基于指数权马尔可夫链及双原则干旱预测研究

针对马尔可夫链对非均匀分布序列预测精度低的问题,重新划分了SPI等级,并采用双准则决策方法对原预测结果决策方法进行了改进.以朝阳地区旱情为例,修订后的SPI等级符合抗旱决策要求,并与改进后的双准则决策方法应用于旱情预测可提高预测精度.     

基于马尔科夫链模型的湖北省干旱短期预测

针对干旱预警预测十分困难的问题,基于湖北省16个气象站点1960~2009年的逐月降水资料,计算了各站点的标准化降水指数(SPI),并利用马尔科夫链模型预测了湖北省未来干旱的发生概率,得出了各个干旱等级的发生概率、预计持续时间、初次转移到无旱状态的时间、重现时间以及预见期为1~3个月的短期概率。与实际统计频率对比发现,马尔科夫链模型能很好地估算各个干旱等级的发生概率,且大多数站点未来干旱等级预测概率的误差都控制在20%以内,说明该模型对于未来干旱情况具有一定的预测能力,可以为早期干旱预警提供依据。     

基于IDGM(1,1)-马尔可夫链模型的水利工程投资预测

为改善水利工程投资失控现象,结合净现值,采用IDGM(1,1)-马尔可夫链预测模型,以已完成项目的实际投资月净现值为计算依据,对未完成项目进行投资预测,并结合工程算例进行验算,将该模型预测值与IDGM(1,1)预测值、实际值进行对比。结果表明,IDGM(1,1)-马尔可夫链模型预测精度更高,可为水利工程投资预测及控制提供可靠依据。     

基于逐步回归分析—马尔可夫链模型的大坝变形预测

针对预测大坝变形准确性难度较大的问题,综合逐步回归分析和马尔可夫链的优点,采用逐步回归分析法对大坝原型观测资料进行分析,得到回归模型,并判别回归方程的有效性和精度,同时利用马尔可夫链确定位移时序的状态转移概率矩阵,通过划分残差状态、修正实测值与逐步回归模型拟合值的绝对误差与相对误差,建立了大坝变形预测的逐步回归分析—马尔可夫链预测模型(SRA-MC)。实例应用结果表明,模型的拟合值与实测值吻合良好,预测效果好,可见逐步回归分析—马尔可夫链模型在进行大坝变形预测时具有有效性,可应用于大坝变形预测分析及大坝安全监控预警中。     

基于马尔可夫链的汽车行驶工况预测

城市道路中汽车的行驶工况复杂多变。本文首先基于统计学方法探究不同地理特征对车辆速度行为的影响规律,建立不同地理特征的车辆行为数据库,详细阐述了试验数据的处理与转移概率矩阵的求解。在此基础上,利用马尔可夫链对未来行驶路线已知的汽车行驶工况进行预测。最后,以实测数据对工况的预测精度进行分析和验证,验证结果表明特征参数中平均速度的相对误差最小仅1.1%,匀速时间比的相对误差最大为14.7%,此预测方法可行。     

改进的GM(1,1)模型在西安市用水量预测中的应用

针对近年来西安市用水量变化的特点,采用改进的GM(1,1)模型用于用水量预测,并与传统的GM(1,1)预测模型进行了比较.结果表明,改进的GM(1,1)模型可取得较好的预测结果.     

基于EMD与加权马尔可夫链QR法的风电功率区间预测

提出一种基于经验模式分解(EMD)、加权马尔可夫链与分位数回归(quantile regression,QR)的风电功率概率区间预测方法。由于风功率数据与风速显著相关,首先对历史风速进行经验模式分解,得到不同频率段的风速,再以不同频率段的风速为样本,分别对其进行加权马尔可夫链预测,相加得到最终预测风速。最后将所得的预测风速代入QR预测模型,得到一定置信水平下的风电功率概率区间的上下限。以区间覆盖率和区间平均带宽为评价指标,与马尔可夫链下的QR法和加权马尔可夫链下的QR法的对比仿真表明,提出的基于经验模式分解与加权马尔可夫链下的QR法具有风电功率概率预区间预测的覆盖率更高,平均带宽更窄,精度更好的预测效果。     

改进的BP网络模型在流域日径流量预测中的应用

探讨了ANN应用中存在的几个关键问题，提出采用增加监控样本的办法来预防网络过适应现象，以增强网络的概化能力。并以淮河流域为例，将经达改进的BP网络模型应用于流域日径流量预测中，得到了较高的模拟精度。     

粒子群优化极限学习机模型在河南省干旱预测中的应用

干旱预测是提高防旱抗旱能力的重要非工程措施。在评价不同时间尺度标准化降水蒸散指数(S_SPEI)对河南省干旱识别能力的基础上,以能有效表征河南省干旱状况的S_SPEI为模型输出,以基于信息变化率和条件互信息的特征变量选择方法(ICR-CMIFS)筛选得到的河南省主要致旱气候系统指数为模型输入,构建了基于粒子群算法优化极限学习机(PSO-ELM)的干旱预测模型,通过对比该模型与标准极限学习机(ELM)、差分进化算法优化极限学习机(DE-ELM)模型的干旱预测结果,验证PSO-ELM模型在河南省干旱预测中的适用性。结果表明,S_SPEI-3能有效识别河南省典型干旱事件,从时间和空间上可较准确地反映河南省干旱状况;ICR-CMIFS筛选出的河南省主要致旱气候系统指数为西太平洋副高面积指数和NINO指数;PSO-ELM模型能较准确地预测河南省干旱,且预测精度优于DE-ELM模型和标准ELM模型,在河南省干旱预测中具有较好的适用性。     

基于改进灰色模型与BP神经网络模型组合的风力发电量预测研究

针对灰色模型在数据序列无规律的风力发电量预测中精度不高的问题,通过对原始数据的平滑处理改进灰色模型,并将改进的灰色模型与BP神经网络相结合构建组合预测模型,采用灰色关联法改进组合预测的权重系数。实例分析表明,改进的优选组合模型预测的准确度高于单一模型及传统的优选组合预测模型。     

基于马尔科夫链修正的RBFNN模型在碾压混凝土重力坝变形预报中的应用

针对径向基神经网络(RBFNN)预报模型的不足,提出了一种基于马尔科夫链修正的RBFNN预报模型,以RBFNN模型的预测结果为基准,利用马尔科夫链进行误差修正,进而显著提高模型的预报精度。以某碾压混凝土重力坝的变形监测为例,建立大坝变形预报模型,并将其结果与单一的RBFNN模型的预报结果做了对比,结果表明,基于马尔科夫链修正的RBFNN预报模型精度更高,结果更符合实际。     

基于改进自适应遗传算法的大坝变形支持向量机预测模型

针对支持向量机模型预测大坝变形的核心为选取惩罚因子C和核函数参数σ的问题,以及标准遗传算法可能存在收敛局部小而最后得不到全局最优解、收敛速度慢等缺点,采用改进的自适应遗传算法对参数进行寻优。实例应用表明,与自适应遗传算法的支持向量机模型和统计模型相比,改进的自适应遗传算法的支持向量机模型推广能力和泛化能力更好,从而证明该预测模型具有可行性和实用性。     

基于改进随机森林算法的渡槽位移及应力预测模型

渡槽位移及应力监测是渡槽健康监测的重要内容,其位移及应力变化与多种因素存在复杂的非线性关系,这种关系导致传统数学模型难以较准确地预测出不同环境变量影响下渡槽的位移及应力变化情况。对此,提出了一种基于随机游走思想的随机森林算法,该算法以渡槽水位、气温及水温为输入,能较准确地预测出渡槽不同测点的位移及应力。最后,通过一个数值算例,对比了该算法与已有模型算法的拟合性能和泛化能力,验证了该算法的优越性,可满足渡槽工程位移及应力预测的需要。     

基于MEEMD-GAELM组合模型的短期风电功率预测

考虑到风电功率短期预测的准确性对电网调度具有重要作用,提出了一种由改进的集成经验稳态分解(MEEMD)与基于遗传算法优化的极限学习机(GAELM)相结合的短期风功率组合预测模型,首先对原始风功率时间序列进行总体平均经验模态分解(CEEMD),通过排列熵剔除异常分量,再对剩余分量进行经验模态分解(EMD),其结果即为MEEMD分解所得分量,对分量分别建立GAELM预测模型,将各分量预测结果相加,即得到最终预测结果。对东北某风电场实测数据进行试验表明,与传统预测方法相比,组合预测模型有效提高了短期风功率预测的精确性。     

TOPSIS客观赋权法在干旱综合评估中的应用研究

以西安地区为例,选取连续无雨日数、降水距平百分比、标准化降水指数和相对湿润度指数4个干旱指标进行了干旱单指标评估研究,针对单指标评估的局限性,引进了TOPSIS客观赋权法构建了一个干旱综合指数,将单指标评估结果加权,并结合遗传算法求取权重进行干旱综合评估。结果表明,综合评估结果与实际干旱状况基本一致,具有一定的可信度。     

基于改进小生境遗传算法的输电网安全经济规划模型

传统输电网规划模型中的目标函数通常仅考虑系统运行经济性而忽略安全性因素及其所带来的损失,为避免此缺陷,在运用改进K-means算法进行负荷聚类并建立多级负荷模型的基础上,以包含年投资成本、运行维护成本及缺电成本的年综合成本最小为目标,建立一种考虑安全性经济性协调的输电网规划模型,将安全性效益转化为经济形式并加入到目标函数中,同时在模型约束条件中考虑N-1安全约束,从而实现电网安全性与经济性的协调。最后,利用带有精英保留策略的改进小生境遗传算法求解规划模型,确定基于安全性经济性协调下的最优规划方案。通过分析修改后的IEEE RTS79系统,验证了模型及求解算法的有效性,可为输电网安全经济规划提供参考。     

改进加速遗传算法及其在非稳定渗流场反分析中的应用

在总结和分析基本遗传算法及其加速算法的基础上，提出了改进加速遗传算法，并针对非稳定渗流场反分析问题编制了计算程序，最后反分析计算了嶂山闸闸基非稳定渗流场关键计算参数，从而成功计算了闸基渗流场，并指出了闸基存在的主要问题。