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     

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。     

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。     

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。     

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。     

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％。     

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.     

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。     

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。     

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.     

基于BP神经网络的塔里木河月流量预报研究

对水文历史数据采用规格化方法处理后用BP神经网络模拟训练,建立了神经网络预报模型,并应用实例验证神经网络模型,结果表明运用该神经网络模型预测具有可行性和实用性.月流量预报研究可为塔里木河流域水资源的合理利用以及水权目标管理提供科学依据.     

黄河三角洲沿海蝗区东亚飞蝗发生量预报研究

采用逐步回归法对黄河三角洲沿海蝗区近26a的东亚飞蝗调查资料和气象观测资料进行分析，筛选适合的气象预报因子，分别建立东亚飞蝗夏、秋蝗发生面积和夏蝗发生密度统计预报模型，上述预报模型均通过0．05显著性统计检验。对建模内预报值和2009年预报应用效果进行验证，各预报模型预报准确率较高。     

基于粒子群的支持向量机SVR冰情预报研究

[目的]研究基于粒子群算法优化支持向量机SVR的黄河宁蒙段封河、开河日期预报模型。[方法]采用相关分析和成因分析相结合的方法选取合适的冰情预报因子组合,并运用粒子群算优化方法确定最优参数构建预报模型,将其运用到黄河宁蒙段封开河日期预报中。[结果]该模型预报精度高、运行时间短,预报平均误差为3.51 d,平均运行时间为10.464 s,预报效果明显优于遗传算法优化的支持向量回归与反向传播式神经网络,能够较准确地对封开河日期做出预报。[结论]基于粒子群算法优化支持向量回归的方法可以用于冰情预报。     

基于改进BP网络模型的洪水预报研究

针对目前神经网络应用于洪水预报时存在的不足,引入遗传算法、模糊神经网络对BP网络模型进行了改进,建立了基于改进BP网络模型的洪水预报模型,并将改进的BP网络模型应用于文峪河洪水过程的预报。预测结果表明,过程预报合格率达93．54%。达到了水文预报规范的要求;与传统BP网络相比,改进算法可提高洪峰的预报精度。     

基于Matlab的湘江水质重金属污染预测模型研究

[目的]利用Matlab软件,建立湘江(株洲-长沙段)水体重金属污染预测模型。[方法]利用湘江(株洲-长沙段)重金属含量数据,基于Matlab软件建立了一套非线性回归模型,用以预测湘江(株洲-长沙段)Cd、Pb、Cu、Zn、As、Cr等6种重金属的含量。[结果]通过验证发现,该模型具有较高的精确度,预测的重金属含量空间变化基本与实际情况吻合,说明该模型能够较好地预测湘江(株洲-长沙段)重金属含量的空间变化趋势。[结论]该研究为湘江重金属污染治理提供了一定的理论依据。     

基于GIS的新安江模型在潦河流域洪涝灾害评估中的应用研究

针对潦河流域的水文特征,采用1996~2005年潦河流域的实测水文、气象观测资料,并利用GIS处理DEM数据,对新安江分布式水文模型所需的各参数进行了优选,并构建了基于GIS的新安江水文模型,通过多次实际洪涝灾害数据的验证,结果表明该模型较为可靠,为建立潦河流域洪水预报系统和灾害预报、评估业务系统奠定了模型基础。     

安徽省中南部小麦赤霉病气象等级预报方法研究

针对安徽省农业气象业务服务中小麦赤霉病气象等级预报模型精度不高问题,基于安徽省中南部滁州、庐江、池州和宣城4个代表站历年小麦赤霉病病穗率、发育期及对应气象资料,采用线性相关、回归分析等方法,建立基于雨日和雨量的综合降水指数气象等级预报模型,并对模型进行拟合检验和预测检验。结果表明滁州地区小麦赤霉病发生关键为始穗前5d至始穗后25d、庐江为始穗前8d至始穗后20d、池州为始穗前7d至始穗后24d、宣城为始穗前4d至始穗后24d。对建立的区域小麦赤霉病气象等级预报模型进行拟合检验和预测检验发现:滁州地区预测模型的拟合准确率和预测准确率分别为86.8%和92.0%,庐江分别为87.6%和70.0%,池州分别为85.6%和88.0%,宣城分别为88.3%和84.0%。因此,本研究建立的区域小麦赤霉病气象等级预报模型可用于安徽省中南部农业气象业务服务。     

2011年梅雨特征及数值模式预报的检验和应用分析

从东亚季风环流系统主要成员的相互配置入手,对2011年长江中下游地区出现梅雨洪涝的环流特征进行分析,并通过分析冷暖空气的相互作用和水汽输送的变化,对2011年梅雨洪涝的成因作进一步研究;最后,从业务预报的需要出发,对EC、T639和JMA等中期数值模式预报进行检验和应用分析。结果表明,2011年梅雨带在长江以南地区直接建立,不同于常年由华南季风雨带向北推进而发生;梅雨期间欧亚中高纬度无阻塞高压,维持两槽一脊形势,冷空气主要由较常年偏强的东北冷涡和咸海冷涡引导南下;在高、低空及东-西、南-北向季风环流系统的恰当配置和冷暖空气的相互对峙下,500 hPa西风低槽和低层西南低涡数次东移至长江中下游地区并发展,低层西南风急流和偏东风急流爆发,造成大范围的强烈上升运动和水汽、能量的强烈辐合,致使该地区连续出现暴雨过程,灾害严重。对中期数值模式预报进行检验和应用分析,发现EC模式较其他模式有一定优势,对同一时刻的降雨量预报应用不同起报时间的多个预报平均优于单一起报时间的预报。     

花期渍害胁迫下冬油菜生长及产量模拟研究

渍害是长江流域油菜生产中的多发性气象灾害,为了定量研究花期渍害影响下油菜生长及产量,预报及防控油菜花期渍害影响,以浙平四号和华油杂16为试验材料,通过分析花期渍害对浙平四号油菜生长及产量的影响规律,提出了油菜地上部单株干重、产量及产量构成渍害影响因子,初步建立了花期渍害影响下油菜地上部单株干重、产量及产量构成模型,渍害干物重影响因子为一元二次方程,渍害产量影响因子则呈对数方程。经利用水分控制盆栽试验资料检验,结果表明华油杂16油菜地上部单株干重及单株产量实测值与模拟值相关系数(r)、绝对误差(da)、绝对误差占实测值比率(dap)以及RMSE值分别为0.949 9、0.89 g/株、4.55%及1.09 g;0.920 1、7.89 g/株、39.02%及8.58 g/株。花期渍害下油菜地上部单株干重模拟精度较高,而单株产量的模拟精度较低,说明花期渍害在盆栽试验条件下的表现与田间试验有明显不同。所建模型可与本项目组先期研制的油菜生长模型结合,在进一步检验并获得区域和地点尺度天气预报、模型参数后可用于花期渍害发生时油菜生长及产量预报。     

“凤凰”台风的数值检验及新资料的应用研究

基于淮河流域中尺度观测与应用试验基地的2种主要业务运行模式GRAPES、AREMS,对发生在2008年7月30~8月2日的"凤凰"台风外围云系造成的暴雨、大暴雨强降水进行了模式预报效果检验,同时针对L波段探空雷达,分析了探空垂直分布结构。结果表明:从逐日24 h降水预报情况来看,AREMS模式预报效果要明显好于GRAPES模式,不仅表现在AREMS模式预报降水接近实况降水,而且表现在AREMS模式能够预报出大雨、暴雨等较强降水级别,说明AREMS模式在降水预报方面具有优越性。从每隔12 h的AREMS模式预报效果可知,以7月30日8:00作为预报起点的降水预报,其效果好于以8月2日8:00作为预报起点的降水预报,说明AREMS模式的预报效果具有相对的波动性。分析南京站逐日8:002、0:00的L波段探空雷达数据发现,暴雨、特大暴雨过程的探空数据绝大多数呈现为随高度的增加温度降低的现象,使得大气呈现不稳定状况;但是个别时次出现逆温层,由于逆温层浅薄,不至于影响到大气的不稳定总体态势。