一个雨雪混合洪水预报模型及其应用

在总结暴雨融雪混合洪水形成规律的基础上，讨论了雨雪混合产流模型结构，利用临界温度来判断降水的形式和融雪因子，同时考虑降雨引起的融雪量，结合LI-Ⅰ分布式水文模型建立一个雨雪混合洪水预报模型．利用新疆塔城地区喀浪古尔河流域暴雨融雪洪水资料进行模拟和验证．模拟和验证结果表明，预报模型具有较高的精度，其确定性系数超过0．80．     

一个雨雪混合洪水预报模型及其应用

在总结暴雨融雪混合洪水形成规律的基础上,讨论了雨雪混合产流模型结构,利用临界温度来判断降水的形式和融雪因子,同时考虑降雨引起的融雪量,结合LL-Ⅰ分布式水文模型建立一个雨雪混合洪水预报模型.利用新疆塔城地区喀浪古尔河流域暴雨融雪洪水资料进行模拟和验证.模拟和验证结果表明,预报模型具有较高的精度,其确定性系数超过0.80.     

基于风险价值的铁路货运安全模型

首次将风险价值引入到铁路货运安全中, 基于风险价值中的临界值思想, 结合危险品运输风险价值模型, 提出适用于铁路货运安全运行的风险价值模型。     

多维混合回归系统水文预报模型及其应用

多维混合回归系统模型是将回归与自回归结合起来的综合模型。根据济渭河流域水特性建立朗梨水站洪峰水位多维混合回归系统预报模型,经检验评定,效果良好。     

人工神经网络在转炉建立准确预报模型中的应用

本文介绍了神经网络的并作原理、神经网络的训练算法及在转炉建立锰含量预报模型的模糊规则中的应用。     

ARMA模型在洪水预报中的应用

ARMA模型在随机水文学及其他领域中有广泛的应用。近年来,在水文预报领域中已开始广泛采用形式上近似于这类模型的一些方案。在随机水文领域中为了消除系列不平稳的影响,常由实测资料减去系列均值。而水文预报中一般是直接采用实测资料建立ARMA模型。本文拟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,这样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在线估计状态,就可使ARMA模型在洪水预极中得到较好的应用。从模型在雅砻江沪宁至小得石河段(多输入,单输出系统)的应用来看,效果不错。     

模型参数优化中的混合方法及其应用

归纳了现代典型混合软计算法的构成，指出其或松或紧融合多种单一要素来提供具有互补性的推理与搜索方法，是解决知识驱动推理或纯数据驱动推理问题的有效变通手段。通过知识域与经验数据的结合增加了模型可靠度和问题解决能力。为了解决最广泛和高复杂性的工程或社会问题，应开发有效整合各类推理搜索技术的智能工具箱，以获得低成本解决方案，并举例说明了混合软计算的应用。     

神经网络模型在脱氮预报中的应用

讨论了人工神经网络方法在含氮量预报上的应用策略 ,并建立了一个 6 - 7- 1结构的三层 BP网络模型 ,进而分析了 BP网络模型在实际应用中存在的问题 ,对 BP网络算法进行了改进 ,在基于改进的神经网络算法基础上 ,使用 C语言实现了程序设计 ,采用收集的 6 7组实验数据进行了离线学习 ,完成了对网络的训练 ,并用训练好的网络模型对 1 2组样本进行测试 ,预测值误差在± 1 0× 1 0 - 6范围内时命中率为 74% .     

黑龙江省洪水预报系统在小流域洪水预报中的应用

黑龙江省洪水预报系统包括模型率定子系统、实时作业预报子系统和系统管理3部分.针对预报站点具体情况,对测站通过模型参数率定及方案输入制定预报方案,连接实时和预报水情数据库,对发生实时暴雨做出预报分析.根据本流域实际情况,开发出适合本流域情况的模型,导入到系统中.     

SARIMA - SVR混合模型在电费收入预测中的应用

针对SARIMA模型和SVR模型在预测电费收入数据时因存在线性因素和非线性因素所产生的难以精准预测的问题,提出一种将SARIMA和SVR相结合的SARIMA - SVR混合模型.利用延边供电公司的月电费收入数据对SARIMA - SVR混合模型的有效性进行验证显示, SARIMA - SVR混合模型的平均绝对百分比误差比SARIMA模型和SVR模型分别低了13.50%和73.75%.该结果表明SARIMA - SVR混合模型对电费收入数据具有较好的预测效果.     

Hybrid grey model to forecast monitoring series with seasonality

The grey forecasting model has been successfully applied to many fields. However, the precision of GM（1,1） model is not high. In order to remove the seasonal fluctuations in monitoring series before building GM （1,1） model, the forecasting series of GM（1,1） was built, and an inverse process was used to resume the seasonal fluctuations. Two deseasonalization methods were presented , i. e. , seasonal index-based deseasonalization and standard normal distribution-based deseasonalization. They were combined with the GM（1,1） model to form hybrid grey models. A simple but practical method to further improve the forecasting results was also suggested. For comparison, a conventional periodic function model was investigated. The concept and algorithms were tested with four years monthly monitoring data. The results show that on the whole the seasonal index-GM（1,1） model outperform the conventional periodic function model and the conventional periodic function model outperform the SND-GM（1,1） model. The mean absolute error and mean square error of seasonal index-GM（1,1） are 30.69 % and 54.53 % smaller than that of conventional periodic function model, respectively. The high accuracy, straightforward and easy implementation natures of the proposed hybrid seasonal index-grey model make it a powerful analysis technique for seasonal monitoring series.     

机械加工尺寸的时序预报

本文建立了机械加工尺寸的时序模型，并对其进行了最小方差预报。结果表明：对过程的长期发展所作的预报就是其均值。     

灰色预测模型在高层建筑物 沉降预测中的应用研究

详细讨论了一阶一元灰色预测模型GM(1,1)的基本内容及建模过程,并成功地将GM(1,1) 模型应用于高层建筑物沉降监测的预测预报,相应地编写了基于MATLAB的灰色系统沉降预测程序, 便于实际应用。实践证明,灰色预测模型GM(1,1)在沉降预测中具有较高的应用价值。     

基于时间序列模型与灰色模型的组合预测模型的研究

为了能有效地提高预测模型的精度,提出了组合预测模型。本文首先利用ARIMA模型对时间序列数据进行模型的识别和拟合,然后由比较可知优化后的GM（1,1）模型拟合和预测效果好于GM（1,1）模型,最后通过赋予合理权重结合ARIMA模型和优化后的GM（1,1）模型两种方法得到ARIMA-GM的组合预测模型。预测结果表明：组合模型的预测准确性高于各个模型单独使用时的准确性,组合模型发挥了各个单一模型的优势。     

一类双重时间序列模型平稳解的存在性

讨论了双重时间序列模型ｘｔ＝θｔｘｔ－１＋εｔ（１）的平稳解存在的条件，这里，θｔ是平稳的自回归滑动平均ＡＲＭＡ（Ｐ，ｑ）序列。并且，在θｔ是一阶自回归序列ＡＲ（１）时，给出模型（１）有平稳解的显式条件。     

Novel grey forecast model and its application

The advancement of grey system theory provides an effective analytic tool for power system load forecast. All kinds of presently available grey forecast models can be well used to deal with the short-term load forecast. However, they make big errors for medium or long-term load forecasts, and the load that does not satisfy the approximate exponential increasing law in particular. A novel grey forecast model that is capable of distinguishing the increasing law of load is adopted to forecast electric power consumption (EPC) of Shanghai. The results show that this model can be used to greatly improve the forecast precision of EPC for a secondary industry or the whole society.     

基于牛顿插值和神经网络的时间序列预测研究

在时间序列法基础上应用插值理论和神经网络建立一种新的预测模型。首先采用插值法拟合历史 销售数据并求出大量的数据训练神经网络, 弥补了历史数据缺乏的问题;然后用训练好的神经网络代替传统的最小 二乘法拟合时间序列因素, 从而求出预测值。仿真结果表明, 此模型能够有效地改善模型的拟合能力并提高预测精 度。     

基于季节时序模型的水稻区降水量预测

充分合理利用降水进行灌溉是节水、增温、增产的有效途径。应用季节性随机时序模型理论，针对三江平原广大井灌水稻区，利用创业农场1980—1999年20年月平均降水资料，建立了该地区的降水预测模型。经与实测值对比，精度较高，可以在井灌区灌溉用水管理中应用。     

AR(p)模型在中国总人口预测中的应用

利用AR(p)模型对我国总人口进行了动态预测.通过实证分析,对模型进行了检验,短期预测误差较小,应用效果比较符合实际。     

长自回归模型建立的程序实现

本文给出了对随机过程建立长自回归模型的程序设计方法和计算实例。此程序可以用于长自回归模型的阶数确定和参数估计。