基于模型变换的系统参数快速辨识方法

研究了系统参数辨识的一种间接方法，该方法将要估计的系统模型转换为一种容易估值的高阶系统模型，然后再将高阶模型降阶得到所要的模型参数。证明了该方法与预报误差法具有相同的渐近和统计性能。仿真结果表明该方法比预报误差法具有更高的计算效率。     

时变参数系统的自适应Kalman滤波在水文预报中的应用

用时变参数系统的自适应Kalman滤波预报方法,对时间序列模型进行最优和次优预报,用于解决河流年最大洪峰流量时变参数系统的自适应预报问题,通过松花江哈尔滨水站年最大洪峰流量的实例计算表明,其预报效果良好。     

状态和参数估计的两段互耦自适应滤波在水文预报中的应用

用参数和状态估计的两段互耦自适应Kalman滤波预报方法,对时间序列模型进行最优和次优预报,用于解决河流年最大洪峰流量时变参数系统的自适应预报问题。通过松花江哈尔滨水站年最大洪峰流量的实例计算表明,预报效果良好。     

动态非线性模型参数多层递阶估计法

针对目前通用的动态系统状态预报方法的不足,提出关于动态非线性模型参数估计的多层递阶估计法,并对预报误差的原因进行了分析,使预报精度得到提高。     

一类非线性系统的无模型学习自适应控制

对于一类常见非线性离散系统，提出了其动态线性逼近的增量型模型、无模型自适应控制律和带有参数限定时域长度的参数自适应预报递推算法。实现了对时滞非线性系统的无模型学习自适应控制。通过仿真表明，该算法对于一类非线性系统实现无模型学习自适应控制是正确和有效的。     

基于动态线性逼近的非线性系统无模型自适应控制

对于一类常见多重时滞非线性离散系统,提出了其动态线性逼近的增量型模型,无模型自适应控制律和带有参数限定时域长度的参数自适应预报递推算法,实现了对时滞非线性系统的无模型自适应控制。该算法不用解Diophantine方程,无需矩阵运算,在线计算量很小,实时性好,具有很强的抑制噪声干扰能力。通过仿真表明,该算法对于一类非线性系统实现无模型自适应控制是正确和有效的。     

地下水的MIMO系统和参数识别方法

根据含水系统的输入输出特性，用时间差分方法逼近，可以获得较高精度的预报模型，无需得知含水系统的内部结构，建模统一。本文提出ＭＩＭＯ系统参数的三种识别方法：１．参数和阶的逐步回一次识别法；２．半递推识别法；３．逐步回归定参数定阶后递推识别法。     

概念性水文模型参数多目标率定及参数组合预报

针对概念性水文模型参数优化率定问题,考虑流域水文系统不同产汇流特性,提出一种多目标文化自适应仿电磁学算法（multi-objective cultural self-adaptive electromagnetism-like mechanism, MOCSEM）,并基于MOCSEM的优化结果,提出了一种简便的自识别参数组合预报方法。该算法采用仿电磁学算法实现可行解集的进化,并置于文化进化的框架中,根据水文模型参数优化率定问题的特点构建了信息空间,并引入了基于个体聚集密度的信息空间更新方法,保证了非劣方案的多样性;同时,加入一种自适应的扰动因子对算法的局部随机搜索操作进行修正,改善了算法的全局寻优能力。在此基础上,将MOCSEM算法应用于概念性水文模型——新安江模型的参数多目标优化率定,与MOSCDE算法进行对比分析,应用本文提出的自识别参数组合预报方法,尝试找到一种能权衡流域水文系统不同水文特性的自识别参数组合方式,可以为水文预报人员提供更为精确的流域径流预报方法。     

一类多重时滞非线性系统无模型学习自适应控制

对于一类常见多重时滞非线性离散系统,提出了基于动态线性逼近的增量型最小化模型,递推预测模型,无模型学习自适应控制律和带有参数限定时域长度的参数自适应预报递推算法,实现了对存在较在的多重时滞非线性系统的无模型学习自适应控制,该算法不需要受控系统的结构信息,数学,外部实验信号和训练过程,不用解Diophantine方程,无需矩阵运算,在线计算量很小,实时性好,仅用受控系统的I／O数据来设计,传统的未能模动态不存在,通过仿真表明,该算法对于一类非线性系统实现无模型自适应控制是正确和有效的。     

基于KPCA频谱特征提取的球磨机负荷建模方法

球磨机是工业领域中广泛应用的大型旋转设备,由于球磨机运行机理和动态响应特性复杂,运行状态参数的预报存在巨大困难.为解决磨机负荷参数预报的问题,对球磨机外部振动信号进行分析,采用核主元分析KPCA的方法对球磨机振动频谱进行特征提取,然后基于特征提取结果建立磨机负荷参数ELM预报模型,实现对球磨机参数负荷磨矿浓度、料球比和填充率的预报.实验结果表明:预报模型具有较高的准确性,更优于传统ELM模型.     

多步自适应组合预测及其应用

提出一种多步自适应组合预测方法.预测由多个并行不同的多步自适应预测模型组成,最终预测结果,由多个预测模型预测值的线性加权组合决定.本法适用于随机时变动态系统过程的多步预测问题,在某省粮食产量趋势预测中,应用此法获得了良好的效果.     

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.     

疫情预测的一种动态方法

探讨了疫情预测的一种动态方法,该方法以时序分析的观战动态数据处理的手段,把疫情预测分为两部分,即疫情的参数预测和以参数的预测值为基础的疫情状态预测,经实例计算效果良好,提高了预测精度。     

一种非等权倍比迭加单位线法汇流实时校正预报方法

将传统的单位线等权倍比迭加线性汇流系统改造为具有动态变化功能的非等权时变倍比迭加因子的汇流预报模型,用以逼近洪水的非线性汇流系统。本法与传统单位线汇流预报方法相比,洪峰流量预报精度提高了10%以上,单位线卷积方程加入非等权倍比迭加因子,应用卡尔曼滤波技术,改进和创新了传统单位线汇流预报方法。     

基于多因素VAR分析的上海GDP预测

以上海市为例,利用统计数据,选择6个重要的经济指标作为影响因素,建立了GDP的多因素动态系统VAR预测模型,分析显示模型显著性高,预测结果的相对误差小,有一定的实际应用价值.     

基于人工免疫原理的天气预报系统

为了获得较高的天气预报效率，提出了一种模拟生物免疫系统学习机制的免疫学习算法，并应用于天气预报中。定义了抗原和B细胞的表示方法，给出了抗原与B细胞之间亲和力的计算方法，描述了B细胞的克隆、变异、动态演化和记忆细胞的产生过程，建立了基于免疫学习算法的天气预报系统。仿真试验表明该系统同传统的基于神经网络的天气预报系统相比，预报准确率较高，为天气预报提供了一种新的解决方案。     

基于动态熵权的短期风速组合预测

为了提高风电场风速预测的准确性,将不同预测方法的权重推广到权重序列,生成权重矩阵,同时采用新的预测误差更新权重矩阵,获得所需模型.建立三种单一预测模型,统计它们十天的预测误差,获得误差序列,在此基础上,提出动态熵权法.采用熵权法确定各单一预测模型在96个预测时刻的权值,并根据新的24小时预测误差更新误差序列和权重矩阵,从而获得动态组合预测模型.结果表明,动态组合预测模型的整体误差指标比单一预测模型较小,预测精度显然增高,证明了所建模型有效且实用.     

多指标群决策方法及其在股票方面的应用

文章提出了一种利用多指标群决策解决股票预测问题的思路，利用多指标群决策中的多种排序方法集结出决策人对于方案的偏好；同时，利用得出的方案的偏好，求出决策人对于指标的偏好，并将此应用于股票预测中。     

数字长江流域高性能洪水预报系统框架

针对长江流域河流健康发展涉及的水资源配置、洪水致灾、灾害分析与评估、洪水预测预报等难题,结合长江流域自身特性,构建数字长江流域高性能洪水预报系统的总体框架,分析预报系统需要解决的关键科学技术问题,阐述预报系统的技术路线,介绍预报系统的结构、重要的数学模型以及运行流程.依据这一基本框架构筑的长江流域洪水预报系统,能够为制订适应长江防洪新形势的防洪战略、防洪规划及有效的防洪减灾对策提供科学依据和技术保障.     

混沌神经网络综合法在边坡位移预测中的应用

根据混沌理论具有分析非线性动态系统的混沌特性和人工神经网络具有考虑多因素影响的特点,本文提出了混沌神经网络综合预测模型.该方法首先利用非线性科学和理论分析滑坡位移时间序列的动态特性,然后将重构相空间计算的最小嵌入维数作为输入神经元的数目引入到人工神经网络预测模型中.分析算例预测结果表明,混沌神经网络综合预测模型计算精度较高.