逐日作物需水量预测数学模型研究

根据理论探讨以及对河北与广西旱作物和水稻灌溉试验实测成果的分析，提出了预测逐日参照需水量的方法与模型，探究作物正常供水和水分胁迫条件下需水量、作物系数及士壤水分胁迫修正系数的变化规律，提出了计算作物系数与土壤水分胁迫系数的数学模型；据此，提出了预测逐日作物需水量的方法与模型，并介绍应用实例．理论分析与实际应用的结果表明，所提的方法与模型理论严密、精度较高．     

霍泉灌区作物需水量实时预报

采用联合国粮农组织最新推荐的修正Ｐｅｎｍａｎ公式分析计算了霍泉灌区长系列参考作物的腾发量及其变化规律,在此基础上提出了该灌区冬小麦、夏玉米需水量预报模型。分析了预报模型中参数Ａ０的变化规律,并在预报过程中进行调整。运用实测资料检验表明,修正后的模型在逐日作物需水量预报中更符合实际,具有比较高的精度。     

霍泉灌区作物需水量实时预报

采用联合国粮农组织最新推荐的修正Ｐｅｎｍａｎ公式分析计算了霍泉灌区长系列参考作物的腾发量及其变化规律,在此基础上提出了该灌区冬小麦、夏玉米需水量预报模型．分析了预报模型中参数Ａ０的变化规律,并在预报过程中进行调整．运用实测资料检验表明,修正后的模型在逐日作物需水量预报中更符合实际,具有比较高的精度．     

作物需水量研究综述

从作物需水量的测定和作物需水量的计算方法入手,介绍了获取作物需水量的几种途径,论述了作物需水量的理论发展过程,对作物需水的理论进行了系统的总结,提出了目前作物需水量研究方面的不足,对今后作物需水量的研究起到承上启下的作用.     

生活需水预测的弹性系数法改进模型及应用

弹性系数法是一种广泛使用的需水量预测方法,其建立模型的关键步骤是提取合理的需水量影响因素,为了有效地提取需水量的主要影响因素,采用灰色关联法,分析了弹性系数模型变量之间的关系,提出了自然对数预处理方法,并以郑州市生活需水量预测为例,进行方法的比较分析,结果表明该方法是合理和有效的,进一步丰富了灰色关联分析法的应用,需水量预测结果也比较符合实际情况,可为郑州市水资源规划提供参考依据。     

参考作物腾发量预报的傅立叶级数模型

以傅立叶级数和表示多年日平均参考作物腾发量在年内的变化过程,结合天气类型修正系数,提出了一种新的参考作物腾发量预报模型,即傅立叶级数模型.将模型应用于陡山灌区的参考作物腾发量实时预报;结果表明,该模型的预测精度比原有的指数模型(亦称逐日均值修正模型)的预测精度高.这种模型简单,可方便地嵌入灌溉预报系统,适应性强.     

水资源需求预测研究

叙述了国内外在水资源需求预测方面的研究概况。在系统研究水资源需求预测的常用预测方法和模型的基础上，对过去需水量预测中存在的主要问题进行了分析，并对需水量预测中长期需水量预测结果与实际情况误差较大的问题作了深入探讨，认为，对需水量变化规律认识的不足是产生需水量预测误差的主要原因。指出，对水资源需求预测方法及水资源需求量的预测研究都有待于进一步完善。     

灰色关联分析在灌溉试验资料分析中的应用

利用灰色理论分析了汤旺河灌区灌溉试验站不同生育阶段作物需水量与各气象因素的关联度，分别以作物需水量和气象蒸发量作为灰色关联分析的母系列进行了优选。     

灰色神经网络耦合模型在城市需水量预测中的应用

目的为了更准确预测城市用水量,弥补灰色和神经网络预测模型在中长期需水量预测中的不足.方法采用最小方差法建立了灰色新息递补模型和新息递补BP神经网络的耦合模型即灰神经模型,并对城市需水量进行预测.结果预测沈阳市生活需水量,灰神经网络耦合模型的平均相对误差为0.144%;预测沈阳市工业需水量,灰神经网络耦合模型的平均相对误差为0.19%.在模拟精度方面远远高于其他模型的模拟值,提高了预测的准确性.结论提出了用灰色神经模型来预测城市需水量的方法,能更好地预测城市未来需水量,把影响预测的不定因素降到最低限度,具有广泛的实用性.     

灰色新陈代谢GM(1,1)模型在中长期城市需水量预测中的应用研究

研究了基于灰色系统理论的中长期城市需水量预测方法.针对常规GM(1,1)模型存在的不足,建立了灰色新陈代谢GM(1,1)需水量预测模型,并利用此模型对北方某缺水城市未来10年的需水量进行了预测.结果表明:模型精度较高,预测误差较小.     

基于Bayesian-LSSVM和残差修正的用户短期需水量预测

为有效改善供水管网短期需水量预测模型在预测精度和稳定性方面存在的不足,提出在短期需水量预测模型基础上叠加残差预测模型的组合预测建模方法.首先采用贝叶斯最小二乘支持向量机法(Bayesian-LSSVM)建立管网用户需水量时间序列预测模型(BL模型),得到需水量预测初始值;对BL模型得到的需水量预测初始值的残差序列,构建基于贝叶斯最小二乘支持向量机法的混沌时间序列预测模型(RM模型),得到残差预测值;同时将RM模型得到的残差预测值实时补偿到BL模型的需水量预测初始值中,得到经过残差修正的需水量预测值.实例结果表明,RM模型可以准确捕获BL模型需水量预测初始值的残差变化趋势,对其残差序列进行准确预测;在短期需水量预测的精度和稳定性方面,由BL模型和RM模型叠加构成的组合预测模型(BL+RM模型)明显优于单一BL模型;BL+RM模型适用于平均需水量较小、水量波动性较大等不同特点用户的短期需水量预测,可有效满足实际工程的需要.     

应用彭曼公式计算作物需水量

对作物需水量、参照作物腾发量、作物系数、彭曼公式等概念进行了说明.简介了彭曼公式计算参照作物腾发量的方法.     

门限自回归模型在水稻需水量预测中的应用

通过对三江平原井灌水稻各生育阶段需水量的长系列资料分析，建立了自激励门限自回归模型(SETAR MODEL)。采用9个参数有效地描述了水稻需水量各个生育期在多种气象及其它影响因子的作用下的周期变化的非线性复杂系统。模型拟合与预测精度较高，可在灌区规划管理与优化水稻灌溉制度中应用。     

组合预测方法在需水预测中的应用

社会经济和气候因素对水资源需求的影响一直是国内外重点关注的研究领域,以东莞市为研究对象,将需水量影响因子划分为气候因子、经济因子和社会因子,选取不同的影响因子建立需水预测模型,分析各类因子与需水量之间的响应关系.在此基础上选取最合适的影响因子,应用多种方法建立预测模型,采用最小方差组合预测技术对不同预测模型的结果进行集成.研究结果揭示了东莞市需水量变化的情景和成因,预测了东莞市需水量变化趋势,并为东莞市水资源需求预测管理提供理论基础.     

基于异常值识别的计量小区短期需水量预测

需水量预测是进行水资源调配、节能降耗和降低管网水龄的关键问题。现有需水量预测研究主要对预测模型进行改进,而忽视了对预测准确性至关重要的预处理步骤,如异常值处理,限制了预测模型的精度。为此,建立基于密度的局部离群因子模型(local outlier factor, LOF)对需水量数据中的异常值进行识别及矫正,并将其与一种新兴的高精度、高效率梯度提升树算法(light gradient boosting machine, LightGBM)结合,形成组合需水量预测模型(LOF+LightGBM)。通过实际案例进行模型性能测试,结果表明,相比基于原始数据的预测模型,基于经过LOF模型处理后的需水量数据进行预测的模型均方根误差平均降低10%。LightGBM模型在不同数据集上的绝对平均误差比人工神经网络和支持向量机平均降低了24.7%。整体上,LOF+LightGBM表现最佳预测性能,3个计量小区(district metered area, DMA)的纳什效率系数分别为0.886、0.951、0.942。所有模型训练及预测时间均小于0.7 s。无论是LOF模型、LightGBM模型还是LO...     

灰色神经网络最优权组合模型预测城市需水量

需水量预测是一个大量数据指标和影响因素共同作用的复杂系统。目前以单一的模型预测为主,而这种预测方法仅能体现该系统的局部。针对这一情况,利用灰色模型和改进BP神经网络,建立最优权组合模型预测城市需水量,使用Matlab进行实例计算,并与其他预测方法比较。结果表明,该模型有较高的预测精度,优于单个模型,预测效果更优于其他方法。     

作物病害胁迫检测的研究进展

综述了基于遥感技术、图像处理技术和农业专家系统的作物病害胁迫检测方法,比较这三种方法研究进展及其优缺点,介绍了近场声全息技术研究现状,提出了基于近场声全息理论的作物病害胁迫检测的研究方法,为作物病害综合精准防治开辟了一条新的途径．     

基于灰关联分析的多元线性回归模型在城市年需水量预测中的应用

科学预测城市需水量对城市的发展具有十分重要的意义.影响城市需水量的因素很多,采用灰关联分析方法,对影响需水量的各个因素进行分析,从中挑选出影响需水量的主要因子,建立需水量与主要影响因子之间的多元线性回归预测模型.实例表明,模型具有较高的拟合精度和预测精度.     

预测信息下的驾驶员逐日路径选择行为与系统演化

运用微观仿真方法,研究预测信息作用下驾驶员逐日路径选择行为与路网交通流的演化.首先,分析了目前研究存在的不足,针对预测信息情形,设计了一种可行的行程时间预测方法,根据驾驶员逐日路径选择过程,建立了理解行程时间更新模型和路径选择模型.然后,在2条平行路径的简单路网中,仿真了预测信息条件下驾驶员逐日路径选择过程,分析了模型参数取值不同时路径流量随时间演化的波动性和路网系统的效率.结果表明:路网流量的波动性和系统效率都与驾驶员对预测信息的依赖程度和预测模型参数有关,且二者的变化规律相似.最后,以系统最优为目标,给出了预测模型参数的最佳取值范围.     

灰色递补模型在城市需水量预测中的应用

目的提出使用灰色递补模型准确地预测城市需水量,弥补传统灰色预测中不能对外界影响因素做出反应的不足.方法在传统灰色预测基础上,由已知数列预测一个值,将预测值补加到已知数列中去,同时去掉最早期的一个数据,保持维数的不变,接着预测下一个数据,把新的数据补充到原数列中去,同样去掉最早期的一个数据,这样逐个替换、补充,依次递补,直到完成预测目标.结果通过模型模拟结果可以看出灰色递补模型在模拟精度方面要远远超过传统灰色模型,灰色递补模型模拟的相对误差较小,小误差概率P、均方差比值C都较好,对未来需水量预测更准确.结论通过对比和实践验证,灰色递补模型弥补了传统灰色模型在预测中的不足,把外界对需水量的影响降到最低,能更好地预测城市未来需水量.