基于级联神经网络的年降雨量预测

降雨量是农业生产的一个重要影响因素,如何准确预测降雨量成为指导农业、水利等一项重要的科技指标。从信息利用角度来看,单一预测模型仅能利用降雨量数据部分有效信息,而组合模型将单一模型的优势互补,可获得更佳的预测效果。基于神经网络理论的快速发展及级联神经网络预测模型被广泛应用于各个方面并取得了很好的结果,针对降雨量曲线的特点,深入分析BP神经网络及RBF神经网络发现,BP神经网络可很好的拟合对降雨量有很大影响的气候信息和其它因素,输出同一类型的降雨量影响信息; RBF 网络的特点就是可很好地提取同一类信息特征,二者的组合可很大程度的提高降雨量预测精度。鉴于此,将BP-RBF级联神经网络引入降雨量预测研究中,实例计算表明,该方法高于单一神经网络预测精度,证明该方法应用于降雨量预测是合理有效的。     

昆明年降雨量时间序列的混沌分析

降雨对水文水资源系统的预报预测是极其重要的.应用重构相空间技术和混沌理论对昆明1951-2010年降雨时间序列的特性进行了分析,通过研究嵌入相空间维数和关联维数之间的变化关系得到了饱和关联维.结果表明,昆明年降水系统中的混沌现象是存在的.这一研究结果为利用混沌理论建立预测模型提供了较为科学的依据.     

基于滑动平均-加权马尔科夫链的宁夏石嘴山市年降雨量预测

为了给农业发展与决策提供理论支持,根据石嘴山市5个气象站(大武口站、平罗站、石炭井站、陶乐站、惠农站)1960—2008年的降雨资料,进行3 a滑动平均计算.采用均值-标准差分级法计算降雨量分级,将降雨序列分为枯水年、偏枯年、平水年、偏丰年和丰水年5个状态.利用精度检验后的加权马尔科夫预测模型对石嘴山市2007年和2008年滑动平均降雨量进行区间估计,并根据状态特征值结合线性插值的方法计算了滑动平均降雨量的预测值,由此得出2009年和2010年的年降雨量预测值.最后讨论了各状态重现期.计算结果表明:石嘴山市2007年和2008年的3 a滑动平均降雨量分别是185.42,168.28 mm;2009年和2010年的年降雨量分别为135.11,146.88 mm,均处于偏枯年状态;平水年和偏丰年重现期最小,枯水年重现期最大.     

用结构相似序列改进预测序列

用分段抽样方法进行需求预测,得到预测序列x_(λt0),x_(λt1),…,x_(λt??)λ=1,2,…,n.如何对这些序列加以改进,使其既保持序列的一些已定结构,又满足宏观约束条件:x_(λik)关于λ的总和不大于预先给定的常数A.本文给出一个简单的方法.     

采用遗传算法的小波神经网络在降雨量预测中的应用

为了提高降雨量预测的精度,提出了一种基于遗传算法(GA)优化小波神经网络(WNN)的降雨量预测方法.依据邯郸市1956—1998年历年的降雨量构造了两类不同的训练样本,分别利用BP神经网络、小波神经网络和遗传小波神经网络(GA-WNN)对7月份的降雨量进行了预测.仿真结果表明,遗传小波神经网络克服了BP算法容易陷入局部最优的缺点,提高了预测精度,为降雨量预测提供了一种新方法.     

年降雨量的预测研究

基于地球绕太阳作公转运动和月球绕地球的转动的恒定规律性,根据农历日期与气候的关系,采用工程数学方法,利用武汉市和汉寿县历年降雨量的资料,探讨了计算年降雨量的方法.     

基于改进遗传算法的BP网络在降雨量预测中的应用

提出了一种改进遗传算法(GA)和BP算法结合的神经网络模型优化方案。首先采用自适应交叉概率和变异概率的遗传算法优化BP网络的权值,在进化结束时,能够寻到全局最优点附近的点;在遗传算法搜索结果的基础上,利用局部寻优能力较强的动量BP算法,从此点出发,进行局部搜索,进而达到网络的训练目标。仿真实验结果表明,在大庆市2000年到2004年6月降雨量的预测方面,遗传算法与BP算法结合的模型预测误差平均为39.13%,标准BP算法的模型预测误差平均为194.66%。说明GA-BP算法模型预报精度较高,预测能力得到了改进。     

基于时间序列模型的矿产品价格分析与预测

矿产品价格是矿业投资风险中最重要的不确定因素,矿产品价格预测的准确与否关系到矿业投资的成败。本文据2001-2007年各季度的铜金属价格数据,利用spssl3.0统计软件,建立时间序列ARIMA模型。结果表明模型拟合较成功,通过比较模型预测数据与实际数据,证明模型预测精度较高。该研究不仅为矿业投资决策出示可靠信息,也为矿山企业编制生产计划提供参考。     

应用ARMA模型的预测理论对贵州省未来五年的平均降雨量进行分析预测

贵州省1956-2008年贵州省年平均降雨量无明显的突变;年平均降雨量为1178.6毫米,最大值为1381.6毫米,最小值为951.1毫米.利用上述年份的具体数据,建立并利用RAMA模型来预测未来5年贵州省的年平均降雨量和未来4年的95%的置信区间,贵州省地处割蚀型喀斯特高原,地表破碎,生态环境脆弱,环境承载力低,基岩裸露面积大,贮水能力低,以及岩石裂隙渗漏强等特殊的喀斯特地表结构和水文地质条件,形成了湿润气候背景条件下的临时性干旱,部分地区春旱严重.特别是2009年冬到2010年春的百年一遇干旱,牵动全国各族人民的心.因此对当地的年降雨量进行统计分析及预测显得尤为重要.     

基于非对称函数的离散混沌序列长期预测算法

离散混沌信号的迭代长期预测是一个困难问题。根据混沌信号概率密度函数的分布特性和分形特征,提出一种使用形状可自适应变化的基函数的预测算法。通过自适应算法改变基函数的形状参数,使函数波形发生任意改变,以模拟混沌信号密度函数的非对称特性,从而使基函数能够反映出混沌信号的更多特征。通过该算法对离散超混沌信号的长期预测的仿真结果表明,本算法能够有效提高预测精度和预测长度。     

生物大分子的序列预测研究进展与展望

随着生物技术的进步,关于核酸及蛋白质的序列及其结构与功能,人们已经获得了大量的原始数据,而且其规模还在以指数形式不断地增长.面对这些纷繁复杂的原始数据,如何才能揭示其背后的规律,到目前为止还是一个大难题.本文对近年来在核酸和蛋白质序列预测方面所使用的方法进行了总结.     

用正交函数实现水泵性能曲线的最小二乘拟合

在水泵的选型或运行中,通常采用多项式的最小二乘法或根据假设的函数关系来拟合水泵性能曲线。当多项式的次数较高时,方程组易出现病态等问题。为解决这一问题,将正交函数用于水泵性能曲线的最小二乘拟合,并配合绘图工具显示拟合结果。通过算例验证了此方法的精确性和实用性。     

供应链中趋势序列的神经网络预测研究

本将神经网络的方法用于带趋势的时间序列的预测中。对于趋势序列的预测，采用BP算法的改进算法进行了仿真。并得出结论，在对于带有趋势的时间序列进行预测时，相对数据进行差分处理能有效地提高预测精度。     

基于小波变换集成模型预测径流水位的研究

为获得更精确的径流-水位预报结果,利用Dmey小波变换将水位时间序列分解为高频信号和低频信号,再使用均生函数-最优子集回归对其进行预测,最后利用Dmey小波逆变进行重构,以此建立水位预测模型.通过对柳江历年水位进行实例分析,并与均生函数最优子集回归模型、逐步回归模型对比.研究结果表明,该模型能充分反映水位时间序列趋势,预报稳定性好,预报准确率高,为径流-水位时间序列预测提供一个有效建模方法.     

基于机器学习的降雨量雷达回波数据建模与预测

以浙江省2016年1—10月的雷达回波强度数据为基础,分别应用随机森林模型、BP神经网络模型、卷积神经网络模型来预测降雨量并进行对比.建模分析结果表明,随机森林模型预测效果精确度较低,容易低估较大的降雨强度,而BP神经网络和卷积神经网络预测的效果都比随机森林好,特别是卷积神经网络,其预测值与真实值更加接近,且对较大的降雨强度拟合较好.     

基于灰色均生函数模型的电力系统月度负荷预测

首先使用历史负荷数据建立灰色GM（1,1）模型,并得到该历史负荷数据在GM（1,1）下的趋势值,其次通过历史负荷数据与趋势值的比值得到残余信息来构建均生函数模型,然后形成灰色均生函数模型（G-MGFM）,最后提出了一种基于灰色均生函数模型的电力系统月度负荷预测方法。算例分析表明,与传统的预测模型相比,G-MGFM不仅建...     

融合ADMM相关滤波器与序列重要性重采样的时间序列预测

针对序列重要性采样方法中粒子权值计算中存在系统误差的问题,提出一种新的时间序列预测方法,首先由交替方向乘子优化计算相关滤波器,再通过对偶优化变量的计算进而获取目标响应图,然后结合响应图与当前状态量的观测共同引导粒子集的准确定位.对比时间序列预测的序列重要性采样、序列重要性重采样和所提ACSIR方法的实验数据,所提方法有效地降低目标状态估计过程带来的误差.横向对比目前主流的时间序列预测方法,在VOT图像数据集上测试的结果也充分表明:所提方法显著提高了对运动目标的预测成功率.对于城市道路上的交通视频流管理和分析领域,借助所提方法可以有效地对路面车辆进行预测与通行轨迹跟踪,进而为城市交通系统分析与交通需求预测提供关键数据支持.     

基于LabVIEW的广义线性拟合在成本预测中的应用

成本预测在科研管理、生产管理等诸多方面有着广泛应用.使用图形化编程软件LabVIEW中“广义线性拟合Ⅵ”建立了成本预测的数学模型,实现了某产品的成本预测.结果分析表明,该方法是一种有效的数据处理方法,LabVIEW中不同方法的拟合函数使成本预测的实现与分析变得简单可靠.     

人工神经网络应用于时间序列预测的探讨

介绍了时间序列方法和适用场合,突出了基于神经网络的时间序列信息预测方法的重要性,进一步研究了BP神经网络技术,包括BP网络模型结构、BP网络学习过程、BP算法,并概括了BP算法存在的不足和改进方向。