滑动自回归模型在洪水预报中的应用

水文预报中一般是直接采用实测资料建立滑动自回归（ＡＲＭＡ）模型,现采用实测资料减去季节均值后的中心化变量作为模型中的变量,既可消除季节因素的影响,也可利用季节均值为预报服务。再辅以迭代最小二乘法使参数处于线估计状态。ＡＲＭＡ模型在雅砻江泸宁站至小得石站河段的应用效果很好。     

粒子群优化加权灰色回归组合的卫星钟差预报

为了提高卫星钟差预报的精度和稳定度,提出了一种基于粒子群算法优化指数函数和线性函数逼近的加权灰色回归组合的自适应卫星钟差预报方法.该方法首先在建模之前考虑到卫星钟差钟跳频繁的现象,采用中位数法探测钟跳数据并将其剔除后,采用分段线性插值法将缺失的钟差数据补齐;然后考虑到卫星钟差存在系统噪声,采用三点平滑法对钟差数据进行平滑处理后,建立了以指数函数和线性函数逼近加权灰色回归组合的卫星钟差预报模型.针对模型中的精度递增因子难以确定的问题,采用粒子群优化算法对精度递增因子进行自适应寻优.最后,采用IGS服务器上发布的事后精密卫星钟差产品,并结合4种典型变化趋势的卫星钟差进行了6 h的预报试验.试验结果表明:该方法的预报性能明显优于其他几种常用模型,其6 h的平均预报精度(RMS)和稳定度(Range)相对于常用的二次多项式预报模型、灰色预报模型、修正指数曲线法预报模型和自回归滑动平均预报模型分别提高了79.10%、44.00%、80.70%、32.30%和63.10%、29.80%、77.60%、26.30%.     

L-M算法优化的灰色模型在GPS卫星钟差预报中的应用

针对灰色模型在模型参数估计方面存在的不足,提出一种基于L-M算法对模型参数全局迭代优化估计方法。该方法通过对发展系数、灰色作用量和时间响应函数初始值3个方面改进优化,解决了常规差分灰色模型背景值生成因子不确定性、时间响应函数初始值固有偏差和模型参数解估计局部最优问题。实验算例表明,相较二次多项式模型和灰色模型,改进模型在不同类型的原子钟钟差预报精度方面均得到提升,6 h和24 h预报精度平均提高了48.5%和46.3%,验证了改进方法的有效性和优越性。     

GPS双频相位平滑伪距在卫星 预报钟差精度评定中的应用

利用Hatch滤波对双频消电离层组合伪距观测值进行相位平滑讨论,对原Hatch滤波公式中的定权方法 进行了改进。在此基础上,利用伪距与星地距比对法对广播星历中卫星预报钟差精度评定进行了研究。计算结 果表明:载波相位平滑能有效地提高伪距观测量的精度,从而提高伪距与星地距比对法评估卫星预报钟差的可 行性。利用双频消电离层相位平滑伪距计算的卫星钟差精度优于1ns(1σ),测定的卫星钟差与实际卫星钟差不 存在系统差。     

基于IGU钟产品的钟差预报影响因素分析

建立基于钟差预报多项式模型的多项式模型加周期项、多项式模型与灰色模型组合的钟差预报改进模型,同时考虑起始偏差改正的影响。利用IGS超快速产品的实测钟差(IGU-O)数据进行建模预报,将预报结果与IGS超快速产品的预报钟差(IGU P)进行比较,分析各模型的预报效果及其与原子钟类型和预报时间段的关系,同时分析钟漂、周期误差、随机误差以及系统误差对预报结果的影响。     

灰色粒子群自适应卫星钟差预报方法

高精度卫星钟差预报是当前接收机实时精密单点定位技术(Real-time precise point positioning,RT-PPP)亟需解决的关键技术难题之一.为找到一种基于小样本钟差序列的快速高精度卫星钟差预报方法,在分析常规GM(1,1)灰色模型(grey model)缺点的基础上对其进行了改进,提出了PGM(1,1)模型(particle swarm optimization-grey model)及其算法.该模型利用最新量测值进行初始化,然后通过引入遗忘因子的最小二乘法对新旧信息进行加权处理;再引入优化因子对模型系数进行调节,以归一化的平均相对误差作为精度检验标准,采用粒子群算法对其自适应寻优.最后选取了5颗钟差变化典型的GPS(global positioning system)卫星原子钟进行1 d内的精密钟差预报实验.结果表明,相对于常规GM(1,1)灰色模型和常规二次项拟合模型,所提出的模型及其算法预报精度有显著提升,其平均预报残差达到了亚纳秒级,且所需训练样本小.因此,该预报模型可以应用于卫星钟差快速精准预报.     

投影寻踪回归模型在水文预报中的应用

研究黄河流域河口镇3～6月的径流预报。采用寻踪回归技术分析处理高维数据,通过局部优化和全局优化过程,调整参数(SPAN,N,M,Mu)确定模型预报方案。从寻踪回归预报效果来看;评定合格率均超过0．80,检验合格率也达到0．80以上,说明寻踪回归技术可作为本流域的预报模型。     

投影寻踪回归在紫坪埔洪水预报中的应用

针对现有紫坪埔洪水预报模型或不能充分挖掘样本信息或不便于实际应用的问题,现用投影寻踪回归方法建立了紫坪浦洪水预报模型,分别对洪峰和洪水进行了预报,并与其他方法进行了对比,取得了满意的效果,可以作为紫坪埔洪水预报的新方案。     

基于PSO-SVM精化QP模型的短期卫星钟差预报

针对卫星钟差序列的特性,将其视作由趋势项与随机误差项组成的时间序列,提出一种基于PSO-SVM精化的二次多项式预报算法:通过QP模型建模预报钟差值以提取其趋势项,利用SVM模型对拟合阶段的残差值建模进行滚动预报,利用预报所得的差值对QP模型预报阶段的钟差值进行改进。为克服SVM算法自身参数搜索方法的缺陷,采用PSO算法选择其最优参数。实验结果表明:相较于常用算法,该方法预报精度较高,且改进了QP模型预报误差会随时间累积的缺点。     

基于GM(1,1)和D-MECM的钟差预报方法

针对单一钟差预报模型在建模数据量较少时中长期预报精度不足的问题,提出了基于灰色模型和一阶差分修正指数曲线法的组合预报模型。首先基于少量数据建立灰色模型并预测未来一段时间的钟差数据,再将其作为一阶差分修正指数曲线模型的建模数据,进行钟差的中长期预报。仿真结果表明,组合预报模型能够基于少量历史数据对钟差进行高精度的中长期预报。采用卫星共视仪采集的精密钟差数据进行实验,并与单一二次多项式模型和灰色模型进行对比,结果显示:使用5h的钟差数据进行建模并预报未来48h钟差数据时,二次多项式模型和灰色模型的平均预报精度分别为285.06ns和91.11ns,而组合模型的平均预报精度可达29.48ns,相比于单一二次多项式模型和灰色模型,分别提高了89.66%和67.64%。     

基于小波分解和遗传小波神经网络的卫星钟差预报

星载原子钟在空间环境中受到多种不确定因素的影响以及原子钟本身所具有的复杂特性,导致卫星钟差呈现出非线性和非平稳性变化。为此提出了一种新方法：先采用小波分解将原始钟差序列分解成高频分量和低频分量,然后利用遗传小波神经网络对低频分量和高频分量分别进行预报,最后将各分量的预报结果进行叠加得到最终的预报值,并与灰色模型、最小二乘支持向量机和遗传小波神经网络的预报结果对比分析。结果表明：该方法预报精度较高,预报残差更为平稳,应用于卫星钟差预报是可行有效的。     

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。     

自回归神经网络在主汽温控制中的应用

提出了自回归神经网络拓朴结构及其训练算法,把具有两个“自回归神经网络”的复合控制系统用于主汽温控制,一个作为辨识器,另一个作为控制器。仿真结果验证了该控制系统的优越性能,可知在过程控制领域中,神经网络在处理困难问题上,有良好的发展潜力。     

改进的相应涨差模型及其在洪水预报中的应用

根据圣维南方程组的连续方程 ,在原有相应涨差模型的基础上 ,推导出一种新的河道实时洪水预报相应涨差模型 .新模型的参数只有一个 ,使用具有时变遗忘因子的递推最小二乘算法在线识别 .在作业预报时 ,只需一个测站的资料 .该模型运用于长江中游河段 ,预报结果令人满意     

最小方差预报自调整比例因子FUZZY控制器

将最小方差预报控制方法与模糊控制方案相结合提出了一种基于最小方差预报的自调整比便因子ＦＵＺＺＹ控制算法，将新算法对合成氨控制过程进行了仿真研究，表明本文提出的新算法具有鲁棒性强，系统控制量幅值小及变化平稳等优点，能较好地解决工业控制过程中存在的时滞现象及时滞不稳定现象。     

广义回归模型中的预报问题

讨论了最优线性预报理论。除已知结果外，还按所选择的优势准则。阐述了经典预报和最优预报的平均离差误差(MDE)矩阵比较的最新研究结果。     

自回归预测模型的应用

应用数理统计方法建立了用电量自回归预测模型,并利用该模型对某单位用电量进行了预测分析,得到了满意的结果.     

频率相对偏差与钟差方程

根据国家电子测量仪器标准，给出了频率源的频率相对偏差定义，讨论了频率源的校准方向和对时钟偏差的调整。     

疏系数自回归模型及其在矿井涌水量预测中的应用

作者分析了诸如矿井涌水量等地质时间序列数据的特点以及现有的一些预测预报方法的局限性,引进了一种适合地质特点的数学模型——疏系数自回归模型,并利用该模型处理了大同矿务局某矿的月平均日涌水量数据。从计算结果可以看出,预测的精度满足了生产矿井的实际需要。