基于北斗导航卫星反射信号探测海浪的实现与分析

基于北斗卫星导航系统在亚太地区的良好覆盖能力,利用中国气象局、山东气象局及北京航空航天大学在威海联合开展的北斗反射信号海洋遥感试验所采集的海风海浪系统的探测数据与同址同期的浮标数据,着重对北斗GEO卫星反射信号(BDS-GEO-R)探测海面有效波高的可行性进行了分析和检定,并对比分析同期浮标数据。结果表明,北斗反射信号探测海浪结果与浮标数据具有良好的一致性,海面浪高的探测精度为10 cm。最终证明了利用北斗反射信号探测海洋浪高的可行性。     

时间序列组合预测模型研究:以农业机械总动力为例

[目的]本文旨在提出更有效的时间序列组合预测模型的构建方法,建立预测精度较高的时间序列组合预测模型。[方法]以1978—2013年新疆农业机械总动力为数据源,建立了源序列的曲线回归、自回归积分滑动平均、3次指数平滑和灰色模型,并构建了预测对象和预测模型的关系数据库。提出了基于百分误差的计算属性重要度方法,依据该方法计算单一模型在组合模型中的权重,构建了单一模型预测值及其权重为输入的组合预测模型,使输出结果中完整的涵盖了时间序列不同单一预测模型的输出值特征。以误差分布特征为指标,对组合预测模型和各单一模型的预测性能进行分析。以组合预测模型拟合优度和预测值平均绝对百分误差(MAPE)作为评价指标,对基于百分误差、粗糙集、Shapley和熵权法的组合预测模型构建方法进行定量分析。[结果]预测周期内提出的组合预测模型的最大及平均误差与各单一模型最优值相比,分别降低了27.35和6.43,误差平方和(SSE)减少了73%,平均绝对百分误差降低了1.56%。基于百分误差的组合预测模型的拟合优度与基于粗糙集、Shapley和熵权法的组合预测模型拟合优度相比,分别提高了2.40%、5.10%和2.27%,粗糙集、Shapley和熵权法的预测值的平均绝对百分误差分别为1.673 0、3.726 1和2.702 4,而本文提出的模型的平均绝对百分误差为1.298 4。[结论]基于百分误差的组合预测模型在农业机械总动力和类似时间序列预测分析中,降低预测误差波动幅度及提高预测精度方面与其他单一模型和组合模型相比具有显著优势。     

组合模型在我国农用化肥施用量预测中的应用

在布朗(Brown)单一参数线性指数平滑法、ARIMA和GM(1,1)模型的基础上,利用我国农用化肥施用量数据,以绝对预测误差和达到最小建立组合预测模型。所得到的预测结果误差优于各个单一模型的单行预测,说明组合预测模型在时间序列数据的预测中更有可信度的优势。     

多变量灰色预测模型在荔枝病虫害预测中的应用

荔枝病虫害易造成荔枝Litchi chinensis Sonn.产量少、品质劣、价格低，导致果农收益下跌，产业发展受制。因此，建立荔枝病虫害预测预报模型，开展病虫害发生程度预测，对荔枝产业高质量发展具有重要意义。基于2004—2020年广州市增城区第二代荔枝蒂蛀虫驻果率数据，以及前期气象要素数据，对影响蒂蛀虫驻果率的气象因子进行灰色关联分析，筛选出主要影响因子，采用多变量灰色预测模型GM(1,N)构建第二代蒂蛀虫驻果率预测模型。通过后验差以及小概率误差检验方法进行模型精度检验，并结合马尔科夫模型进行优化，以提高预测模型精度。研究结果表明，采用多变量灰色预测模型GM(1,N)进行荔枝蒂蛀虫驻果率预测，预测精度较高，可为荔枝病虫害预防提供决策参考。     

基于时间序列和多元模型的集约化猪舍温度预测

目的 从挖掘猪舍历史环境参数数据时序信息角度出发,提出基于时间序列模型和多元模型序列的猪舍温度预测模型。方法 采取缺失部分环境因子统计预测,评估猪舍环境中相对湿度、二氧化碳浓度、氧气浓度等环境因子对温度预测的影响程度。针对猪舍温度时间序列进行数据预处理,滤除错误值和缺失值,采用时间序列模型构建基于门控循环单元网络(Gated recurrent unit,GRU)的猪舍温度预测模型,采用多元模型建立基于梯度提升决策树(Extreme gradient boosting,XGBoost)缺失值重要程度的猪舍温度预测模型。将该预测模型用于预测广东省某集约化猪场母猪分娩舍温度,并与循环神经网络(Recurrent neural network, RNN)模型、反向神经网络(Back propagation neural network, BPNN)模型进行对比试验。结果 对比温度预测值与实测值发现,基于GRU模型对应的猪舍温度均方根误差和平均绝对误差分别为0.25和0.19 ℃,平均绝对百分比误差为0.65%;基于XGBoost多元模型的猪舍温度均方根误差和平均绝对误差分别为1.21和0.71 ℃,平均绝对百分比误差为2.50%。在时间序列的温度预测模型中,GRU模型表现出更优的预测效果;在多元模型的温度预测中,XGBoost模型的预测效果更优。结论 本研究使用的GRU模型在时间维度上对母猪分娩舍温度的变化起到了预警作用,确定了各种环境参数对温度的影响程度,为养殖环境的精细调控提供了参考。     

卷烟烟气焦油量的ARMA预测模型研究

[目的]为计算机辅助配方研究提供理论依据。[方法]以同一品牌不同批次卷烟的烟气焦油量为研究对象,采用时间序列分析法,建立了卷烟烟气焦油量的预测模型,并进行了模型预测验证。[结果]ARMA(22,)模型的AIC、LF和FPE值在各模型中均最小,所以选择ARMA(2,2)为卷烟烟气焦油量的预测模型,即:(1-1.622 q-1+0.844 q-2)y(t)=(1-1.836 q-1+1.02 q-2)e(t)。根据对模型残差序列进行的白噪声检验判定,建立的ARMA(2,2)模型是显著有效模型,模型预测验证表明模型预测精度达99.51%,平均相对误差为0.49%,属于一级(优等)模型。时间序列一般用于短期预测,不能用于长期预测。[结论]该研究建立的卷烟烟气焦油量的ARMA(2,2)预测模型的预测精度高、误差小,可以用于卷烟烟气焦油量的短期预测。     

基于小波变换灰度模型-人工神经网络(GM-ANN)组合的粮食产量预测模型

由于粮食生产受到社会、经济和气候等多方面因素的影响,造成粮食产量序列的复杂性、随机性和非平稳性。为了准确预测粮食产量,提出基于小波变换的灰度模型(GM)-反演(BP)神经网络[BP神经网络是人工神经网络(AMNN)的一种]相结合的预测方法,首先利用小波变换将非平稳序列转化为若干不同频率分量的平稳序列;然后针对各序列使用灰色GM(1,1)模型建立预测模型,为了进一步提高模型的预测精度,结合BP神经网络对预测残差进行修正;最后通过组合得到粮食产量的预测模型。通过对2011—2014年我国粮食产量数据的预测,表明所提方法的预测精度明显高于GM(1,1)和BP神经网络预测模型,4年的平均预测误差小于1%,能够较准确地预测我国粮食产量。     

基于优化神经网络的温室厚皮甜瓜病害预测

在温室环境中,厚皮甜瓜较易感染一些病害,而传统的病害预测模型收敛速度慢,易在局部局限在极小值,为准确预测温室厚皮甜瓜病害,在BP神经网络的基础上进行优化,引入了遗传算法,在全局最优解的附近进行局部搜索,以遗传算法的全局搜索能力克服了传统神经网络的局部极小值问题与收敛速度缺陷。经以Matlab对试验数据进行仿真分析,证实引入遗传优化算法进行温室厚皮甜瓜病害预测误差显著减小,取得了较理想的拟合结果。     

商空间理论框架下的SVM产量预测模型研究

针对目前预测农作物产量只利用年产量或其变形,而没有考虑气象因素对产量预测的影响导致误差偏大的问题,在基于商空间粒度理论框架下的农作物产量预测中,考虑气象因素如光照、平均气温、降水量对农作物产量的影响,提出利用支持向量机方法构造模型对气象时间序列进行数据挖掘(产量预测)。粒度分析和实验结果表明:混合粒度预测模型不仅降低了问题求解的复杂性,而且误差较低,其预测值平均绝对百分误差为0.884 9,均方根误差37.3,希尔不等系数为0.004 4,与其他预测模型相比误差最小。基于商空间理论的支持向量机产量预测模型可较好地应用于产量预测中。     

基于WA-SVM的水库溶解氧预测

【目的】提出一种基于小波分析-支持向量机(WA-SVM)的水库溶解氧预测模型,以期提高水库溶解氧的预测精度。【方法】通过小波分解,将原始复杂的溶解氧浓度序列分解到不同的高频和低频层次,对每层得到的分解重构序列分别采用支持向量机回归方法进行预测后,合成原始序列的预测值,将该模型应用到于桥水库溶解氧浓度序列的预测中,并与单独支持向量机(SVM)回归方法预测结果进行比较。【结果】WA-SVM方法预测精度较SVM方法有较大提高,其平均绝对百分比误差和均方根误差分别为0.04937和0.3453,而SVM方法的分别为0.08493和0.6319。【结论】WA-SVM方法综合运用了小波分析的多分辨特性和支持向量机的非线性回归功能,能够较准确地预测水库溶解氧浓度。     

基于流函数理论的近海风机非线性波浪荷载计算

《宋史·礼志》的史料价值主要体现在四个方面：一是记载较为系统与丰富,包括总体和局部两种情况;二是保存了部分珍贵史料,如诏令奏议、礼论等;三是订正他书讹误与不足,有时间误、人名误、职官误、地点误等;四是后世官私著述之史源。     

三维海洋数值模型在东中国海鲐鱼渔场预报中的应用

根据1998-2011年7-12月的东中国海鲐鱼渔业数据,应用数理统计方法对中心渔场作业位置与海区表温的关系进行了定量分析。以北纬32°为界,将东中国海鲐鱼渔场分为北部黄海渔场和南部东海渔场两部分,分别给出了各月份北部和南部渔场的最适表温范围。基于海洋模式ECOM-si建立了东中国海区的三维温盐流数值模型,结合各月份的最适表温数据,初步建立了鲐鱼渔场渔情预报模块。应用此预报模块,对鲐鱼主要作业期(7-12月)的中心渔场位置进行了回报,结果与历史捕捞作业数据符合良好。数值模型结果再现了北部渔场8月份起在黄海深水区周边发展,10月达到最盛,11月渔场位置南移,12月基本位于黄海海盆深水区的过程;以及南部渔场8月最盛,10月起大降,11月和12月远离黑潮主轴西侧海域,西撤至100 m等深线附近的发展过程。结果表明所建立的三维温盐流海洋数值模型和初步建立的渔场、渔情预报模块适用于东中国海重要渔业渔场和渔情的预测、预报应用。     

Giant larvacean houses: rapid carbon transport to the deep sea floor

An unresolved issue in ocean science is the discrepancy between the food requirements of the animals living on the deep sea floor and their food supply, as measured by sediment traps. A 10-year time-series study of the water column off Monterey Bay, California, revealed that the discarded mucus feeding structures of giant larvaceans carry a substantial portion of the upper ocean's productivity to the deep seabed. These abundant, rapidly sinking, carbon-rich vectors are not detected by conventional sampling methods and thus have not been included in calculations of vertical nutrient flux or in oceanic carbon budgets.     

Seasonality in ocean microbial communities

Ocean warming occurs every year in seasonal cycles that can help us to understand long-term responses of plankton to climate change. Rhythmic seasonal patterns of microbial community turnover are revealed when high-resolution measurements of microbial plankton diversity are applied to samples collected in lengthy time series. Seasonal cycles in microbial plankton are complex, but the expansion of fixed ocean stations monitoring long-term change and the development of automated instrumentation are providing the time-series data needed to understand how these cycles vary across broad geographical scales. By accumulating data and using predictive modeling, we gain insights into changes that will occur as the ocean surface continues to warm and as the extent and duration of ocean stratification increase. These developments will enable marine scientists to predict changes in geochemical cycles mediated by microbial communities and to gauge their broader impacts.     

基于人工神经网络的土壤含水量预报模型

土壤水分含量是影响作物生长的重要因素,精确预测技术对水资源的合理利用与管理具有重要的指导意义。土壤水分运动是一个复杂的时间序列系统,其变化与区域气候条件和生态环境密切相关,具有明显的随机性波动。利用人工神经网络的方法对河南驻马店地区的土壤含水量进行预报,利用表层土壤含水量资料计算了一些与深层土壤含水量相关的预报因子,用以建立驻马店地区深层土壤含水量的神经网络预报模型,并应用独立样本进行了初步的模拟预报检验。结果表明,预报模型取得了令人满意的效果,应用神经网络的方法预报深层土壤含水量是可行的。     

长江口悬浮泥沙的MODIS影像遥感监测研究

通过对遥感监测泥沙原理和MODIS传感器特征的分析,应用不同时间的MODIS影像进行长江口及其附近海域的悬浮泥沙监测。结果表明:(1)长江口及其附近海域悬浮泥沙含量较高,其中杭州湾悬浮泥沙浓度高于长江口;(2)长江口及其附近海域水体中的泥沙由再悬浮形成,且冬季泥沙浓度和范围均大于春季;(3)入海径流与海洋动力是影响河口沿岸及近海水域水体悬浮泥沙含量的主要因素,其中海洋动力的潮流和波浪是主导控制因素。     

海南省清澜渔港近岸台风浪数值模拟及波高重现值的推算

选取1980—2010年在海南省东海岸登陆的、每年强度等级最高的31个台风数据,应用MIKE21Spectral Wave计算模型,模拟清澜渔港台风浪的全过程,并对其中3个台风浪进行模型率定,计算结果与海南省清澜渔港近岸30 m水深处波浪实测数据相吻合。应用皮尔逊Ⅲ型频率曲线软件进行分析,清澜渔港近岸30 m水深处最大有效波高出现在N至NE方向,百年一遇的有效波高为5.78 m,50年一遇的有效波高为5.3 m,20年一遇的有效波高为4.6 m。本研究结果可对渔港的规划设计、防灾减灾提供有效参考,特别对缺少波浪实测资料的近岸工程具有实际应用价值。     

基坑变形曲线拟合与时序动态分析

深基坑变形是一个动态的相互依存的过程.在基坑开挖与施工过程中,根据变形观测数据用曲线拟合理论与时序分析方法建立动态预测预报模型,并随着新数据的加入适时修改模型参数.该模型不要求考虑复杂的变形影响因素.工程实例研究表明:该模型预测变形值,其短期误差一般情况下小于5%,较适合于基坑的变形测量与预报.     

用ENSO事件的特征进行褐飞虱发生程度长期预测的研究

根据江西省泰和县1991～2007年褐飞虱发生程度的资料及1990～2007年ENSO事件的特征值资料,采用相关分析和逐步回归分析方法,建立了泰和县褐飞虱发生程度(Y)的长期预测模型:Y′=-0.20790X1+0.22877X2+4.05618,其中X1为上一年厄尔尼诺的强度,X2为当年3月南方涛动指数(Southern Oscillation Index,SOI)。该模型1991～2007年的历史拟合符合率为82.35%,2008～2009年的预报准确率为100%,并预测2010年泰和县褐飞虱发生程度为中等(3.11级)。     

试论偶然性在筛选植物病害长期预测因子中的作用

分析了偶然性在筛选植物病害（及其他灾害）长期预测因子中的作用。得出结论：只要被筛选的预测因子数量足够大，就可单纯凭借偶然性找出相关系数很高的因子，而此因子与预测对象之间没有本质上的联系。