基于因子分析法优选河流水体中氮浓度预测方法的研究

定量的河流水体中氮浓度预测方法有很多种,如何优选出预测精度较高的方法一直是学术界多年来致力于研究的重点。本研究采用因子分析法对预测方法的精度评价指标进行分析,并建立了预测方法精度的评价模型,对回归分析法、神经网络法、灰色系统法和增长率统计法4种水体氮浓度预测方法进行综合评估,优选出精度较高的河流水体氮浓度预测模型——BP神经网络预测模型。结果表明,此评估模型对类似研究具有一定的参考价值,能为选择出合适的河流水体氮浓度预测方法提供依据。     

四川酸性物湿沉降模式及预测

酸沉降是一复杂的大气物理和化学过程，涉及诸多复杂影响因素。目前，我国酸雨湿沉降模式还仅限于模拟云下洗脱成酸过程，而对云中的成酸过程还未进行深入研究，这不仅在理论上不完善，而且更重要是在许多情况下与我省实际情况不符。本课题针对四川省特定的地理，气象特点和严重的大气污染情况，并借鉴国外研究成果，提出了考虑酸性沉降的云中和云下成酸过程和各种影响因素的综合酸雨湿沉降模式，并根据此模式来估算和预测四川省酸雨     

两种定性天气预报模型的对比分析

以南京１９６５～１９９４ 年４ 月平均气温作为预报量, 选取前期５００ ｈ Ｐａ 月平均高度场相关因子, 分别建立了事件概率回归预报模型和神经网络预报模型。通过对比分析发现, 在同等条件下,由于神经网络方法能更好地反映预报量与预报因子间的非线性关系, 并能有效避免采用事件概率回归方法预报建模时, 对预报因子分级造成信息损失的缺点。因此, 其拟合和预报效果明显优于传统的概率回归预报方法     

我国废钢铁资源的可持续利用政策

本文概述了我国废钢铁资源回收利用的现状以及钢铁工业对废钢铁资源的需求现状，用三种不同的模型预测了未来钢铁工业的发展对废钢铁资源的需求，提出了废钢铁资源可持续利用存在的问题和政策建议。     

区域洪涝灾害风险的模糊综合评价与预测

以广西1992~2006年洪涝灾情数据为基础,选取适当的评价指标,用基于遗传算法、特征值法和优化算法的投影寻踪法和层次分析法确定各评价指标的分类权重和排序权重,用优化算法进行综合得到组合权重,经过加权求和得出洪涝灾害的模糊综合评价,进而对15个评价对象进行了分类排序,其分类结果很好地反映了洪涝灾情的实际情况。在以上模糊综合评价结果的基础上,利用距离贴近度进一步计算和分析各个评价指标之间的贴近度,并由择近原则确定各个评价指标之间在洪涝灾害评价中的相关程度。同时,建立了基于改进的灰色GM(1,1)的时间响应式的灾变年份预测模型。     

基于优势隐含周期分析的气象灾害预报

建立了优势因子和优势隐含周期的概念,并提出了多因子逐步回归周期分析的新方法。该方法既能增长预报期,又能充分利用物理因子的重要信息,同时在计算过程中还能挑选出起显著作用的优势因子和优势隐含周期,对预报气象要素的变化趋势效果较好,有一定的实用价值,是气象灾害预报的一条比较有效的途径。     

时变参数模型用于滑坡位移量预测的研究

滑坡的位移量发展受地质条件、气候环境以及人类活动等多种因素的影响,变化复杂,通常难以用固定参数的数学模型准确表达。时变参数模型的模型参数随时间变化,能够描述更为复杂的函数关系。将时变参数模型应用于滑坡位移量预测,通过对比发现,时变参数模型有望提高滑坡位移量的预测精度。     

基于模糊聚类的马氏链模型在交通事故预测中的应用

运用模糊聚类分析方法,借助于MATLAB软件,对中国31个地区交通事故的危害程度进行动态分类和综合评价。根据中国1999—2005年31个地区的交通事故4个指标和5个社会经济因素数据,把31个地区分为3类,即轻灾区、较重灾区、重灾区;其中浙江、福建与宁夏的交通事故危害严重,上海、北京与天津的交通状况正在好转,这与客观实际符合。根据模糊聚类的结果,求得交通事故状态转移概率矩阵,利用马氏链模型可预测未来31个地区的交通事故发展趋势。     

灾变预测在企业安全事故预测中的应用

简述了灰色理论中灾变预测的特点及其建模过程,并将其应用于企业安全事故预测之中.经检验,模型的精度等级为好,模型的预测结果可靠,对于企业安全事故的预测有一定帮助.     

China's Present Situation of Coal Consumption and Future Coal Demand Forecast

This article analyzes China's coal consumption changes since 1991 and proportion change of coal consumption to total energy consumption. It is argued that power, iron and steel, construction material, and chemical industries are the four major coal consumption industries, which account for 85% of total coal consumption in 2005. Considering energy consumption composition characteristics of these four industries, major coal demand determinants, potentials of future energy efficiency improvement, and structural changes, etc., this article makes a forecast of 2010s and 2020s domestic coal demand in these four industries. In addition, considering such relevant factors as our country's future economic growth rate and energy saving target, it forecasts future energy demands, using per unit GDP energy consumption method and energy elasticity coefficient method as well. Then it uses other institution's results about future primary energy demand, excluding primary coal demand, for reference, and forecasts coal demands in 2010 and 2020 indirectly. After results comparison between these two methods, it is believed that coal demands in 2010 might be 2620-2850 million tons and in 2020 might be 3090-3490 million tons, in which, coal used in power generation is still the driven force of coal demand growth.