滇池水质时间序列变化趋势识别及特征分析

应用STL(Seasonal-Trend Decomposition using LOESS)方法对1998—2010年滇池外海8个监测站点、10个水质指标的时间序列数据进行递归迭代,分解出低频率的趋势项、高频率的周期项及随机残差项.在此基础上计算稳态变化指数(RSI),对水质趋势的时、空变化特征进行识别和判定.结果表明,在分析的13年间,滇池外海8个监测站点各指标变化趋势总体一致;BOD5总体呈下降趋势,高锰酸盐指数(COD Mn)总体趋势显著上升,说明有机物可生化性下降;富营养化状态加剧,总氮(TN)总体趋势上升,并逐渐成为藻类的限制性营养盐,总磷(TP)浓度为劣V类,氨氮在氮元素形态中的主导地位正逐渐降低.研究结果表明,"十二五"期间滇池应重点控制氮磷、兼顾有机物污染.     

确定大气扩散稳定度等级的时间序列问题

一、引言 目前大气扩散稳定度等级一般利用常规气象资料来确定,但是对所用的气象资料的时间序列却无统一的规定。在我们已进行过的工作中,有的根据十年的气象资料来确定,有的则用五年的,还有用三年的,甚至还碰到用一年的。目前对气象资料使用的时间序列并无一致的要求,往往是根据各自的意愿而提出使用气象资料的年限。利用气象资料确定大     

基于时间序列分析的渐变性水源水质预测研究

针对引黄水库水质渐变性特点,运用时间序列分析理论建立了水质分析模型并对山东省某市某水库的水质变化趋势进行模拟和预测。选取温度、pH、氨氮、浊度、化学耗氧量、亚硝酸盐作为预测变量。水库水质的模拟结果表明除浊度外其余项准确率均达到了80%以上,所建立的水质模型能够合理地反映渐变性水库中水质的动态变化趋势,预测结果较好。     

多元时间序列PCA分割及在天然气脱水装置工况识别中的应用

目的建立不同的工作状态下的设备状态预测评估模型。方法利用主成分分析法将多元时间序列数据进行切割,将分割后的数据段按照基于密度的方法,依照定义的距离,对多元时间序列进行聚类合并,从而得到不同工况下的时间序列。结果按照脱水装置工况状态,将重沸器特征对应的多元时间序列划分为不同的数据段。结论有效实现了脱水装置重沸器的参数数据分割,并识别出不同工况。     

河流水质时间序列分析的自组织预测方法及应用

应用前苏联学者伊万年科基于生物控制论中的自组织原理提出的一种数据组合处理方法，有效地解决复杂非线性系统预测。以汾河某段的水污染时间序列监测数据为基础，建立了一个河流水质污染预测的自组织模型，其建模样本的拟合值和检验样本的预测值相对误差分别在３．１％和５．３％以内。结果表明，自组织模型能较好地描述水污染时间序列数据之间的非线性关系，适合复杂水环境污染系统的预测工作。     

时间序列在秦皇岛港煤尘污染分析中的应用

应用时间序列对秦皇岛港降尘资料进行分析可以对煤尘污染的长期趋势及季节变动情况有一定的了解，这对于今后有效地开展煤尘治理工作有重要的指导意义。     

南京颗粒物时间序列相关性及其成因分析研究

以南京2014年2月到5月的PM2．5、PM10日平均值和气象要素观测资料为例,根据Pearson相关系数和双尾检验显著性水平对其逐日时间序列进行相关性分析。结果表明：南京2014年2月到5月PM2．5、PM10与前2日质量浓度值呈正相关性,但两者与前3日、前4日质量浓度值都没有明显线性相关性;PM10较PM2．5相关性更强。在此基础上,从PM2．5、PM10成分来源等方面,阐述了该结论产生的原因。     

安徽及邻区震源深度分布特征研究

本文利用安徽及邻区（29°～35°N,114°～120°E）1976年1月—2009年7月重新定位后的地震目录,统计分析了不同空间范围内的震源深度分布特征,结果表明：安徽及邻区平均震源深度8 km,优势深度分布为5～15 km,其中霍山地区震源深度优势分布为3～8 km。中小地震震源深度在空间分布是不均匀的,安徽中西部...     

双壳类壳体时间序列的建立方法及存在的问题

利用双壳类壳体提取古气候古环境信息是生物碳酸盐研究的热点,而壳体定年一直是研究中的难点。相关研究主要观点是先找到一些时间控制点,再按照线性内插法来确定壳体的时间序列。本文综述了国内外目前双壳类壳体定年的常用方法,根据时间控制点的获得将这些方法归为以下几类:壳体日生长层法、壳体氧同位素法、数字图像技术法和微量元素法,介绍并讨论了每种方法的应用和存在的不足。研究者应该根据具体研究的生物和环境选择适合的方法。     

2002年北京PM10时间序列及其成因分析

以北京2002年的ρ(PM₁₀₎日平均值和气象要素观测资料为例,根据小波分析的原理,利用Matlab小波分析工具,对逐日ρ(PM₁₀₎时间序列进行分解和重构,分析了该地区ρ(PM₁₀₎的年变化规律和突变特征.结果表明:2002年北京PM₁₀污染季节性变化强,春季最严重,冬季次之,夏、秋季节较好;全年共有4个突变点,均出现在沙尘暴或强沙尘暴期间,并指出沙尘天气是北京ρ(PM₁₀₎发生突变的主要影响因素.在此基础上,根据形成原因及气象资料分析,将2002年PM₁₀重污染天气过程分为沙尘型和排放累积型2类,并阐述了形成各类PM₁₀重污染天气的气象原因.      

时间序列分析及Monte Carlo方法在降水预报中的应用

文章分别阐述了时间序列分析方法及Monte Carlo(蒙特卡洛)方法的基本原理和计算方法,并将其应用于降水预报的实例之中。时间序列分析是对降水资料进行观察、研究,用一定的数学方法建立预测模型,使时间序列向外延伸,从而获得序列的发展变化趋势,确定变量的预测值,精确的预报每一时段的降水量。蒙特卡洛方法是根据降水资料,提取研究区年降水量变化所蕴含的随机性和统计规律性,建立伪随机数与样品值的对应关系,从而对未来降水量进行预报,结果反映了预报时间内降水的总体特征,而不能精确到具体时间段。将这两种不同的方法用于同一地区年降水量的预报,对比结果,探其原因,分析其各自特点,进而得到更精确的预报值,对该地区水资源的研究有着重要的现实意义。     

基于时间序列的深基坑支护结构变形预测

基坑工程由于受多种因素的影响．目前已成为岩土工程中的重点和难点。在基坑施工过程中,需要根据现场的实际工程地质条件及选择的支护型式、建筑物的安全等级．对支护结构的变形进行严格控制。时间序列分析主要是指采用参数模型对所观测到的有序的随机数据进行分析与处理的一种数据处理方法。通过现场量测的深基坑围护结构变形信息资料,对数据进行整理和分析．利用时间序列分析法对支护结构的变形作出预测,以保证基坑安全施工。     

面向密闭空间内外温度的时序预测模型

目的 研究密闭空间条件下已知外部温度时间序列对内部实时温度的预测推理问题。方法 选取密闭空间内外温度时序预测典型场景,抽象为多变量时间序列预测问题,分析变量间的关联性和依赖性。借鉴特征融合、注意力机制、多任务模型等思路,结合物理机制与数据特征,基于长短期记忆网络基本网络单元,构建密闭空间内外温度时序预测模型,并在万宁、敦煌、漠河对某型密闭空间进行数据采样,基于三地数据集进行不同模型试验。结果 多变量模型比单变量模型具有更好性能,注意力机制对该场景没有显著性能提升,结合物理机制的模型结构设计充分考虑了变量之间的关联性和依赖性,能显著提升预测精度,双输入双输出的多变量时序预测模型具有相对最高的精度和最稳定的鲁棒性,是面向密闭空间内外温度时序预测的相对最优模型。结论 研究结论可指导密闭空间其他环境特征建模,研究思路可为其他多变量时序建模问题中变量之间的关联性、依赖性分析提供参考。     

渔业资源动态的综合时序模型

渔业资源的变动是一个随机过程,它既有确定性趋势,又有随机波动的特性。论文把灰色系统方法和时序分析相结合,用灰色GM(1,1)模型提取渔业资源变动中的确定性趋势,用时序模型描写它的随机波动,从而建立渔业资源动态的灰色时序模型。考虑到渔业资源的变化受到捕捞强度的影响,同时建立渔获量和单位捕捞努力量的渔获量(CPUE)关于捕捞努力量的二元时序模型。利用灰色时序模型和多元时序模型,对舟山渔场渔业资源的动态变化进行分析和预测,结果表明灰色时序模型和多元时序模型能很好地拟合渔业资源的变动过程,精确地预测渔业资源未来的状况。     

安徽及周边地区断层水准变化特征研究

对安徽及周边地区断层水准观测资料分析认为,郯庐断裂带南段安徽和江苏境内的断层以继承性构造运动为主,伴有幅度较大的波动变化;中段山东境内的断层活动主要反映了季节性变化和构造活动。整体上看,研究区内断层活动速率不高,断层均处于正常活动状态。个别断层垂直形变变化趋势与地球自转有一定的相关性,与区域主压应力轴方位角变化比较一致,这种相关表明其垂直形变变化与区域应力变化有关。     

基于Mann-Kendall法的水文序列趋势成分比重研究

目前水文序列趋势研究主要集中于判断一个水文序列是否存在着显著趋势特征和该序列趋势是上升还是下降,但由于水文序列可分解为趋势、周期、随机等成分,论文提出了趋势成分在水文时间序列中的比重问题,并基于Mann-Kendall法,得到了趋势成分比重的计算公式。结果表明,趋势的显著程度与对偶数p和p₀的差值有直接关系,差值越大,显著程度越明显;趋势成分比重取决于该差值及序列长度;显著趋势条件下趋势成分比重分析的结果,初步揭示了序列长度对趋势成分比重的影响,证明了用Mann-Kendall方法分析时间序列趋势特征时至少需要10个及以上的样本,且随着序列长度的增加,比重相应减小,因此当序列长度超过一定的范围时,Mann-Kendall方法是否适用于分析水文时间序列的显著趋势特征有待进一步探讨。应用于闽江流域竹岐站近72 a来径流系列的分析表明,序列呈下降趋势,但趋势不显著;趋势成分占整个时间序列近1/4。