Holt-Winters与ARIMA模型在电离层总电子含量预报中的比较

利用IGS中心发布的15天TEC数据作为样本,采用Holt-Winters加法、Holt-Winters乘法和ARIMA模型分别进行5天的TEC值预报。分析了太阳活动、纬度、预报时长对3种模型预报精度的影响。实验结果表明,3种模型的预报精度会随着纬度的降低、预报时长的增加而呈下降趋势;电离层活动平静期的预报精度要优于活动活跃期。在平静期,3种模型在高纬度地区的预报效果大致相同;在中、低纬度地区加法模型的预报效果要优于另外两种模型。在活跃期,3种模型在高纬度地区的预报效果大致相同;中纬度地区乘法模型和ARIMA模型预报效果要优于加法模型;在低纬度地区,加法模型和乘法模型的预报效果要优于ARIMA模型。加法模型精确预报时长可以达到5天左右,而乘法模型和ARIMA模型只能达到3天左右。     

电离层总电子含量建模的最优观测值选择

观测量的精度对区域电离层总电子含量建模至关重要.介绍电离层总电子含量(TEC)的概念,讨论利用GPS双频观测数据反演TEC的方法和原理.通过对几种TEC计算方法的精度进行研究和分析,提出一种电离层总电子含量建模最优观测值的选取方法.     

利用卫星信标法拉第效应研究西安地区电离层总电子含量

本文根据1981年9月至11月在西安对 SJ-2(A)卫星信标的法拉第效应观测的资料,计算出西安地区电离层总电子含量(TEC),给出了总电子含量的平均日变化形态,并对结果进行了初步的分析。     

小波熵及小波变换的短期负荷预报

基于小波分解理论,借助db8小波函数,对历史数据进行尺度为3的静态离散小波变换,并将小波熵引入到电力负荷预报工作中,用于处理电力负荷的历史数据.选取一定小波熵阈值,识别出历史数据中的非正常数据,可以提高负荷预测的准确性.对于各个分解尺度的小波系数分别进行预测,通过小波重构,得到预测值.预测结果表明,这种方法具较高预测精确度及适应性.     

Ｈｏｌｔ-Ｗｉｎｔｅｒｓ与 ＡＲＩＭＡ模型在电离层总电子含量预报中的比较

利用 ＩＧＳ中心发布的 １５天 ＴＥＣ数据作为样本,采用 Ｈｏｌｔ Ｗｉｎｔｅｒｓ加法、Ｈｏｌｔ- Ｗｉｎｔｅｒｓ乘法和 ＡＲＩ- ＭＡ模型分别进行 ５天的 ＴＥＣ值预报。分析了太阳活动、纬度、预报时长对 ３种模型预报精度的影响。实 验结果表明,３种模型的预报精度会随着纬度的降低、预报时长的增加而呈下降趋势;电离层活动平静期 的预报精度要优于活动活跃期。在平静期,３种模型在高纬度地区的预报效果大致相同;在中、低纬度地 区加法模型的预报效果要优于另外两种模型。在活跃期,３种模型在高纬度地区的预报效果大致相同;中 纬度地区乘法模型和 ＡＲＩＭＡ模型预报效果要优于加法模型;在低纬度地区,加法模型和乘法模型的预报效果要优于 ＡＲＩＭＡ模型。加法模型精确预报时长可以达到 ５天左右,而乘法模型和 ＡＲＩＭＡ模型只能达到３天左右。     

大地震前震中上空电离层全电子含量异常研究

采用IGS(International GPS Service)网站提供的电离层垂直全电子含量(vertical total elearon content,记为VTEC),分析研究了1998—2006年发生在中国大陆地区的30个M_s≥6.0的地震.采用统计处理的方法,讨论了地震前后15d内电离层全电子含量的变化,分别对震中上空电离层全部TEC资料进行了分析.     

基于陆基GNSS的电离层时间序列预报研究

为讨论不同时间序列模型对电离层垂直总电子含量(VTEC)的预报效果,在平静电离层条件下,采用载波相位平滑伪距法解算单站上空的电离层VTEC值,分别利用自回归积分滑动平均模型(ARIMA)与Holt-Winters指数平滑模型进行逐站建模,通过时长为9 d的样本序列实现3 d预报,并对预报值进行系统评估.结果表明,时间序...     

基于小波与动态GM(1,1)-ARIMA模型的股价预测研究

针对传统时间序列股价预测模型的时间滞后性,提出一种基于小波与动态GM(1,1)-ARIMA的股价预测模型。运用小波分析对股价数据进行预处理,对小波重构序列建立ARIMA模型,考虑预测过程中未来因素对系统的影响,建立动态GM(1,1)模型。选取沪深300指数进行实证分析,结果表明所提出的小波与动态GM(1,1)-ARIMA模型与传统股价预测模型相比,其预测精度最高。     

基于小波神经网络的畸形波预报

为对畸形波这类突发性事件进行较为准确的预报,避免畸形波对海上建筑物和人员安全产生的巨大危害.采用紧致型小波神经网络模型,根据某岛礁地形实测数据建立的岛礁三维模型中测得的波高试验数据,选取试验数据中3种典型波高时间序列分别实现了包含畸形波的波浪数据对常规波浪的预报、包含近似畸形波的波浪数据对畸形波的预报以及常规波浪对包含...     

小波-ARIMA模型在贵广高铁隧道沉降预测中的应用

针对高铁隧道断面沉降状态的预测问题,提出了一种基于小波分析与自回归移动平均模型(ARIMA)组合的隧道断面沉降预测方法。分别采用ARIMA模型和基于小波分析的ARIMA模型对贵广高铁桂林-恭城路段隧道的沉降数据进行预测实验并对比,结果表明,基于小波分析的ARIMA模型对于高铁隧道断面沉降预测精度提高较大,且稳定性强,可以满足工程需要,是一种有效可行的隧道沉降预测方法。     

基于遗传小波神经网络的故障预报应用

目的减少铝电解故障的发生,提高阳极效应预报的准确性、实时性和铝的生产效率,节约能源.方法将遗传算法应用于小波神经网络,构成遗传小波神经网络,以确定小波基函数的个数、优化网络参数,以遗传小波神经网络为预测模型,通过预测槽电阻变化率来预测电解过程中的阳极效应.结果通过遗传算法能对小波神经网络的参数进行全局优化,确定了网络结构,而且小波神经网络具有较强的自适应性、鲁棒性和函数逼近能力,使预报精度提高了约9.5%,提前预报时间1 m in左右.结论该预测模型改善了故障预报准确性和实时性,避免了故障的发生,降低了能源消耗,提高了铝电解的生产效率,实现了安全生产.     

基于小波变换和AWLS-SVM的短期负荷预测

提出了一种基于小波变换和自适应加权最小二乘支持向量机(AWLS-SVM)的电力系统短期负荷预测方法。针对负荷变化具有拟周期性和随机性的特点,本方法先将负荷值利用小波变换分解为几个低频段的拟周期量和一个高频段随机量,然后根据各分量特点应用AWLS-SVM模型进行预测,最后小波重构各分量获得预测结果。实例预测结果表明该方法具有较高的预测精度。     

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。     

短期定量降水预报研究进展

系统地介绍了短期定量降水预报研究的意义,内容及方法,综述了近年来国内外的研究进展。短期定量降水预报的研究已作为世界气候研究计划（ＷＣＲＰ）和国际地圈、生物圈计划（ＩＧＢＰ）的重要内容。各国的科学工作者在理论和实际应用方面深入地开展了一系列的工作,全面介绍了这些成果,对其优缺点进行了详细的评述,并指出了其中尚待解决的问题。     

短期定量降水预报研究进展

系统地介绍了短期定量降水预报研究的意义、内容及方法 ,综述了近年来国内外的研究进展 .短期定量降水预报的研究已作为世界气候研究计划 (WCRP)和国际地圈、生物圈计划 (IGBP)的重要内容 .各国的科学工作者在理论和实际应用方面深入地开展了一系列的工作 .全面介绍了这些成果 ,对其优缺点进行了详细的评述 ,并指出了其中尚待解决的问题     

基于人工神经元网络的工厂电力负荷短期预报

讨论用人工神经元网络技术对工厂企业的电力负荷（用电量）峰值作为短期预报,分析负荷运动畸变对预报精度的影响,仿真预报算例证实,人工神经元ＢＰ学习预报算法对工厂企业电力负荷的预报能得令人满意的效果。     

基于改进遗传小波神经网络的雷暴预报方法

为了进一步提高雷暴预报的准确率,在分析研究雷暴预报方法的基础上,提出了一种了基于改进遗传算法优化小波神经网络的雷暴预报方法(IGAWNN).该方法利用聚类分析和牛顿迭代法对多种群遗传算法的收敛方向和精度进行改进,避免了种群同质化与局部最优问题,采用改进的遗传算法对小波神经网络的初始权值阈值进行了优化.选用南京地区2008—2009年6—8月的探空和闪电定位资料,使用灰关联法挖掘出关联程度较大的对流参数作预报因子,归一化处理后输入模型,采用独立样本进行预报检验.结果表明,与BP神经网络等方法相比,IGA-WNN预报准确率更高,具有更好的非线性处理能力和泛化性.     

基于小波变换的支持向量机短期负荷预测

提出了一种基于小波分解和支持向量机的短期负荷预测方法．首先利用小波变换把负荷序列分解成不同频段的子序列，对高频序列利用软阀值消噪法去除负荷噪声；对降噪后的负荷序列利用不同的小波进行分解．然后用相匹配的支持向量机模型预测各子序列．仿真结果表明db4小波的预测精度最高，平均绝对预测误差为1．6692％．所得结果同直接用支持向量机预测结果进行比较表明，该方法是有效的。