基于灰色Markov-GMP-Verhulst模型的黄河宁蒙段冰凌灾害风险预测

为了提高冰凌灾害的风险预测的可靠性,针对冰凌灾害风险的动态非线性特征,构建能够识别风险波动变化规律的灰色GMP(1,1,N)-Verhulst组合预测模型,同时引入信息熵理论的知识,提出基于Markov链修正的熵权法灰色组合预测方法。以黄河宁蒙段2005～2014年冰凌灾害风险值作为原始数据序列进行模型拟合,并对2015～2017年的冰凌灾害风险进行预测。计算得出在已知实际冰凌风险值的年份内,灰色Markov-GMP-Verhulst模型的预测精度比单一灰色预测模型更加精确,结合实际情况评估2015～2016、2016～2017年的冰凌灾害风险值,并与Markov链修正的组合模型的预测值进行对比分析,预测结果与实际值的吻合性良好,进一步验证了模型的合理可操作性,以期为黄河宁蒙河段的凌汛灾害防治提供借鉴。     

灰色马尔可夫预测模型及在地震预报中的应用

本文在灰色预测基础上,引入马尔可夫链预测,建立起灰色马尔可夫预测模型,并以云南地震为例,进行了实际应用,结果表明该模型预测精度比单独使用灰色预测的精度有了较大提高。     

BP网络马尔可夫模型的水质预测研究——基于灰色关联分析

根据汾河水质的实际情况,应用BP网络马尔可夫模型对水质进行预测。采用拉依达准则剔除样本集异常数据,结合水质污染的实际情况,以COD为参考序列,应用灰色关联度对常规指标进行分析,确定BP网络的输入节点。在BP网络预测结果的基础上采用马尔可夫链对残差序列进行修正。经过关联度分析,确定氨氮、挥发酚、水温、BOD5及COD自身作为BP网络的输入节点,解决了多变量复杂系统建模过程中BP网络输入节点无法自动寻优的问题,使得BP网络的预测结果更加符合实际。对预测误差较大的样本采用马尔可夫修正误差残值,使得相对误差从-15.43%改善到了-15%,修正值更接近于实测值。BP网络马尔可夫模型,结合了BP网络和马尔可夫的优点,提高了预测的精度。     

基于PM10与气态污染物的北京市PM2.5浓度模型研究

针对2013年北京市10个空气质量观测站点资料,对影响PM2.5浓度的因素进行相关性分析,发现PM2.5浓度与PM10、SO2、NO2和CO存在显著正相关特性。通过PM10与气态污染物构建单站点PM2.5浓度模型和北京市统一化PM2.5浓度模型。通过PM2.5浓度观测值与模型估算结果比较,单站点PM2.5浓度模型与北京市统一化PM2.5浓度模型估算结果一致,且两者均与PM2.5浓度观测值吻合。     

滑坡灰色系统预测模型及其应用

本文在分析目前国内外滑坡灰色预测预报模型基础上，提出了一种新的滑坡灰色系统预测预报模型。该模型相对於过去常用的灰色模型考虑了更多的影响因素，有更高的可信度。它不仅可用作滑波的临滑预报，还可用于般监测信息的预测。     

上海城市人为灾害的灰色预测

应用灰色预测ＧＭ（１，１）模型，导出其响应函数，对上海市的火灾发灾频次作了实例预测。然后对预测模型作了检验，预测精度是２级，检验结论符合要求。对城市人为灾害的灰色预测，为防灾减灾的决策部署提供了依据。     

城市雾霾灾害风险模糊评价指标体系研究——以湘南城市为例

随着城镇化进程的加快,城市雾霾风险愈演愈烈,研究城市雾霾风险评估对治理雾霾灾害具有重要意义。运用模糊数学理论,选取16个指标对湘南城市雾霾灾害风险进行量化评价。结果表明:①衡阳、永州、郴州三个城市雾霾灾害风险等级分别为Ⅰ级、Ⅲ级、Ⅳ级。②衡阳雾霾灾害风险等级高于其他两个城市,主要原因是工业污染严重,城市建设项目众多,机动车辆数量较多,致使SO_2,PM2.5平均浓度较高。③衡阳、永州雾霾风险主要贡献者分别是污染物排放、能源消费与粉尘。最后提出了雾霾风险防控对策建议,期望为湘南城市防治雾霾提供参考。     

拱桥震害预测的灰色聚类方法

利用灰色聚类方法对拱桥在常见地震烈度下的震害进行了预测。文中考虑了地震烈度、拱桥孔数、跨径及地基条件四个主要震害因子,给出了唐山地震中２９座拱桥的预测结果,并与实际震害进行了对比。从而说明利用灰色聚类方法对拱桥进行震害预测是可行的,值得进一步研究和推广。     

华南台风灾害的风险熵-极限学习机预测模型研究

结合广义模糊熵原理和模糊c均值聚类方法构建华南台风灾害风险熵模型,对华南台风灾害进行风险分析,讨论其分布情况;利用灰色关联分析法,探讨华南台风灾害的灾情因子、致灾源因子分别和灾害风险熵之间的关系以及二者对风险熵的影响程度;建立基于极限学习机的非线性回归模型,以多元线性回归和BP神经网络两种方法作为对照组,进一步探讨风险熵与灾情因子和致灾源因子关系。结果表明,华南台风灾害风险熵值呈正态分布,与灾情因子和致灾源因子的灰色关联度分别为0.716 2和0.794 9,受灾情因子和致灾源因子的影响较大;利用构建的极限学习机模型预测的华南台风灾害风险熵值平均绝对误差为0.059,拟合优度为92.82%,将预测结果与常规的多元线性回归和BP神经网络方法的预测结果进行对比分析,结果表明,用构建的极限学习机模型预测华南台风灾害风险熵值,其性能比常规多元线性回归和BP神经网络方法有明显的改进。     

对抗雾霾 你我同行

正雾霾,是雾和霾的组合词,常见于城市。中国不少地区将雾并入霾一起作为灾害性天气现象进行预警预报,统称为"雾霾天气"。雾霾是特定气候条件与人类活动相互作用的结果。高密度人口的经济及社会活动必然会排放大量细颗粒物(PM 2.5),一旦排放超过大气循环能力和承载度,细颗粒物浓度将持续积聚,此时如果受静稳天气等影响,极易出现大范围的雾霾。2013年,"雾霾"成为年度关键词。这一年的1月,4次雾霾过程笼罩30个省(区、市),在北京,仅有5天不是雾霾天。有报告显示,中国最大的500个城市中,只有不     

雾霾天气,如何选择防护口罩

正近几年,全国时常都笼罩在一片白茫茫的空气中,远看恍如仙境。然而这看似温柔的气体,实际上暗藏杀机。这个杀手就是我们已经耳熟能详的PM2.5,即大气中直径小于或等于2.5微米的颗粒物。因为尺寸小,它们可以到达人体的肺泡中,所以也被称为可入肺颗粒物。根据有关数据,去年的雾霾天气使呼吸道疾病的发病率比平时正常天气时增长15%。时至今日,面对PM2.5,人们仍然束手无策,只能被动地防护,比如佩戴呼吸防护用品等。人们日常使用的通常是自吸过滤式呼吸防护     

我国六大中心城市PM_(2.5)污染特征及诱因对比分析

对2013年11月至2014年2月中旬时段内,处于不同发展程度的上海、济南、福州、西安、武汉和长沙等六大中心城市PM2.5指标值进行统计;分析了各个城市PM2.5污染特征,并对比研究了导致该类污染的内外原因。结果表明:内在因素方面,城市PM2.5污染程度与其发展速度呈倒U型关系;特别是产业结构对城市PM2.5污染的影响尤为显著;外在因素方面,充沛的降水量对区域该类污染的改善作用明显,地形因素是导致地区PM2.5严重超标的重要原因,来自区域污染源的影响解释了相邻城市该指标变化规律相似的现象。     

基于灰色理论和神经网络的边坡位移预测

边坡位移的发展受地质条件、天气环境和人类活动等众多因素的影响，变化趋势复杂，很难建立一个准确的经典数学模型对其进行全面的描述。为了得到边坡位移较准确的估计，采用多模型信息融合技术对边坡位移进行了预测。首先，将边坡这类影响因素复杂的系统看成是一个灰色系统，分别采用GM（1，1）模型、Verhulst模型和DGM（2，1）模型对位移值进行预测。其次，考虑到神经网络的高速并行计算能力和类似人类思维活动的处理机制，利用神经网络的办法对不同的灰色预测模型进行组合，生成灰色神经网络模型，该模型有效地将灰色理论弱化数据序列波动性的优点和神经网络特有的非线性适用性信息处理能力相融合，通过反复训练、学习，自动调节，可以得出各模型在组合模型中的合理权重，从而输出满意的结果。通过对比发现，利用组合灰色神经网络模型预测的位移值，比单独的灰色模型预测的位移值具有更高的精度。     

江苏及其近海中强地震预测研究

本文应用灰色预测和可公度性理论的组合模型,在给出三个预测实例的基础上,对江苏及其近海的中强震进行预测研究,提出了初步的预报意见。     

美国治理空气污染的经验

近几年,初起京、津、冀地区、不断扩展的雾霾天气让PM2.5这个专业术语成为国内公众热词,人们对空气污染的重视程度前所未有。其实,美国一些城市也曾经历过严重的空气污染,但如今却空气质量良好,其治理经验值得借鉴。     

北京APEC会议期间GPS水汽与PM2.5/PM10的相关性比较

北京APEC期间的空气质量优良,GPS水汽变化与PM2.5/PM10变化是否存在正相关特性?针对此问题,通过2014年11月4-16日北京GPS水汽数据与PM2.5/PM10观测资料的对比分析研究发现,PM2.5/PM10与GPS可降水量呈明显的正相关性,相关系数大于0.5,个别时段的相关系数达到了0.91。研究结果表明,在空气质量优良状况下,水汽变化与PM2.5/PM10变化存在明显的正相关性。     

水汽和风速对雾霾中PM2.5/PM10变化的影响

依据北京2013年PM2.5/PM10、GPS水汽和无线电探空风速资料,发现水汽变化与PM2.5/PM10变化呈正相关,风速变化与PM2.5/PM10变化呈负相关。在风速较小情况下,水汽变化与PM2.5/PM10变化呈显著正相关,水汽上升对应了GPS水汽变化与PM2.5/PM10质量浓度的上升,水汽下降则对应了PM2.5/PM10质量浓度的下降。分析了水汽与PM2.5/PM10变化显著正相关的原因。     

治理雾霾任重道远

正又到秋冬季,当很多人还在为去年和今年初的几次严重污染天气心有余悸时,雾霾又一次袭城而来,再度给人们的生活环境拉响了警报。今年10月19日北京马拉松开跑当天,PM2.5指数高达331,空气已达到严重污染程度。实际上,这几年来,我国政府高度重视以大气为重点的污染治理,在削减机动车污染、扬尘污染、燃煤污染等各方面连出重拳,采取了综合措施,做了大量工作。比如,关停搬迁重污染企业,大规模实施造林绿化工程,不断进行清洁能源改造,加紧淘汰老旧机动车,全面展开PM2.5监测,实时发布空气质量数据,等等。     

河北小麦白粉病流行的气象指标研究

以河北省中南部小麦白粉病发生较重的麦区为例，利用白粉病观测资料与区域病情调查资料和气象资料，采用合成分析法、秩和检验法进行了小麦白粉病关键气象影响因子的筛选和预测因子临界值的确定；建立了预测因子指标。基于灾变规律关键时方法，建立了白粉病发生程度的预测指标模型，并对区域小麦白粉病年度发生程度进行了拟合、外延预报。结果表明，10年拟合预报中仅有1年偏差1个等级；2年外延预报结果与实际发生情况完全一致。对1995—2007年，白粉病轻度发生年份的预测准确率为100％，流行年份的预测准确率为83％，模型的总预测准确率达90％以上。     

基于BP神经网络和VSM的台风灾害经济损失评估

统计了对广东省造成直接经济损失的台风数据,包括致灾因子、孕灾环境和承灾体等评估因子,对数据进行无量纲化、归一化处理,作为验证模型的数据集。建立BP神经网络和空间向量模型(VSM)相结合的综合评估模型,利用BP神经网络进行初步预测,基于VSM对预测结果进行修正,从而构建台风灾害经济损失评估模型。将收集的历史台风经济损失数据分为训练和测试集,对模型进行训练和检验。经验证,采用BP神经网络和VSM相结合的台风灾害经济损失评估模型能够有效降低训练数据不足对评估结果的影响,平均误差率由30%降低到14%。