推理、模糊推理、信息推理、包含度推理等)研究不确定情形下的能力集扩张问题,仍是能力集扩张理论中很值得研究的内容之一。关于不确定情况下的能力集扩张问题,目前的文章主要是研究企业已有能力集或实需能力集是不确定的情形,没有解决两者都是不确定的情况,正是基于此目的,采用模糊粗集神经网络方法研究此种情况下的企业能力集扩张过程,解决模糊的市场需求、粗糙的已有能力集等不确定性影响因素,帮助决策者将企业能力集扩张到企业管理决策问题满意解所需的能力集。     

基于多方法优选因子和人工神经网络耦合模型的枯水期径流预报

通过对比相关系数法、逐步回归法及综合方法3个预报因子筛选方案的模拟结果,确定优选预报因子的最佳方法,采用BP人工神经网络模型对大通、屏山和汉口3个站点进行枯水期(当年11月-次年4月)径流预报研究.结果显示,采用相关系数法初选及逐步回归法优选所筛选出的预报因子集合可以得到更好的预报效果;该模型在枯水期月尺度径流预报中,检验期的平均合格率为56.44%,达不到实际预报的需求.而采用旬尺度模拟计算月径流的预报效果要远远高于月尺度径流模拟,检验期平均相对误差与合格率分别为12.27%和71.63%,有较好的预报精度.可以为长江流域水文预报工作提供一定的参考.     

S-变精度粗集

针对属性间无函数或不确定关系的动态数据分类问题,依据S-粗集理论,提出了S-变精度粗集,给出了S-变精度粗集的两类形式：单向S-变精度粗集,双向S-变精度粗集,最后介绍了该理论的一个简单应用。     

大伙房水库入库径流平稳时间序列预报模型

对大伙房水库的径流资料和各种模型特点进行分析比选,发现平稳时间序列模型即AR(p)模型,为统计模型中最简单的一种方法。这种模型的计算过程较为简单,在计算过程中引起的误差较小,相对精度较高,适合大伙房水库的径流预报。通过此种模型得出的预报值和实际的径流量相比较,得出此模型预报的可行性与可靠性。     

河道洪水演进的分类多模型组合预报方法

为了提高河道洪水演进预报精度,同时发挥各类预报模型的优点,提出一种组合预报方法,根据实际流域情况和资料情况选择多种洪水演进预报模型,针对不同的流量级别,利用多目标模糊优选方法选出特定条件下预报较准的模型进行分类组合预报,然后根据流量级别隶属度对各类预报结果加以组合.并以嫩江流域为实例,对组合预报方法的精度进行了验证.     

水库防洪错峰调度风险分析方法及应用

水库防洪错峰调度是一种利用下游区间洪水预报信息的防洪预报调度方式,能有效减小水库防洪库容,提高洪水资源利用率,但受区间洪水预报、水库下泄洪水传播时间、调度滞时等不确定因素的影响,水库下游防洪风险的可能性将增加。综合考虑多个不确定因子,采用蒙特卡洛法、风险标准法等,提出了基于错峰调度规则的拟定、风险的定义、风险因子的识别与量化、风险率计算、方案决策过程的水库防洪错峰调度风险分析的流程与方法,并将上述方法应用于海河流域的密云水库。研究结果表明:通过采用提出的防洪错峰调度方案,密云水库能抬高汛限水位2.0 m,减小防洪库容3.09亿m3;而承担的水库防洪错峰调度风险率仅为11%;延长错峰时间能显著降低防洪错峰调度的风险。     

灰色自记忆神经网络模型在年径流预测中的应用

径流序列是一种非线性、弱相依高度复杂的动力系统,径流预测还处于探索阶段,提高径流预测精度关键在于对有限样本包含的信息进行充分发掘.采用一种理论和方法很难充分挖掘径流序列所包含的信息.基于组合预测思想,应用灰色理论,自记忆性原理与BP神经网络三种理论与建模方法对年径流序列进行挖掘,在此基础上提出年径流预测的灰色自记忆神经网络模型.结果表明,模型能够很好地反映径流的变化规律与极值趋势,具有较好的拟合与预报精度.     

改进型灰色马尔科夫模型在径流预测中的应用

随着径流量预测重要性的凸显,径流预测模型不断涌现.针对单一径流预测的局限性及一般的耦合径流预测精度不高的问题,应用数据加载法提出了GM(1,1)的修正模型,并对模型进行残差修正,提出了改进型的灰色马尔科夫耦合预测模型,进一步提高了径流预测的精度,区间预测成果更具科学性和实用价值,并将预测模型具体应用于三门峡水库入库年径流预测,预测成果可靠度高.     

模糊支持向量机在径流预测中的应用

在分析现有径流预测模型局限性的基础上,考虑径流量随时间变化的不确定因素,建立了基于模糊支持向昔机的径流预测模型,使得较近时间的径流数据与较远时间的径流数据相比,对预测精度的提高影响更大．将该模型应用于新疆伊犁河雅码渡站年径流预测中,与传统的支持向量机预测模型比较表明,模糊支持向量机预测精度有较大的提高,并能进一步在其他流域径流预测中推广应用．     

模糊支持向量机在径流预测中的应用

在分析现有径流预测模型局限性的基础上,考虑径流量随时间变化的不确定因素,建立了基于模糊支持向量机的径流预测模型,使得较近时间的径流数据与较远时间的径流数据相比,对预测精度的提高影响更大.将该模型应用于新疆伊犁河雅马渡站年径流预测中,与传统的支持向量机预测模型比较表明,模糊支持向量机预测精度有较大的提高,并能进一步在其他流域径流预测中推广应用.     

基于模糊逻辑聚类神经网络算法的中长期负荷预测

电力系统中长期负荷预测受大量不确定因素的影响,聚类方法能够将各种影响因素综合引入预测模型,提高了预测精度。采用一种由模糊逻辑单元组成的聚类神经网络用于中长期负荷预测。利用模糊集理论中的模糊逻辑算子y1完成网络运算,提高了聚类神经网络的运算速度。虽然网络采用了竞争学习作为网络的学习算法,但是它克服了一般竞争学习算法固有的死点问题,使得历史数据的聚类分析中聚类中心初始点的选取有更大的随意性。运用文中所述模型及算法综合考虑了历史负荷情况和未来不确定因素等对未来负荷变化的影响。通过与传统的方法进行中长期负荷预测比较,结果表明该方法可以提高负荷预测的精度。     

基于BiRNN的维吾尔语情感韵律短语注意力模型

当前维吾尔语情感语音合成采用韵律边界预测方法来实现情感语音转换。通过该方法合成出来的语音,虽然可表现出相应的情感,然而其情感表现力不够理想。针对此问题,该文提出一种基于BiRNN的维吾尔语情感韵律短语注意力模型。在情感韵律转换前使用该模型进行情感分类,并将其分类结果作为韵律边界预测的输入,改进了情感韵律转换方法。使用改进的词性特征向量和韵律短语向量作为词向量的补充,从而有效提升维吾尔文文本情感分类的准确率。实验结果表明,该模型由两个单词构成的韵律短语作为特征时,准确率在维吾尔五分类情感数据集上达到了很好的分类效果。     

RS与FNN集成在焊接缺陷识别中应用

针对焊接图像缺陷识别中提取的特征受噪声干扰比较严重,以及现有的识别算法准确率低的问题,提出了一种粗糙集(RS)和模糊神经网络(FNN)集成的缺陷识别算法.首先使用模糊C-均值聚类算法对样本属性离散化,然后使用RS对离散化后的样本数据进行属性约简得到决策规则,并使用π函数根据聚类的中心和半径对属性进行模糊化,克服RS对噪声敏感问题;根据得到的精简模糊决策规则和模糊逻辑推理确定FNN的结构,使用依赖度和规则的条件覆盖度确定网络的初始参数,考虑到样本中数据的可信度问题,用加权代价函数调整模型参数.仿真实验表明,本算法解决了分类过程中样本数据受到噪声干扰引起的不确定性、FNN结构难以确定的问题,能有效地提高焊缝图像缺陷的识别能力.     

集对分析法在长江寸滩站年径流预测中的应用

简要介绍了集对分析的原理,阐述了基于集对分析的年径流预测的基本思想和步骤.通过长江寸滩站年径流集对预测实例分析并与模糊优选预测结果进行了对比.研究表明集对分析法具有计算简单、关系结构清晰、预测精度较高的特点,可应用于年径流预测.