Improving cereal yield forecasts in Europe – The impact of weather extremes

The impact of extreme events (such as prolonged droughts, heat waves, cold shocks and frost) is poorly represented by most of the existing yield forecasting systems. Two new model-based approaches that account for the impact of extreme weather events on crop production are presented as a way to improve yield forecasts, both based on the Crop Growth Monitoring System (CGMS) of the European Commission. A first approach includes simple relations – consistent with the degree of complexity of the most generic crop simulators – to explicitly model the impact of these events on leaf development and yield formation. A second approach is a hybrid system which adds selected agro-climatic indicators (accounting for drought and cold/heat stress) to the previous one. The new proposed methods, together with the CGMS-standard approach and a system exclusively based on selected agro-climatic indicators, were evaluated in a comparative fashion for their forecasting reliability. The four systems were assessed for the main micro- and macro-thermal cereal crops grown in highly productive European countries. The workflow included the statistical post-processing of model outputs aggregated at national level with historical series (1995–2013) of official yields, followed by a cross-validation for forecasting events triggered at flowering, maturity and at an intermediate stage. With the system based on agro-climatic indicators, satisfactory performances were limited to microthermal crops grown in Mediterranean environments (i.e. crop production systems mainly driven by rainfall distribution). Compared to CGMS-standard system, the newly proposed approaches increased the forecasting reliability in 94% of the combinations crop × country × forecasting moment. In particular, the explicit simulation of the impact of extreme events explained a large part of the inter-annual variability (up to +44% for spring barley in Poland), while the addition of agro-climatic indicators to the workflow mostly added accuracy to an already satisfactory forecasting system.     

金融时间序列指标判别框架：以特质波动率为例

基于拐点集合判别的TBUD方法主要思路是分析拐点集合间的关系，并在高维空间进行划分，从而搭建判别模型，并将分析框架应用在特质波动率等若干指标上，利用实证数据得到结论。应用TBUD判别框架可以发现，特质波动率等指标无法对拐点集合进行清晰划分，因而并不具有预测能力。     

小样本情况下需水量预测模型研究

针对传统的GM（1,1）模型,分析了其预测结果与实际过程存在的偏差,通过GM（1,1）模型与自回归滑动平均模型相结合的方法以弥补偏差。以钦州市1999-2009年及2005-2009年城市供水总量这两组基础数据对本文所建模型进行验证,并利用此模型预测了钦州市2010-2018年需水量。通过与其他预测模型的对比,进一步证...     

农网电力负荷中期预测方法探讨

电力负荷中期预测是指未来3～5年的负荷预测,是制定电力系统发展规划的基础,也是规划工作的重要组成部分,其目的是为合理地安排电源和电网建设进度提供宏观决策的依据,使电力建设满足国民经济增长和人民生活水平提高的需要。为此,通过对各种预测方法及特点的分析比较,得出用灰色模型预测方法作为农网电力负荷中期预测的方法,且该方法所需原始数据少、误差小、精度高。     

基于径流分类的日径流量预测神经网络模型

利用聚类分析法将径流序列分解为若干个子径流序列 ,对这些子径流序列分别建立局部神经网络模型 ,而后把这些局部模型合并成一个混合模型。当新的信息进入该模型时 ,首先用分类器判别其类别 ,以确定用混合模型中的何种局部模型加以模拟。通过与不加分类的总体神经网络模型的模拟结果加以对比 ,结果表明这种基于径流分类的降雨 -径流模型表现出了更优良的性能 ,可以较大地提高径流模拟精度。     

组合预测方法及其在粮食产量预测中的应用

提出了一种组合预测方法，以“预测偏差绝对值的和最小”为标准，用线性规划确定组合权系数的最优加权算法，对青海省的粮食总产量进行了预测分析。结果表明，此模型具有较高的精度。     

区域物流规模发展预测方法研究

区域物流是全国乃至国际物流系统的重要组成部分,对区域经济的发展具有服务引导作用。本文对我国物流发展进行了分析,对灰色预测模型GM(1,1)的建模过程进行了研究,用已预测值和GM(1,1)原始序列一起做精度检验,根据未来数据的变化,设计了改进型的灰色预测模型,并结合实例进行了应用研究,得出了更接近实际的预测结果。通过误差检验,改进模型具有较高的预测精度,是一种非常实用的预测方法。     

漳河水库入库洪水抗误差预报方案

漳河水库由观音寺水库和鸡公尖水库通过半天然明槽相互连通组成，因受库水位观测、明槽输水计算、动库容计算误差等的复杂影响，以往多次建立的洪水预报方案均未达到可供应用的水平。在分析漳河水库入库洪水误差产生特点的基础上，通过建立抗误差产汇流预报模型和自适应实时校正技术，使漳河水库洪水预报方案平均确定性系数达91.09%，洪峰合格率达100%，峰现时间合格率达90.91%；观音寺水库洪水预报方案的平均确定性系数达90.63%，洪峰合格率达100%，峰现时间合格率达100%，终于建立了达到甲等水平的漳河水库洪水预报应用方案。     

基于LS-SVM的小水电站年发电量智能预测模型

针对小水电站年发电量序列的特点,将最小二乘支持向量机(least squares support vector machine,LS-SVM)回归模型引入年发电量预测领域,并给出了相应的过程和算法。与常规基于人工神经网络(artificial neural net-works,ANN)的智能预测方法比较,该模型优点是明显的:①将神经网络迭代学习问题转化为直接求解多元线性方程;②整个训练过程中有且仅有一个全局极值点,确定了预测的稳定性。最后,一个实际的预测例子表明:该模型实现容易、预测准确,适用于小水电站预测。     

无过载双流道排污泵性能预测研究

在进行无过载双流道排污泵设计时,利用公式预测的性能和试验结果有较大误差。对此,通过流动分析指出,普通离心泵相对液流角与叶片出口安放角相差不大,而在双流道叶轮出口速度三角形中,相对液流角与叶片出口安放角相差较大,因此,用叶片出口安放角进行性能预测是造成误差的主要原因。提出了双流道泵无过载性能预测的计算方法:!2应取叶片背面出口安放角;计算叶片排挤系数时,叶片厚度应取内流道出口处叶片厚度。试验表明,该计算方法能大大提高性能预测的准确性,预估最大轴功率值及其位置较普通计算方法误差大幅度减小。