改进可变模糊ISODATA模型在径流预测中的应用

在可变模糊ISODATA预测模型的基础上,引入最佳模糊集划分理论,提出了可变模糊ISODATA与最佳模糊聚类有机结合的预测模型。其基本思路是从年降水量、年平均气温、年平均相对湿度、相对日照时数和年蒸发量5个方面构建预报因子,利用拉格朗日约束函数确定传统可变模糊ISODATA模型的最佳聚类数,通过对变系数模型参数滤定和年径流量数值模拟,求取符合精度要求的类别变量特征值与预测对象之间的回归方程进行预测。在沱沱河站年径流量预报中,预测效果比传统模糊ISODATA模型进行预测的效果要好,在短期3a内年径流量模拟相对误差均在10%之内,确定性系数达到0.8。该方法拓宽了可变模糊ISODATA理论在影响因素不稳定条件下年径流量研究的应用范围,为径流量的短期科学预测提供了一种新方法。     

基于TWSTFT进行钟差预报方法分析

用多项式拟合、频谱分析、改进的AR模型3种方法对由TWSTFT（卫星双向时间频率传递）得出的钟差时间序列进行了拟合和预报分析。为了抵制钟差时间序列中异常值的影响,引入了“抗差等价权”。利用TWSTFT得到的一天的钟差,按不同采样率、不同时间跨度进行计算分析,结果表明：抗差估计的预报精度明显高于最小二乘估计;平滑值的预报精度高于采样值;由于钟差时闻序列中有明显的周期变化,多项式进行钟差预报的精度不可靠;用谱分析进行钟差预报的精度不高,但可以发现钟差时间序列中的主要周期变化;改进的AR模型预报精度最高,预报RMS在1ns左右。     

洪水水文预报系统

水文预报系统是计算机算法应用于水文预报的一次实践 ,在从产汇流原理出发 ,详细阐述系统结构 ,工作原理及系统特征 ,还对软件的应用及今后开发前景进行了展望 ,随着社会发展和科技进步 ,实施计算机预报系统便于提高预报精度 ,增强水文预报的时效性 ,将使水文预报作用日益显著。     

基于遗传算法改进的洪水预报模型

根据人工神经网络处理大规模非线性动力系统、遗传算法具有较好的寻优能力的特点,将二者有机的结合起来,提出了基于遗传算法改进的洪水预报模型,并将其应用于四川省达州市州河流域的水文预报。实验结果表明,本模型能够减少训练次数,提高预报精度,能更好的对洪水进行预报。     

基于锚固站的UT1-UTC预报误差抑制技术

针对导航星座自主定轨中的UT1-UTC预报误差,分析了其对星座定轨的影响,并对预报精度进行了仿真;给出了基于锚固站的定轨算法,并使用Walker12/3/1星座进行了仿真。结果表明:UT1-UTC预报误差对星座定轨精度影响较大,107 ms的预报误差将引入168m的星座位置误差;引入锚固站后,这一影响被有效抑制,抑制效果随锚固站测量精度的提高而增强。     

基于权重不可知神经网络的旋翼无人机检测

针对传统无人机检测方法缺乏智能性和泛化性的问题,提出了一种基于权重不可知神经网络(Weight Agnostic Neural Network,WANN)的无人机微动特征检测方法,以实现探测无人机的目的.推导了旋翼无人机微动模型,详细说明了WANN模型的构建过程.以回波信号的循环谱等高图作为训练、测试数据集进行了仿真,...     

基于ARIMA和RBF网络组合预测的惯性器件故障预报

提出了一种基于ARIMA和RBF网络进行组合预测的方法,该方法综合运用ARIMA良好的线性拟合能力和RBF网络强大的非线性映射功能,将两种预测模型有机地组合在一起,综合各自优点,以期有效改善模型的拟合能力,获得最优预测效果。论文将该方法应用于某飞行器惯性器件的故障预报当中并进行了仿真实验。结果表明,这种方法相对于单项模型的预测具有更高的精度,对于复杂时间序列的分析和预测有很好的应用价值,在故障预报中具有广泛的应用前景。     

改进Chebyshev前向神经网络在曲线拟合中的应用

针对传统的最小二乘拟合法所用数学模型必须已知且拟合效果精确度不够理想的问题,采用了以第一类切比雪夫(Chebyshev)多项式作为隐含层神经元激励函数的前向神经网络模型进行拟合,并对第一类切比雪夫多项式进行了改进,通过在MATLAB平台上编程进行仿真实验,对拟合效果进行了对比,结果表明,在相同条件下,改进的Chebyshev神经网络拟合精度更高。     

混合模型在短弧跟踪卫星钟差预报中的应用

当卫星在空间轨道飞行到地面监测站观测不到的弧段时,卫星钟与系统时间之间的同步只能由卫星钟自己维持,为了得到连续的卫星钟差结果,必须对卫星钟差进行预报。本文针对地面站频繁观测不到卫星导致的卫星钟差数据频繁中断这一特殊情况,提出多项式加AR混合模型,以GPS星载原子钟差时间序列为实例进行钟差预报分析,并与GPS常用的二阶多项式模型预报结果进行比较,结果表明:短弧跟踪条件下,多项式加AR混合模型对GPS星载原子钟进行8~20 h钟差预报时精度均优于1ns,明显高于二阶多项式模型预报精度,满足实际应用中短弧跟踪条件下的钟差预报精度要求。这一结论为短弧跟踪条件下的星载原子钟差预报做了理论上的铺垫。     

基于ARIMA-TARCH-BP神经网络模型的中长期负荷预测方法

中长期负荷预测是电力系统规划运行的重要基础。针对经济转型阶段多样化负荷呈现的强波动性致其预测精度难以保障的问题,利用电力负荷历史统计数据建立ARIMA-TARCH模型,对负荷时间序列的非平稳性、自相关性和非对称波动特性进行分析,并结合BP神经网络理论对负荷拟合残差值进行修正,进而对目标规划年的负荷进行预测。最后,以我国某地区的实际电网负荷为算例,预测未来五年的负荷变化趋势,验证所提预测方法的可行性和有效性。     

提高弹道导弹落点预报精度方法

基于二体运动模型对弹道导弹的弹道生成和落点预报方法进行了研究,并提出改进落点预报精度的方法。该方法通过对雷达测量时间段内的弹道数据进行滑窗平均处理,以提高弹道导弹落点预报精度。仿真结果验证了该方法的有效性。     

其它测量

0620987基于遗传算法的双线性模型在大坝上安全监测预报中的应用[刊,中]／汪莲／／合肥工业大学学报(自然科学版)．-2006,29(4)．-467-470(C)文章提出了实用自相关系数图确定双线性模型的自回归项,应用了基于遗传算法的一套建模方法。通过实例表明,由于双线性模型实际拟合和预测过程中产生的残差信息进行反馈矫正,保证了模型高的拟合精度和稳健的预测性能,与门限自回归模型比较,双线性模型比门限自回归模型具有更好的预测精度。参8     

梯度下降法在水库调度函数优化中的应用

调度函数是制定水库中长期运行调度的常用方法,然而现行的通过回归分析法提取出的调度函数拟合精度不佳。针对这一问题,文中建立了以调度期内水库发电量最大为目标函数的优化调度模型,通过线性回归提取各时段水库调度函数系数作为初始值,再采用梯度下降法优化各时段调度函数系数,并在拟合精度差的时段引入流量分级策略,最终获得优化后的水库调度函数。实例计算结果表明,文中采用的方法不进可以提供精度较高的调度函数系数,还保证了优化调度的发电效益,证明了该方法的有效性和实用性。     

顾及地球重力场模型的高程转换方法

高程异常值计算过程中，几何内插方法对已知点数量要求高且在山区精度较低，结合地球重力场数据可有效提高高程转换精度，为验证不同地球重力场模型与不同几何函数结合的算法精度，以四川名山地区的已知数据为例，采用2种选点方案、3种重力场模型和3种几何内插模型分别组合，以“移去—恢复”法分别进行GNSS高程转换，得到EIGEN6C4地球重力场模型与二次曲面函数相结合的最佳拟合模型，并以广西钦州石瓯山水库为例将此拟合模型应用于无人机摄影测量的高程计算中。结果表明，相比无人机处理软件Pix4Dmapper直接得到的高程异常和通过二次曲面函数计算获得的高程异常，该拟合模型的精度和可靠性更高。     

谱特征选择对电离层闪烁事件识别的影响分析

对闪烁事件进行快速有效识别是GNSS应用的重要需求,为此利用不同时期、不同区域、不同系统信号测量,比较分析了利用机器学习方法基于不同信号功率谱参数进行闪烁事件识别的性能。分析的不同情形中,闪烁识别模型精度最高可达98.5%,最低为91.3%,其精度均可优于90%,表明利用闪烁信号功率谱特征可建立闪烁事件的有效识别方法。进一步分析指出,降低截止频率有助于提高闪烁识别模型的精度,这表明基于谱特征进行闪烁事件识别的主要依据是Fresnel频率附近一定频谱范围内存在谱强度显著降低这一特征。这个结论也从谱分析角度说明了利用高精度GNSS参考站接收机常规观测(1 Hz)进行闪烁事件识别的可能。对闪烁功率谱进行拟合,并利用拟合的谱特征参数建立识别模型,可进一步提高闪烁事件识别精度,并减少模型所需参数。     

多源遥感数据与水文过程模型的土壤水分同化方法研究

提出一种基于集合卡尔曼滤波的一维数据同化系统,对不同深度土壤层的水分含量进行同化,该系统的模型算子为分布式水文模型,观测算子是积分方程模型和条件温度指数模型.于2008年6月1日至7月2日在黑河流域进行了同化实验,结果表明,集合卡尔曼滤波能较好地处理强非线性问题,与单独DHSVM模型模拟土壤水分含量相比,同化的表层和根层土壤水分含量精度有明显提高,其中盈科站表层的均方根误差和平均误差分别减小了0.021 7和0.032 9,根层的均方根误差和平均误差分别减小了0.019 3和0.025;临泽站的精度也有明显提高,表明多源遥感数据的同化在地表土壤水分含量的估计中具有较大的潜力.     

多项式模型在导航卫星钟差预报中的应用研究

为了解决导航卫星钟差预报精度随时间不断衰减问题,提出了基于多项式的卫星钟差预报模型优化方法。该方法通过优化预报采用的数据资料长度和多项式模型阶次,实现了高精度的卫星钟差短/中/长期预报。为验证该方法的可行性和有效性,利用实测的COMPASS导航卫星钟差数据进行钟差预报精度分析。结果表明,当多项式模型满足资料长度和模型阶次的最佳配置时,可有效解决导航卫星钟差预报精度随时间不断衰减的问题。     

基于神经网络的传感器非线性误差校正方法

为对传感器进行非线性校正以进一步提高其测量精度,提出了基于神经网络的校正办法。理论分析了传感器非线性误差的复杂性,并以位移传感器标定为例,详细介绍了传感器非线性校正的过程和方法。采用了最小二乘拟合、BP神经网络以及RBF网络三种方法进行校正,设计并实现了RBF网络的校正模型。实验结果证明,RBF网络的校正方法比BP网络校正方法精度提高了约44%,其补偿效果更优,且其在传感器种类变化或环境影响较大的情况下比最小二乘拟合更具非线性补偿优势。     

局域精密大气建模及分析

局域精密大气建模技术对精密单点实时动态定位（PPP-RTK）技术实现快速模糊度固定具有重要意义。以西安地区自建监测站的大气延迟数据作为数据源,使用线性拟合法作为建模方法,获取西安地区的大气延迟分布模型并对模型精度进行评估。结果表明,使用线性拟合法及区域测站大气延迟数据进行区域精密大气建模具有可行性;线性拟合法得到的区域大气模型对流层精度为7 mm,电离层精度为1.44 cm。     

水情信息系统

系统需求及功能设计黄河实时水雨情信息是黄河防汛、抗旱的重要依据,这些信息是由黄河流域5OO多个报汛站提供的。报汛站测出这些数据后（如：某一时间的水位、流量）,按照《中华人民共和国水利部水文情报预报拍报方法》的规定,编成报文,经过邮电部门、黄河防汛专用通信网,以及ChianPAC信道,以电报格式传送至黄河防汛情报预报中心。该中心通过计算机电报翻译程序将所有水情电报处理成离散的各类水文要素,并按不同类别存储于Sybase实时水情数据库中,至此就可以使用这些信息了。由于Sybase数据库管理系统的优势在于对数据的存储与…