基于偏最小二乘法的黄土湿陷性评价模型

基于统计学相关理论的黄土湿陷系数预测及评价方法是简化其工程应用的重要途径。当前采用多元回归方法建立黄土湿陷系数预测模型过程中往往缺乏对自变量间多重相关性对预测精度影响的合理考量。基于上述考虑,该文分别采用普通多元线性回归方法和偏最小二乘回归方法建立了黄土湿陷系数的多因素(天然含水量、初始孔隙比和压缩系数)回归模型并对二者精度进行了对比验证。结果表明:偏最小二乘方法在消除自变量之间多重相关性对结果的扰动方面成效显著,采用偏最小二乘回归分析方法获取的回归模型预测效果明显优于普通多元线性回归方法获取的回归模型。黄土湿陷系数与天然含水量和初始孔隙比之间存在显著的正相关关系。压缩系数对湿陷系数的解释能力较差,即使通过偏最小二乘分析方法依然无法正确体现其对湿陷系数的微弱影响,在后续相关回归分析中不宜将压缩系数作为湿陷系数的自变量。     

基于改进模糊聚类法和CPSO.-ISSVM的母线负荷预测

针对大型冶金企业专用母线负荷种类多、分布不均、规律性弱等特点,利用自组织特征映射神经网络(self-organizing feature map, SOM)对模糊聚类法进行改进,以选择待预测日的相似日,通过db4小波对相似日负荷数据进行分解、去噪和重构处理后作为后期预测模型的训练样本;采用混沌粒子群算法(chaos particle swarm optimization,CPSO)对最小二乘支持向量机(least square support vector machine, LSSVM)算法的惩罚参数和核函数覆盖宽度进行优化,构造了基于CPSO和LSSVM的母线负荷预测模型。仿真结果表明:该负荷预测模型,将预测结果的相对误差降低到1.998%,预测精度达到了97%,提高了专用母线负荷预测准确性。     

泥石流平均流速的MLS模型预测

泥石流的流速预测是泥石流灾害防治的核心问题之一。由于泥石流流速的影响因素众多,需要寻求能够综合反映泥石流流速影响因素的预测模型。移动最小二乘法(MLS)预测模型具有自学习和自组织及捕捉到影响因素数值微小变化的能力,可以解决泥石流流速预测存在的一些问题。采用云南蒋家沟泥石流流速实测数据作为训练样本和预测样本,以泥深、比降、密度、颗粒的平均粒径作为输入因子。讨论了用MLS方法进行泥石流平均流速预测的可行性与有效性,并将预测结果与经验公式、BP神经网络以及支持向量机进行了对比。结果表明,MLS方法的最大预测误差为4.6%,平均误差为2.7%,预测精度优于经验公式、BP神经网络及支持向量机方法。MLS方法可以为泥石流防治提供更准确的科学依据。     

地形因子对海南岛台风降水分布影响的估算

台风登陆过程中,地形对台风降水有明显的作用,及时了解台风过程中降水的空间分布信息对灾害预测预警有着重要的意义。基于最小二乘的多元线性回归方法,利用1953-2005年间登陆海南岛的台风(不包括其他热带气旋)的降水资料,建立了台风过程中年平均降水量与地形因子(地形高程、坡度、坡向)的关系模型,估算了海南岛台风过程中降水量的分布,分析了地形对其的影响,为后期台风灾害过程中降水的地形影响分析提供参考。     

基于最大熵谱和云模型的巢湖流域降水预测

基于最大熵谱原理和云模型理论,对巢湖流域11个市县1955-2005年汛期的历史降水数据进行分割,并逐一建立对应的降水历史云和趋势云,将二者根据权重叠加形成预测云;通过预测云的正向发生器产生并加权平均得到对应的降水预测值,与神经网络预测的降水值以及2006年实际降水值进行了比较,预测结果明显好于神经网络,更加接近于实际降水值。研究表明该方法对于挖掘短序列时间降水特征,模拟降水随机性与模糊性具有一定的优势,较好地预测了研究区域的降水。     

非线性时序法在城市大气污染预测中的应用

建立城市大气污染预测模型是治理城市大气污染的重要工作。在简述时间序列方法基本原理的基础上，分析了系数为变量的自回归滑动平均（ARMA）模型、截断ARMA模型，和残差为自回归综合滑动平均（ARIMA）的半参数方法等城市大气污染预测模型。以法国某城市为例，分别采用AR模型和系数为变量的AR模型对大气污染进行了预测。通过比较预测结果可知，基于非线性时间序列方法的城市大气污染预测模型可以提高预测精度，降低预测误差。     

基于主成分分析与遗传优化BP神经网络的风电场短期功率预测研究

为降低风电场弃风率及对电网稳定性影响,对风电场短期功率进行准确预测显得十分重要。针对传统BP神经网络泛化能力差、网络收敛速度慢等问题,建立了一种基于主成分分析与遗传优化BP神经网络相结合的风电场短期功率预测模型。首先,利用主成分分析法对风电场原始气象数据进行分析,将得到的独立变量作为BP神经网络的输入;然后利用遗传算法确定了神经网络的最优初始权值和阈值的大致范围,并用L-M算法对BP网络权值和阈值进行细化训练;最后,利用中国北方某风电场实际运行数据进行验证,结果表明,所建立的预测模型合理有效,不仅可以加快BP神经网络收敛速度,减少预测误差,还可以提高风电场短期输出功率的预测精度,具有一定的工程应用价值。     

福建春季旱涝灾害BP人工神经网络预测模型

以动量BP人工神经网络模型对福建3-4月的春季旱涝进行了预测试验.试验结果表明:若前期冷空气偏强,会导致来年春季降水偏多,3个主分量的各因子均达到显著性水平;尽管福建春季降雨量具有明显的非线性演变特征,但从试报的5年来看,神经网络的预测评分可高达90分以上,逐步回归和最优子集最高不超过90分.因此,所提BP神经网络预报模型对福建春季降雨量有较好的预报效果,可供有关部门制定防灾减灾决策参考.     

基于相空间重构和独立分量分析的火灾预测

利用非线性动力学的相空间重构理论和独立分量分析,结合非线性支持向量回归,提出了火灾起数时间序列预测方法。首先用时间延迟法和独立分量分析重构系统的相空间来反映火灾起数时间序列的内在变化规律,然后再用非线性支持向量回归来构建预测模型。仿真结果表明该预测方法具有较高的预测精度。     

旱涝趋势的投影寻踪预测模型

介绍了投影寻踪回归（ＰＰＲ）建模的基本原理和算法实现。选用太阳黑子年平均数和旱涝分型的转移概率作因子，建立了长江中下游旱涝趋势的ＰＰＲ预测模型，并与用相同资料建立的Ｂ－Ｐ神经网络模型预测结果进行了比较。     

东北玉米热量指数预测方法研究(Ⅳ)——均生函数预测方法

均生函数预测方法是开展环境要素变化趋势预测的有效方法之一。通过对东北地区玉米热量指数的分析,建立了热量指数时间变化趋势的均生函数预测模型,各模型预测的平均精度基本都达到95%以上,与逐步回归统计模型一致,但普遍要好于GM(1,1)模型,同样可以应用该模型的预测结果指导农业生产。     

平稳地震地面运动改进金井清谱的相关函数模型

胡聿贤平稳地震地面运动谱模型是对Kanai-Tajimi模型的一种改进。通过数学推导证明胡聿贤谱是将基岩地震动模拟为过滤白谱过程,经具有某种特性的线性单自由度土层滤波后而形成的,从而在物理上解释了胡聿贤模型的合理性;研究了低频截止频率的作用,推导出胡聿贤模型的相关函数的表达式。本文所得结果可为结构随机地震反应时域分析提供基础。     

混凝土构件空洞模拟检测试验与ARMA功率谱分析

及时发现空洞隐患、确定空洞大小,准确评估不良病害的危害程度对指导施工和提高混凝土结构质量具有重要意义。为实现空洞尺寸的量化,对试验模型中的模拟空洞进行地质雷达检测,应用基于SVD-TLS方法的ARMA功率谱分析对原始数据进行处理。结果表明:地质雷达探测区域覆盖的空洞范围越大,空洞信号越明显。基于SVD-TLS方法的ARMA功率谱分析具有较高的分辨率,可以识别异常反射信息,判断空洞在测线方向的范围;功率谱参数期望值有一定的分布范围,当参数期望值在-0.160以下时,可以基本确定为空洞区域。最后结合工程实例,对地质雷达数据进行功率谱分析,取得了良好的效果。该分析方法为研究混凝土构件内部空洞的检测提供了新途径,一定程度上实现了空洞尺寸的量化。     

基于奇异谱分析和极限学习机的风速多步预测

风速预测对风力发电系统具有重要的影响,为获得更高精度的风速预测结果,针对多步风速预测,成功开发了一种基于奇异谱分析和优化极限学习机的新型预测模型。首先,采用奇异谱分析将风速时间序列分解为一组相对平稳的分量,以降低风速序列的随机性对预测结果的影响;然后,对分解得到的分量分别建立极限学习机预测模型,为进一步提高预测性能,将1种新颖的活性竞争萤火虫算法用于优化极限学习机的输入权值和隐含层偏置;最后,叠加全部分量的预测值得到实际预测结果。仿真结果表明,基于奇异谱分析和活性竞争萤火虫算法优化极限学习机的模型在1步到3步风速预测中实现了较高精度的预测结果。     

基于互补理论的电力系统机组组合优化

针对同时具有离散和连续变量,非线性等特点的火电机组组合问题,在分析一般机组组合优化数学模型的基础上,尝试用连续化的方法建立连续变量和离散变量之间的关系,利用互补约束和最优化极值理论,构建了电力系统机组组合的互补约束优化模型。采用光滑NCP函数对建立的互补约束优化模型进行光滑处理,将其转化为一般的非线性规划问题,并用原对偶内点法进行求解。仿真结果表明:所提算法能有效处理含离散和连续变量的混合优化问题,具有很好的实际应用前景。     

加速度均方根地震动统计研究

根据美国加州等地的强震记录,采用回归分析方法研究了加速度记录水平、竖向分量的峰值加速度(PGA)和一定时间窗内加速度均方根(SRSTM S)的衰减规律。所采用的加速度记录共795组(两水平向与一竖向)2 385条。对作为地震危险性分析的主要参数PGA的衰减规律与SRSTM S的衰减规律作了详细的研究,结果表明,SRSTM S的离散性明显的小于PGA,因此建议将SRSTM S的衰减关系应用于地震动强度的危险性分析。     

顾及模型误差的基坑位移监测数据处理方法

由于基坑地质及观测环境的多样性和复杂性,基坑位移监测数据处理的理论模型与实际模型之间存在着模型误差。若模型误差显著,则所得位移拟合模型的精度较差,将影响后继变形分析的准确性。针对这一问题进行了深入研究,提出了顾及模型误差的最小二乘配置法,并指出在考虑观测值中可能存在粗差的情况下应进一步采用稳健估计法改善基坑监测面的拟合精度。推导了顾及基坑位移模型误差的最小二乘配置法的计算公式,说明了计算步骤。通过对多个实例的计算分析可知,该方法对基坑监测面拟合模型的精度增益能达到35%~48%,是一种比较实用的基坑位移监测数据处理方法。     

强风环境非平稳风速模型及应用

提出了强风环境非平稳风速分析模型。该模型将风速记录分解为时变平均风和零均值平稳脉动风分量两部分,给出了经验模型法确定时变平均风的步骤并重新定义了风特性参数的计算公式。分别采用非平稳和平稳风速模型进行了1 851小时实测强风资料的风特性参数计算并做了对比分析。结果显示非平稳模型计算得到的紊流强度和积分尺度较平稳模型小,而平均风速及相干函数的衰减系数则相当接近,非平稳模型较平稳模型更适合描述强风特性。