枯水径流预报的最优模糊划分自激励门限自回归模型

介绍了建立最优模糊划分自激励门限自回归模型的观点、理论和方法。该建模方法克服了传统方法确定门限自回归模型门限值的困难，为用线性化方法对非线性时间序列的建模和预报提供了一种新的数学方法，具有广泛的实用性。建立了６种数据处理方式下的泾河、北洛河、渭河及大通河主要水文站的候、旬、月枯水径流预报模型。模型评定与检验显示，将时段平均流量序列转换为消除年周期的模比系数序列建立的模型优于其他类型的模型，可作为作业预报模型。     

自激励门限自回归模型在枯水径流预报中的应用

简介了门限自回归（ＴＡＲ）模型的概念和自激励门限自回归（ＳＥＴＡＲ）模型的一般形式与建模方法，建立了泾河、北洛河和渭河三河流主要灌溉取水断面月平均流量的ＳＥＴＡＲ模型，将模型用于预报枯水期河川径流，精度与合格率均满足水文预报规范要求。     

自激励门限自回归模型在枯水径流预报中的应用

简介了门限自回归（ＴＡＲ）模型的概念和自激励门限自回归（ＳＥＴＡＲ）模型的一般形式与建模方法，建立了泾河、北洛河和渭河三河流主要灌溉取水断面月平均流量的ＳＥ－ＴＡＲ模型，将模型用于预报枯水期河川径流，精度与合格率均满足水文预报规范要求。     

时间序列的自回归模型在杨凌地区降水量预报中的应用

对平稳时间序列的理论和方法,自回归模型[1]的概念,定阶,模型建立,预报,平稳性进行了综述。通过对杨凌张家岗气象站1935—1955年的四季降水量建立自回归模型,利用所求得的模型对1956年的四季降水量进行了预报。结果表明,该模型对冬季降水量预报效果最好,接下来依次为秋季、夏季、春季。因此平稳时间序列预报方法适用于预报变化比较缓和、持续性和周期性比较好的天气,对变化剧烈的天气和转折性的天气的预报能力较差。     

马尾松毛虫发生量空间定点预报模型的研究

利用1983年9月至1989年9月马尾松毛虫的虫情调查资料,研究仙居县各测报点的马尾松毛虫有虫面积、虫口密度的时空变化规律,分别建立三维自回归趋势面模型、预测克立格模型、空间-时间序列预测之自回归模型和广义时空回归模型4种发生量空间定点预报模型。结果表明,所建立的4种发生量空间定点预报模型均具有较好的预报效果,对1989年3代的虫口密度、有虫面积进行预报检验,预测克立格模型的预报准确率为100％;空间-时间序列预测之自回归模型和广义时空回归模型对两者的预报准确率则均为66.7％;三维自回归趋势面模型虫口密度预报准确率为33.3％,有虫面积的预报准确率为66.7％。     

年径流预测的灰色自记忆模型

将灰色系统建模方法和自记忆建模结合起来,提出了年径流预测的灰色自记忆模型。实例研究表明,灰色自记忆模型能很好地反映动态数据序列的极值趋势,且具有较满意的拟合及预报精度。     

林业生物灾害精细化预报理论基础与技术集成——以潜山县马尾松毛虫为例

林业生物灾害精细化预报就是通过对林业生物灾害监测数据建模分析,从中寻找林业有害生物的种群变化动态与环境因子变化之间的关系,建立预测预报模型,实现林业生物灾害预报在时间、空间、强度等维度有较高分辨率。现以安徽省潜山县马尾松毛虫为例,潜山县以现有的监测数据,使用SPSS,采用回归、时间序列与神经网络3种算法建立精细化预报模型,通过对历史发生数据与预报值的对比分析发现,采用回归与神经网络算法建立的预报模型要优于时间序列算法建立的预报模型,其预报精度基本能满足精细化预报精度要求。     

基于ARIMA和GA-Elman神经网络的新疆年降水耦合预测研究

[目的]提高降水预报的预测精度,准确预测一个地区未来的降水量,可以提高该地区防灾减灾的能力,更好地为工农业生产生活提供决策参考.[方法]以年降水时间序列为研究对象,利用差分自回归移动平均(ARIMA)和GA-Elman神经网络技术建立一种耦合预测模型.该模型首先根据年降水时间序列建立ARIMA模型,拟合它的线性结构部分,基于原始降水序列和ARIMA模型的预测值、残差序列,利用GA-Elman神经网络技术进行耦合建模.将该模型应用于新疆年降水量的预测预报,并与单一的ARIMA模型、GA-Elman神经网络模型进行比较.[结果]耦合模型的归一化均方误差、平均绝对误差、后验差比值及小误差概率分别为0.287,9.581,0.241和1,均优于ARIMA模型、GA-Elman神经网络模型,预测精度得到了明显的提高,预测精度等级为好.[结论]基于ARIMA和GA-Elman神经网络的耦合预测模型具有更高的预测精度,可用于新疆的年降水量预报.     

混沌-支持向量机模型及其在地下水动态预报中的应用

【目的】建立混沌时间序列的支持向量机预报模型,为地下水动态提供新的可行的预报方法。【方法】以重构相空间理论为基础,探讨了混沌时间序列的支持向量机预报模型的建模思路、特点及参数的选取,借助G-P算法、C-C方法和Wolf方法,计算了武威盆地3眼观测井地下水位埋深序列的Lyapunov指数,并利用自适应方法对支持向量机的参数进行了选择;基于高斯径向基核函数,建立了混沌时间序列的支持向量机预报模型。【结果】武威盆地地下水位埋深序列的Lyapunov指数均大于0,表明该时间序列具有混沌特性;所建立的混沌-支持向量机模型可以用于武威盆地地下水位埋深预报,经过检验,武威盆地3眼观测井的预报精度分别为0.98,0.92和0.86,表明建立模型预报精度较为理想。【结论】建立了混沌-支持向量机模型,该模型可用于地下水位埋深动态预报。     

降雨侵蚀力指数的时间序列分析

本文简要介绍了时间序列分析的数学模型和建模途径,对实际月降雨侵蚀力指数序列进行了平稳性、正态性和周期性检验,在样本相关函数和偏自相关函数计算的基础上,确定出了模型的形式和阶次,并估计出了模型参数值。对所得到的月降雨侵蚀力指数预报方程,用实际值进行了预报检验,其结果表明所建立的预报模型具有较高的精度。     

门限自回归模型及其在耕地总量预测中的应用

利用梅州市55年来长时序耕地总量统计资料,引入门限自回归模型对耕地面积进行了预测,并和马尔可夫模型预测结果进行了比较.结果表明,通过门限值的控制作用,门限自回归模型有效地利用时序数据隐含的时序分段相依性这一重要信息,限制了模型误差,从而保证了预测性能的稳健性,有很高的短中期预测精度.     

用灰色自回归模型预测稻瘟病

灰色自回归模型（ＧＡＲ）是将灰色系统模型（ＧＭ）与自回归模型（ＡＲ）结合起来的一类预测模型，它弥补了ＧＭ与ＡＲ的不足。本文叙述了该模型的建模方法，建立了江西省临川县１９６２～１９８７年稻瘟病年发病程度的ＧＡＲ模型，检验合格后，对该县的稻瘟病发生程度进行了多年预测（１９８８～１９９２）。运用模糊集合隶属函数对这几年的预测准确性进行评定，结果表明预测较为准确。文末还就ＧＡＲ模型用于稻瘟病预测的条件和特点进行了讨论。     

马尾松毛虫精细化预报回归建模试验研究

通过线性回归、曲线回归、非线性回归、Logistics回归等回归多次建模试验的比较,建立了显著性较高的马尾松毛虫发生量和幼虫高峰期线性预报模型。     

时间序列自回归模型预测茶园小绿叶蝉种群动态的探讨

选定西湖龙井茶叶原产地的优质丰产茶园、普通丰产茶园、山林间茶园、种质资源圃和茶-林间作等5类代表性茶园,从2007年4月20日～12月26日,5d 1次调查假眼小绿叶蝉种群数量,作为时间序列自回归模型的数据源.据此对自回归模型预测假眼小绿叶蝉种群动态的可行性、建模步骤及准确性验证进行了探讨.与其他相关预测模型相比,自回归模型显得简便易行实用.     

旱地水肥交互效应与耦合模型研究

在盆栽控制条件下对水肥效应，交互作用与耦合模型进行了研究，提出２种水肥效应耦合模型建模方法，并证明２种模型预报功能相一致，为在田间条件下建立水肥耦合模型提供了依据。     

自回归模型的预测方差估计

讨论了自回归模型的预测误差的方差估计问题，给出了详细的递推计算公式，并给出了平稳序列与非平稳序列的例子各１个。     

应用混合门限自回归法预测大伙房入库径流量的研究

对大伙房水库流域内,1990～1996年入库流量、降雨量进行数据分析.针对不同的降雨等级和入库径流量等级,采用混合门限自回归(TARSO)模型,注重水文要素自身演变规律和主要前期影响因子的作用.该模型中,前期降雨量选取6个因子分别为前5～15d累积降雨量、前第1～4d和当天降雨量;前期入库量选取4个因子,分别为前期第1～3d入库量.该模型作为中长期预报,具有一定参考价值.     

小波分析在水文预报中的应用概述

阐述了小波分析在水文预报中的应用现状,讨论了小波消噪在水文序列中的中的重要性,并介绍了基于小波消噪的偏最小二乘回归模型,得出消噪后的水文序列的相依性会大大提高,能更好地为建立水文预报模型奠定基础。     

基于GIS的森林火灾预报预测模型的研究与探讨

对当前森林火灾预报预测研究的现状进行了分析。指出了当前在技术与方法上存在的问题与不足。在此基础上，提出了一种新的基于GIS技术、遥感技术和数学建模等技术的森林火灾预报预测模型。该模型通过建立森林火灾本底数据库，分析森林火灾发生和蔓延诱发因素，建立森林火险预报模型与林火蔓延预测模型来对森林火灾进行预报与预测。参8     

参数模型预测的微机饲料配方系统

时间序列ＡＲ（ｎ）模型的建模及预报，应用于微机饲料配方系统，试验表明，该方法提高了配料系统的质量。