智慧洪水概率预报平台

利用最新的数值模拟和数理统计技术,研制洪水概率预报、预报不确定性降低控制和洪水风险评估等智能洪水预报模型。基于标准化链接、模型适配器技术和XML语言等平台开发新技术,创建多功能、多终端组件式洪水概率预报智慧平台,并在淮河进行实际应用,结果表明:洪水预报误差平均降低约6.2%,预报精度达90%,概率预报与数值天气预报耦合后,相同等级预报精度下洪水预见期延长3d以上,可为"控制洪水-洪水管理-洪水风险管理"理论与实践提供科技支撑。     

机器学习在降水预报中的应用

精准的降水预报有助于人们提前预警极端降水以减少人身和财产损失,近年来机器学习在降水预测方面具有巨大潜力。目前,针对降水预报的研究包括传统方法和机器学习方法,相比于传统方法,机器学习在降水预报方面的精度得到大幅提高。本文概括介绍了2个传统的预报方法和4个机器学习方法。     

实现准确预报的降水预报模型构建方法研究

研究降水预报模型的构建问题,提高预报准确度.在降水预报技术中,选用较多的预报因子构建预报模型并根据预报因子之间的联系训练得到准确模型,但受空气不稳定特性的影响使得预报因子之间的非线性联系极难准确描述,传统预报模型构建方法不能有效获取预报因子之间的联系,无法训练得到准确的预报模型,造成降水预报准确度不高的问题.为解决上述问题,提出模糊聚类算法构建降水预测模型的方法.根据空气的流动特性,采用模糊聚类算法分析预报因子内部的直接关联特性从而准确表述预报因子之间的联系,构建初始预报模型,并据最小二乘回归方法训练得到降水预报模型.实验表明,模糊聚类算法能够有效获取预报因子之间的联系,准确构建和训练预报模型,实现了降水的准确预报.     

基于粗糙集的模糊神经网络降水预报模型研究

为了提高模糊神经网络预测模型的预测能力,提出了基于粗集理论方法选择自变量作为模型输入的模糊神经网络预报建模方法.以短期降水预报作为研究对象,利用粗集理论的条件属性约简计算分析方法,对初选得到的预报因子矩阵进行属性约简,剔除不相关的属性,找出与预报量直接相关的预报因子,建立模糊神经网络的降水预报模型.实际的预报试验结果表明,该预报方法的预报精度明显高于由逐步回归方法选择预报因子作为模型输入的模糊神经网络预报模型及中国气象局T213数值预报模式的预报结果.     

基于混合算法的降水集成预报研究

为进一步提高降水预报的准确性,针对预报产品的多样性及其预报结果的差异性,综合粒子群算法和遗传算法的优点,将基于粒子群算法和遗传算法的混合算法应用于降水集成预报。利用天津市气象局提供的实际测量数据,通过对各模式降水预报数据的筛选处理,结合基于粒子群算法和遗传算法的混合算法集成模型,实现了多种预报模式降水数据的集成处理,并与传统方法集成及单一粒子群算法和单一遗传算法集成进行了对比研究。实验表明,混合算法的集成结果优于传统集成方法及单一粒子群算法和单一遗传算法集成,并好于任意一个模式成员。     

基于Matlab与VB混合编程的流域降水预报系统

利用研究区获得的水文观测资料,采用模块开发和系统集成方式,研制了研究区流域降水预报系统。介绍了系统的体系结构、主要功能、运行情况及开发的关键技术。叙述了流域降水预报的各种预报方法,并建立了基于遗传算法的降水预报神经网络模型（GA-BP网络模型）。结果表明,GA-BP网络是一种精度较高的降水预报模型,提高预测精度,增长有效预见期。该系统能根据流域观测数据、高空数据、卫星云图、数值产品等数据,实现不同数据源的信息处理和不同时效的降水预报制作,为洪水预警预报和防洪决策服务。     

水下机器人圆概率偏差的有效预报

在水下机器人设计过程中,对于导航精度设计指标无法用物理实验进行验证。如何有效预报圆概率偏差(CEP)成为了亟待解决的问题。采用直线航路模型,对误差源在直线航路上引起的导航误差进行定量分析,推求各误差合成后的纵向误差和横向误差表达式,建立水下机器人圆概率偏差迭代方程,求得圆概率偏差预报结果。推导结果表明横、纵误差之比小于0.7时可保证圆概率偏差不大于前两者之中的大者。该方法与实际实验结果吻合,表明提出的导航误差分析和圆概率估算方法是有效的,可准确预报水下机器人导航精度。     

基于相似离度的模糊神经网络方法在降水预报中的应用

针对样本矩阵中的奇异样本可能会影响模型的预报能力，提出了一种基于相似离度的模糊神经网络模型，并对广西北部前汛期（5月～6月）逐日平均降水量进行了49天的业务预报试验。结果表明，基于相似离度的模糊神经网络模型计算速度快，预报结果与实际值符合的较好，具有较好的业务应用前景。     

基于混合型神经网络的台风预报系统

本文介绍了一个实用的基本混合型神经网络的台风预报系统的设计与实现，该系统将符号处理与神经网络处理有机结合，以符号处理作为神经网络学习的前端学习系统，运用领域知识和经验规则从数值预报结果及网格点结果及网格点数据中提取预报因子，简化神经网络学习，提高分类精度。     

长江三峡库区以上地区数值化降水预报系统的设计及实现

建立三峡库区以上地区数值化降水预报系统的目的是为预报员提供有效的辅助分析工具,一方面对不同类型的降水资料进行综合管理、模拟预报和评价,另一方面,对灵活的降水分区进行降水预报产品计算和分析,从而提高预报员进行多分区降水预报的效率。以SuperMap地理信息系统控件为基础,设计与实现了多分区方案的灵活管理,与预报员交互的预报流程和预报结果的Web发布等功能,详细介绍了数值化降水预报系统的结构、功能、部署和预报流程。数值化降水预报系统已经成功应用于三峡降水预报业务运行。     

基于Hadoop的GA-BP算法在降水预测中的应用

针对如何从海量的气象数据中挖掘出有用的知识,并提高气象预报的准确度,提出了在Hadoop平台上构建基于遗传神经网络算法的天气预报方法.该方法采用遗传算法与神经网络算法相结合,避免了传统算法容易陷入局部最优的问题,并以天津市13个台站1951–2006年的地面气候资料日值数据为基础,建立了遗传神经网络预测模型,最后以降雨量等级为决策属性进行了实验.结果表明,该方法对所有降水等级的预测准确率都要优于传统的神经网络算法,对于降水等级R₀的预测精度最高,达到了87%,不仅可以有效的处理海量气象数据,同时具有较高的预测精准度和良好的扩展性,为天气预报提拱了一种全新的思路和方法.     

多分支的降水量概率预测模型研究

降水量大小对水资源调度决策、防汛防旱预警等方面有着决定性作用。目前已有大量降水量预测模型被提出,但其由于缺乏对降水过程非线性性态的考虑,因此预测准确度不高。另外,单独的预测值难以对决策判断形成有效支持,使预测结果的应用性不好。针对上述问题,基于降水量的平稳性及周期性,构建了同比分支及环比分支预测模型,进而提出了一种多分支的降水量概率预测模型MBPPFM。该模型采用十字交叉选择算法,精细化筛选同比、环比分支预测结果,提高了预测准确性,并能避免异常预测。同时,预测结果包括区间概率和结果置信度,能有效支持决策形成。     

RI地震预测模型的分析及其验证

地壳运动是一个极其复杂的无秩序现象,通过对地壳运动的研究很难对地震作出预测。为了准确地预测未来地震次数,利用统计学原理是一个很好的选择。RI(Relative-Intensity)方法是从统计学角度构造地震预测模型,对历史发生地震数据进行学习,预测未来将要发生的给定震级范围内的地震次数。RI方法基于这样一个假设：相同区域未来将要发生地震的相对强度和过去发生的地震相近。它将地震模型分为若干个等大的网格,并以网格为基本单位进行统计、计算,最后得到每个网格的地震预测值,对目标区域内所有网格的预测值进行累加就可以得到目标区域的预测值。RI方法在中国华北地区回顾性预测中表现出较好的性能和准确性。     

概率模型下的一种优化覆盖算法

覆盖率不仅是评价无线传感器网络体系性能的重要标准之一,也是无线传感器网络所研究的一项重点课题.为此,提出了一种概率模型下优化覆盖算法.该算法通过对概率覆盖模型的计算,给出了传感器节点覆盖的期望值和公差的求解过程以及对所关注目标节点进行首次覆盖后的期望值证明过程.在网络能量方面则通过节点状态调度策略对通信路径进行优化,证明节点能量衰减过程中,拟合函数极限存在的意义,实现了传感器节点能量的有效匹配,抑制了传感器节点能量的消耗,证明了优化后整个监测区域传感器节点覆盖函数之间的关系.仿真实验结果表明,该算法不仅提高了覆盖和网络服务质量,而且有效地抑制了网络能量开销,延长了网络生存周期.     

基于PEPX数据模型的概率查询算法研究

针对XML数据半结构化的特点及概率查询理论,对已构建的PEPX概率数据模型进行研究,特别对高效独特的查询路径建立进行了分析,设计了运用概率论理论,在计算节点概率基础上动态选择数据查询路径的算法,并通过数据模拟,验证了该算法在减少查询操作、提高算法执行效率的有效性和可行性。     

混合预测模型在网络性能预测中的应用

分析比较不同预测模型的特点及应用条件,基于一次指数平滑模型、二次指数平滑模型和灰色系统模型GM（1,1）,提出并设计能适应网络性能数据序列的混合预测模型。实际应用证明,该模型预测效果良好,能够较好地实现一段时间内的网络性能预测任务。     

基于改进粒子群优化算法的BP预测模型

该论文提出了基于改进粒子群优化的BP算法. 在该算法中,通过对粒子群优化算法中的惯性权重的计算方法的改进,同时利用改进的PSO算法替代了BP算法中的梯度下降算法,使得改进后的算法具有不易与陷入局部极小等优点. 并将该算法利用在预测气温上,实验证明： 改进后的算法在预测模型上能够取得较好的预测效果,提高预测精度.     

沈阳地区5—9月温度和降水变化规律的研究

对沈阳地区近50年来的温度资料和90年来的降水量数据进行分析，将每年5-9月的距平累加，再用周期函数对累加序列进行拟合，分析出温度和降水变化的规律；1947-1995年温度变化总的趋势是下降的，总下降幅度为0.2℃，其间存在周期约20年的波动，20世纪50年代中后期和70年代初为两个波谷，60年代初和80年代初为波峰；1905-1995年降水量总的趋势基本不变，但年际差异较大，20世纪30-60年代属降水偏多时期，之前和之后则属偏少时期。     

基于FARIMA模型的网络流量预测

论文基于长相关特性的时间序列分析方法,采用FARIMA模型对网络自相似业务进行研究,利用“后向预报”技术对序列进行分形反滤波,在模型辩识、参数估计中利用粗、精估计结合的方法建立模型。选择伯克力实验室的经典实测数据,利用FARIMA模型进行H值估计、分数差分定阶及消除长相关性的操作,实验证明了模型的有效性。     

作战仿真概率模型可信性测试

通过仿真模型运行,利用状态转移概率矩阵,为大型作战仿真系统中相关的概率模型可信性测试提供一种高效、可行的方法,并通过实例验证该方法的可行性。本文方法大大减轻了在仿真系统验收测试时,大量样本的多次运行给测试工作带来的沉重负担。 