基于互信息的湖泊日水位预测——以西洞庭湖为例

鉴于传统的湖泊水位预测在输入因子选择时具有一定的盲目性,以西洞庭湖为例,利用基于互信息的输入因子选择法建立了日水位预测模型。按河流生态功能将水文年划分为枯水期、汛前涨水期、汛期、汛后退水期4个时期,然后分期计算影响湖泊日水位的自变量与日水位的互信息,并引入广义相关系数将互信息归一化,选出各时期互信息最大的自变量因子作为模型的输入变量。经过模型计算与数据分析可得:F检验结果显著,回归值与实测值的相关度高,剩余标准差小。由此证明用互信息筛选出的因子作为模型的输入变量能取得较好的精度并在实际中易于操作。     

邻苯二甲酸酐的生产与市场

2005年全球邻苯二甲酸酐(PA)的生产能力约为450万t/a,需求量可达到350万~360万t,用于增塑剂占57%、醇酸树脂占17%、不饱和聚酯树脂占17%。未来5年全球PA需求将以年均3.0%~3.5%的速率增长,其中亚太地区将继续引领全球PA市场快速增长,其年均增速将达到4.0%~4.5%,美国仅以1.5%~2.0%的速率增长,西欧仅以1.0%的速率增长。我国产能和产量快速增长,2004年国内生产能力约为864 kt/a,消费量约为873 kt,用于邻苯二甲酸酯类增塑剂约占总消耗的60%,醇酸树脂约占22%,不饱和聚酯树脂占10%。     

聚碳酸酯的生产和市场分析

分析了国内外聚碳酸酯(PC)的生产现状,包括已有、在建及计划建设的装置产能,并预测了今后生产和需求的发展趋势;展示了国内PC工业化技术的开发现状。2002年全球PC产能约为200万t/a,预计到2006年产能将增加到250万t/a,需求将达到300万t,并且在光学介质和汽车行业将会表现出强劲的扩张性需求。我国2002年PC进口量超过40万t,预计今后几年国内需求增长速度仍较快。建议国内企业应加大科研投入,加速我国PC工业的发展。     

深部互层咸水层二氧化碳分布特征探究

通过构造砂页岩互层结构,并根据渗透率对砂岩层岩性进行分类,建立了多岩相非均质模型,利用多组分多相流数值模拟软件TOUGH2/ECO2N探究二氧化碳注入深部互层咸水层后的分布特征,结果显示二氧化碳聚集在低渗透性的页岩层底部,呈分层结构,砂岩层中优先在渗透率较高的岩相中运移并呈分散分布;超临界二氧化碳不断溶于地层水,含饱和二氧化碳的咸水密度增加并缓慢下沉,无明显分层现象。     

滑坡面位移特征及其应用

论述了滑坡坡面位移特征，提出了根据坡面位移矢量确定滑坡滑动面、预报滑坡发生时间的原理和方法。     

平顶山矿区地质勘探与建井工程地质条件分析

针对矿区地质勘探侧重于开采阶段的工程地质工作,忽视了建井期间的工程地质工作,因而造成部分工作的重复投入,引起人力、物力、财力的浪费和施工周期的延长这一带有普遍性的问题,详细讨论了矿区岩体工程地质稳定性问题,并指出今后在地质勘探中增加工程地质勘探的必要性。     

我国乙烯原料市场供需分析

阐述了乙烯原料的世界与我国市场，对未来我国乙烯原料的需求与供应进行了预测。     

基于k-最近邻筛选的BMA集合预报模型研究

针对冗余训练样本会降低BMA参数求解效率与精度问题,本文提出在BMA运算之前采用k-最近邻(k-nearest neighbor)算法筛选有价值训练样本,并用于BMA参数求解的改进模型。模拟试验在淮河王家坝站进行,分别以k-最近邻筛选、不筛选两种方案为BMA提供训练样本,统计分析两种方案中王家坝站流量模拟结果,评价BMA改进法的性能。模拟结果显示,采用k-最近邻样本筛选方法后,BMA模型对洪水过程以及洪峰的预报精度提升明显;概率预报结果的离散程度降低的同时,可靠性程度获得提升。k-最近邻样本筛选方法的引入,能够有效去除BMA模型训练样本中的冗余数据,以少量的样本获得更可靠的模型参数,改善集合预报性能。     

2016年长江第1号洪水预报及调度影响分析

通过分析2016长江第1号洪水的水雨情发展、洪水组成、水情预报、调度还原计算成果等,解析了该场洪水的暴雨洪水特性、预报对调度的支撑作用以及三峡水库调度对城陵矶河段水位的影响。分析表明：金沙江、乌江来水对第1号洪水起筑底作用,三峡区间洪水则为该场洪水造峰,三者最大1d洪量占三峡入库来水比率分别达26.1%,15.6%,38.1%;第1号洪水期间,水情预报为调度决策提供了长预见期、较高精度的前提支撑,78,54,30,6 h预见期的三峡入库洪峰预报误差分别仅为-20.0%,-10.0%,-4.0%,0;三峡水库在第1号洪水期间通过防洪调度将入库洪峰流量削峰38%,最大拦蓄洪量约29亿m3,削减莲花塘站洪峰水位0.39 m左右,避免了城陵矶河段出现超保证水位。     

基于KPCA-PSO-SVM的径流预测研究

为提高径流预测模型的准确性与稳定性,对KPCA-PSO-SVM的径流预测方法进行了研究。在分析径流影响因素的基础上,利用核主成分分析(KPCA)法对径流影响因子进行非线性特征提取,获得主成分作为支持向量机(SVM)的输入变量,建立了径流预测SVM模型,其中模型参数通过粒子群算法(PSO)进行优化。模型建立后,以新疆伊犁河雅马渡站中长期径流预测为例进行分析。预测分析结果表明,在拟合和检验阶段模型的平均相对误差分别为0.77%和7.64%,与其他预测模型比较,基于KPCA-PSO-SVM方法建立的径流预测模型有较好的预测和泛化能力,是一种行之有效的中长期径流预测方法。