农村电力系统负荷预测研究

农村电力系统规划和运行在负荷预测方面是非常重要.主要叙述了时间序列分析的构思,模型构建方法的过程及步骤,假设时间序列,运用MATLAB软件试验,实现了模型参数的估计的过程和模型的定阶.运用灰色理论法进一步建立灰色模型GM（1,1）,且通过灰色关联分析进一步分析出不同模型的灰色关联度,这样才能更好地选择模型.     

三级人工快渗系统处理高氨氮生活污水研究

将传统人工快渗系统与改良的三级串联人工快渗系统对高氨氮生活污水的处理效果进行对比研究。结果表明,三级串联人工快渗系统COD、氨氮和TN的去除率均比传统人工快渗系统分别提高了3.14%、4.47%和20.7%,并可以有效地缓解系统堵塞现象发生。     

基于地统计学的多维时间序列模型及其在生态学中的应用

基于地统计学半变异函数发展了一种新的多维时间序列最优阶数判断方法,并结合支持向量回归建立了既反映样本集动态特征又体现环境因子影响的非线性多维时间序列分析预测模型(GS-SVR). 用一步预测法对两个生态学样本集的预测结果表明,GS-SVR预测精度高,并具结构风险最小、非线性、避免过拟合、泛化推广能力强等诸多优点.     

我国水产品需求预测研究

我国水产品总需求包括城乡居民直接消费需求、加工水产品消费需求、净出口贸易需求以及在以上过程中的损耗减重。首先,基于统计年鉴数据,根据水产品供给来源和需求方式关系特征,分离出了我国水产品需求中的损耗减重部分量值及其在水产品总需求中的比例(损耗减重比例)。通过对水产品总需求中的城乡居民直接消费量、加工水产品需求量、贸易量以及损耗减重比例的时间序列数据建立灰色系统预测模型或线性预测模型或组合使用以上两模型,对其各自分别进行了中长期预测,进而得到了我国水产品总需求量的预测结果。由结果可知,"十二五"末我国水产品总需求量将达6 618.41万吨,预计到2030年,我国水产品总需求量将超过9千万吨,但不会高于一亿吨,为当前水平的2～3倍。研究亮点:目前着眼于指导水产品生产的我国水产总需求中长期预测研究还比较匮乏。将水产品总需求构成进行分解,分离出了水产品在各过程中的损耗减重量,通过综合使用灰色系统模型和线性模型预测方法,对需求的各部分分别进行了预测,进而得到了我国水产品总需求量。     

城市降水多尺度长程演变特征分析

针对当前降水研究尺度与精细化程度难以满足城市雨洪预报预警、排涝规划与应急管理需求,提出城市降水多尺度长程演变特征分析方法与框架,为城市洪泛区的科学管理提供导向。以哈尔滨主城区为研究基点,选用线性拟合、Mann-Kendall检验以及Morlet小波分析方法对其降水进行多尺度分析。结果表明:近53年来,哈尔滨主城区除秋季降水有不明显的减少趋势外,春、夏以及冬季降水均呈与年降水相同的增多趋势,夏季降水约占全年降水的66.07%,大雨以上降水日数整体趋势缓增,但强度逐渐减弱;年降水变化出现突变点的时间为1964、1966、1980和2011年。春季降水在2007年发生突变,夏季降水在1981和2003年发生突变,秋冬两季降水突变年份分别为1973、1997年和1971、1991年;年降水变化的主次周期分别为35和20年,大雨以上降水日数的周期与其保持一致。春季降水变化存在36年的主周期和14年的次周期。夏、秋和冬季降水时序变化呈现20和36年的周期性,但主次周期存在一定差异。     

林分生长数据的时序分析探讨

将时间序列分析的一些理论及方法用于林分生长的建模和收获预估。利用Box-Jenkins方法对9个短叶松同龄林分的直径生长序列进行分析,结果如下:(1)对于1a(年)为间隔的短叶松林分平均直径生长序列,提取其趋势函数,使其平稳化后,为MA(4)模型。做未来4a(年)以内的直径生长量预报,相对误差小于3％。(2)对于5a(年)为间隔的短叶松林分平均直径生长序列进行模拟,ARIMA(1,2,0)为最好的模型。对未来20年以内的直径生长量做预报,相对误差小于5％。     

时间序列分析法在水稻需水量预测中的应用

作物需水量是农业方面主要的水分消耗部分 ,也是整个国民经济中消耗水分的最主要部分。文章以富锦试区为例 ,采用时间序列分析法建立了水稻需水量预报模型 ,预报效果较好。为灌区灌溉制度的确定提供了数量指标和理论依据     

黄土高原区降雨与海洋表面温度的相关分析研究

研究了黄土高原区降雨时间序列和海洋表面温度的关系。采用谱分析法研究了降雨时间序列的频率特性,根据赤池信息系数确定了最优频率组合,并利用Fourer级数进行了降雨时间序列重构。降雨与海洋表面温度的相关分析表明,太平洋地区(东经150°,北纬15°)的海洋表面温度能够较好的预测黄土高原区3个月后的降雨。     

基于遥感时序物候特征的耕地非粮化多模式监测方法

耕地非粮化对粮食生产和农业可持续发展构成潜在威胁,精准监测不同的耕地非粮化类型对制定针对性的农业管理政策至关重要。该研究以河北省石家庄市藁城区为研究区,首先采用最大类间方差算法（OTSU）提取果园和耕地范围,然后利用Google Earth Engine（GEE）云计算平台构建了基于Sentinel-2遥感数据的特征集,包括光谱特征、物候特征和NDVI（normalized difference vegetation index）时序特征。结合面向对象分割和随机森林（radom forest, RF）、时间加权的动态时间规整（time-weighted dynamic time warping, TW-DTW）算法,构建了4种不同的分类模式用于提取粮食作物和露天蔬菜、大棚种植等非粮食作物。通过选择最优模式,提取了研究区2019-2022年间不同非粮化类型的空间分布信息,并探讨了不同模式的优点和局限性。结果表明：1） 采用面向对象的机器学习模式进行耕地内作物分类的精度最佳,两个生长季内总体精度分别达到93.23%和90.10%,Kappa系数分别达到0.91和0.88;2） 基于时间序列匹配的模式在区分粮食作物和其他地类方面表现出较高的准确性,冬小麦、玉米和大豆的用户精度分别高于95.60%、74.70%、82.70%,制图精度分别高于97.70%、86.40%、93.10%;3） 利用面向对象的机器学习模式进行耕地非粮化信息提取,在两个作物生长季的总体精度为87.00%和81.00%。分析耕地非粮化结果发现,藁城区2019-2022年的年际性非粮化面积为2753.09 hm2,其中果园占比最高;而季节性非粮化结果显示,秋粮非粮化面积（3174.86 hm2）明显高于夏粮非粮化面积（1060.27 hm2）。该研究利用Sentinel-2时序遥感数据,为一年两熟区耕地非粮化监测提供一种新的思路,可以为制定差异化农业管理政策提供依据。