我国拟在南极地区建立遥感卫星接收站

国家卫星海洋应用中心、国家海洋环境预报中心主任蒋兴伟透露．我国拟在南极地区建立遥感卫星接收站．以完善我国海洋卫星应用体系．从而进一步加强对全球海洋环境的实时监测．为我国应对全球气候变化提供数据支持。     

徐州城市防汛预警决策支持系统的研究

为减少水灾造成的生命和财产损失,设计开发了基于WebGIS的徐州市防汛预警系统.该系统综合考虑城市泄洪系统、地形和降水等因素,结合GIS、水文模型以及分布式数据库等技术等,实现了对降水时空分布、水淹的位置和持续的时间等的模拟与预测,可为徐州市的防汛减灾决策提供支持.     

电力系统负荷预测方法论

电力负荷预测是电力系统规划的重要组成部分,也是电力系统经济运行的基础,其对电力系统规划和运行都极其重要.电力负荷预测是以电力负荷为对象进行的一系列预测工作.从预测对象来看,电力负荷预测包括对未来电力需求量(功率)的预测和对未来用电量(能量)的预测以及对负荷曲线的预测.其主要工作是预测未来电力负荷的时间分布和空间分布,为电力系统规划和运行提供可靠的决策依据.     

关于“山洪防治及防汛预警系统建设”的几点建议

地震灾害对山洪的形成特征产生了较大的影响,并且破坏了已有的初步监测设施.因此,利用信息技术的先进手段进行"山洪防治及防汛预警系统"的建设具有重要意义.针对四川省"5·12"地震后的相关规划、设计、建设,特别是在传感检测、通讯、计算机网络、信息系统方面存在的主要问题,从系统、关键技术和作者在该项目的多次评审中感到的主要问题,就至关莺要的方面,提出了几点考虑.主要包括:防汛经验总结和模型的建立、SCA-DA系统的建立和要求、GIS平台、系统架构(包括硬件系统和软件集成开发)、高效工作流平台、局域网和通信系统等方面.并希望通过讨论,对山洪防汛预警系统的建设从概念上、系统上有一个准确清晰的认识,从而不断地减少建设中的方向性错误,保证相关工程的顺利完成.并使该系统能在防汛预警工作中发挥充分的、最好的作用.     

基于人工鱼群优化支持向量机水文预报系统模型*

在深入分析比较各种水文预报方法的基础上,利用人工鱼群算法对支持向量机训练算法进行了改进,提出了基于人工鱼群优化的支持向量机算法。实验结果表明,基于人工鱼群优化的训练算法的训练速度优于标准的支持向量机的训练速度,能够为水文预报提供更快捷的技术支持。     

递推批量MGM(1,N)模型在滑行艇运动姿态预报中的应用

为了设计出有效的滑行艇的自动控制系统,需要建立预测模型对其运动姿态进行实时的、精确的预报.分析利用MGM(1,N)模型对滑行艇运动姿态进行预报的适用性.同时,针对滑行艇运动姿态数据的特点和预报的实时性要求,提出了新采集了一批数据之后,计算模型的参数矩阵的递推公式.利用该公式可以在提高预测精度、延长预测时间的同时,不会显著的增加计算量.数值仿真试验的结果表明,将批量递推MGM(1,N)模型应用于滑行运动姿态预报是可行的,并且具有非常高的预测精度.     

基于“情景-应对”的随县柳林镇“8·12”山洪灾害推演

【目的】降雨诱发的山洪具有暴涨暴落特点,其防御及应急也一直是我国防汛减灾工作中的薄弱环节。为指导山洪灾害应急救援工作,减少暴雨山洪带来的影响及损失,【方法】以湖北省随州市柳林镇“8·12”山洪灾害为研究对象,基于“情景-应对”式情景构建方法,采用无人机航测技术提取柳林镇地形、植被等信息要素,构建柳林镇“8·12”山洪事前、事中、事后情景;在此基础上耦合“水文-水动力”模型推演了暴雨诱发山洪的全过程,从而对本次灾害应急过程进行了深入分析。【结果】结果显示：柳林镇“8·12”山洪在12日3时30分左右洪水位开始猛增、2.5 h后即达到峰值,最高淹没深度超5 m,峰值过后3.5 h洪水基本褪却,极快的流速和暴涨的水位导致有效转移时间不足1 h。【结论】结果表明：基于“情景-应对”式灾害情景构建方法,可全景式再现山洪灾害孕灾-发灾-致灾全过程;耦合水文-水动力模型在无人机获取的高精度地形数据基础上具有较高的适用性;能力评估揭示了本次山洪灾害重大人员伤亡的主要原因是气象预警能力不足、人员撤离不及时以及应急救援力量薄弱。     

多种水文预报模型在婺源地区的模拟分析

以江西婺源地区为研究区域,选取新安江模型、BP神经网络模型、基于土壤水动力学的洪水预报模型和GR3模型,对2017年以来18场洪水分别进行模拟,并从确定性系数、场次洪水合格率等方面进行综合比较分析。结果表明：4种模型在婺源地区效果均较好,平均确定性系数均超过0.8,其中以BP神经网络模型0.977为最高;场次洪水合格率均超过60%,新安江模型和GR3模型洪水过程模拟效果相当。在实际预报中可采用多模型相结合的方式进行综合分析,进而提升洪水预报精度。     

实时洪水预报中基于岭估计的AR修正模型研究

为提高实时洪水预报精度,经常将水文模型与误差修正模型相结合,AR模型因其结构简单广泛应用于实时洪水预报误差修正。然而,实际应用显示,AR模型时常出现修正结果不稳定现象,表现为流量修正幅度过大,甚至出现“震荡”现象,严重影响修正效果。鉴于此,本文从矩阵特征值角度解释了AR模型出现不稳定现象的原因,并引入岭估计方法选择性利用流量信息更新自回归系数,使其更满足真实流量的涨落过程,增强该模型的稳健性。将新方法应用于蔺河口流域,结果显示岭估计方法显著提高了AR模型的稳健性,从而改善了模型修正效果,进一步提高了洪水预报精度。     

神经网络在烟草打叶机组频率预报中的应用

叶中含梗率是衡量烟叶叶片结构好坏的一项重要指标,在影响叶中含梗率的诸多因素中,打辊机和风机频率的设定值对于叶中含梗率的影响很大.目前,操作工人都是根据个人经验来进行频率设定,这样就很难快速准确地设定出符合叶片结构要求的参数.为了在烟草行业实现科学调整,智能控制,将神经网络技术应用于打叶复烤过程,通过神经网络的学习,建立打辊机和风机频率与叶中含梗率的模型,从而实现对打叶机组的频率预报.结合实测数据对打叶机组频率进行预报,结果表明,此方法具有较高的计算精度,预报误差范围为±0.5％,能够充分满足现场生产要求.