基于多Agent的洪水预报系统研究

在分析洪水预报方法及研究进展的基础上,提出了一种基于多Agent(Multi-Agent)新型体系结构的洪水预报系统模型,给出了系统的整体结构及预报节点MAS结构.简要介绍了界面Agent、管理Agent、信息Agent的地位、功能和设计方法,并详细研究了预报Agent的结构、算法设计.针对所提出的系统模型及预报方法,结合渭河流域实例数据进行了预报与分析.结果表明了该系统的有效性.     

实现准确预报的降水预报模型构建方法研究

研究降水预报模型的构建问题,提高预报准确度.在降水预报技术中,选用较多的预报因子构建预报模型并根据预报因子之间的联系训练得到准确模型,但受空气不稳定特性的影响使得预报因子之间的非线性联系极难准确描述,传统预报模型构建方法不能有效获取预报因子之间的联系,无法训练得到准确的预报模型,造成降水预报准确度不高的问题.为解决上述问题,提出模糊聚类算法构建降水预测模型的方法.根据空气的流动特性,采用模糊聚类算法分析预报因子内部的直接关联特性从而准确表述预报因子之间的联系,构建初始预报模型,并据最小二乘回归方法训练得到降水预报模型.实验表明,模糊聚类算法能够有效获取预报因子之间的联系,准确构建和训练预报模型,实现了降水的准确预报.     

半参数预报方法在水位预报中的应用

本文用ARMA序列的半参数预报方法对湘江水位进行预报,结果表明,这一方法具有好的应用价值。     

带未知系统偏差的自适应Kalman预报新方法

本文提出了一种有效的带未知系统偏差的自适应Kalman预报新方法.应用状态空间方法和现代时间序列分析方法,基于输出预报器,给出了线性离散定常系统自适应最优状态和偏差联合预报方法,仿真例子说明了新方法的有效性.     

基于增量的预测预报方法

本文介绍了预测预报方法的重要作用和基本原理，比较详细地讲述了直接预报方法，重点分析了基于增量预报方法的环境、实现，以及两种方法的对比。     

对流天气预报系统的设计与实现

强对流天气内部蕴藏着巨大的能量,它具有突发性、强度大、持续时间短的特点。强对流天气发生时,常伴随有强雷暴、大风(风切变)、下击暴流、冰雹、龙卷等恶劣天气现象,严重影响航空的飞行安全。本研发计划旨在研制和集成国内外先进的强流天气分析预报方法,设计并建设终端区对流天气监测分析预报系统,以提升终端区强对流天气预报能力,适应我国民航事业快速发展的紧迫需求。系统功能主要包括终端区对流天气临近预报,终端区对流天气短时预报,起降条件与航路预报,预报产品检验与评估。     

哈尔滨机场雷暴分析预报系统的研制及应用

作者充分利用现有气象设备,采用多种高级编程语言,研制哈尔滨机场雷暴分析预报系统,其中利用现有气象信息网资源,实现初始数据自动读取和综合分析处理;采用相似分析技术,实现雷暴天气形势的自动相似判别;利用天气学方法和数理统计法,建立集成分析预报模式,实现0-24h雷暴概率短期预报;基于天气雷达回波,采用交叉相关算法,实现0-1h强对流临近预报预警。经应用表明,该系统运行及预报预警情况均达到了预期效果。     

基于雷达基数据的风暴单体跟踪与预报

多普勒雷达基数据对风暴单体的跟踪及预报具有十分重要的意义.针对雷达监测预报的原理和特点,建设性地提出了一种跟踪和预报方法.根据“体扫间隔,特征相似,近距离优先”三个匹配准则来匹配两时刻的风暴单体,再利用加权最小二乘法对风暴单体在下一时刻的位置进行预报.通过对天津市2005～2011年间74个天气过程的实验和评估,结果表明:该方法的可预报单体数更多,单体平均预报误差更小,能够更好地实现风暴单体的跟踪及预报.     

船舶运动建模及预报方法的研究

本文叙述了船舶运动艏前波法预报所做的研究工作,艏前波预报方法看来是解决船舶运动预报比较切实可行的方法,它是利用舰船本身的摇摆观测数据和舰船艏前海浪的观测数据,对舰船摇摆建模及预报,文中讨论了船舶在波浪中的运动艏前波模型动态建模与预报方法,为了改善和提高预报的精度和可靠性,进行预报前,对实船试验所采集信号做实时在线预处理和滤波处理,同时进行参数辨识,定阶,然后进行拟合建模和预报,对多组实船试验的信号实时的在线进行比较,获得比较令人满意的结果,在提高预报精度,增加舰舰载机着舰的完全性和扩大海况使用范围等方面,具有比较高的实用价值。     

一种基于时序预报神经网络的故障预报方法及其应用

提出一种基于时序预报神经网络的工业过程故障预报方法,同时给出了描述神经网络预 报和外推能力的表达方式,并以氯碱电解工艺的现场数据验证了这种故障预报方法的有效性. 实验结果表明,该方法可成功地用以实现氯中含氢的24小时预报.     

Forecasting time series using principal component analysis with respect to instrumental variables

Two new forecasting methods of time series are introduced. They are both based on a factorial analysis method called spline principal component analysis with respect to instrumental variables (spline PCAIV). The first method is a straightforward application of spline PCAIV while the second one is an adaptation of spline PCAIV. In the modified version, the used criteria according to the unknown value that need to be predicted are differentiated. Those two forecasting methods are shown to be well adapted to time series.     

基于蚁群算法的电力负荷预测方法研究

为了提高负荷预测的精度,提出基于改进蚁群算法的电力负荷组合预测方法。该方法以回归分析、灰色模型、二次指数平滑值、龚帕兹模型、弹性系数法、逻辑斯谛模型法、二次移动平均模型为基础建立负荷组合预测模型,利用改进蚁群算法优化组合预测模型的权值,并与单个预测模型进行比较。预测结果表明,基于改进蚁群算法的电力负荷组合预测方法,运算速度快,预测精度高,相对误差小,有一定的实用价值。     

Evaluation of forecasting methods for intermittent parts demand in the field of aviation: a predictive model

Owing to the sporadic nature of demand for aircraft maintenance repair parts, airline operators perceive difficulties in forecasting and are still looking for superior forecasting methods. This paper deals with techniques applicable to predicting spare parts demand for airline fleets. The experimental results of 13 forecasting methods, including those used by aviation companies, are examined and clarified through statistical analysis. The general linear model approach is used to explain the variation attributable to different experimental factors and their interactions. Actual historical data for hard-time and condition-monitoring components from an airlines operator are used, in order to compare different forecasting methods when facing intermittent demand. The results confirm the continued superiority of the weighted moving average, Holt and Croston method for intermittent demand, whereas most commonly used methods by airlines are found to be questionable, consistently producing poor forecasting performance. We have, however, devised a new approach to forecasting evaluation, a predictive error-forecasting model which compares and evaluates forecasting methods based on their factor levels when faced with intermittent demand. A simple example is presented to illustrate the performance of the mathematical model. It is suggested that these findings may be applicable to other industrial sectors, which have similar demand patterns to those of airlines.Scope and purposeDemand forecasting is one of the most crucial issues of inventory management. Forecasts, which form the basis for the planning of inventory levels, are probably the biggest challenge in the repair and overhaul industry, as the one common problem facing airlines throughout the world is the need to know the short-term part demand forecast with the highest possible degree of accuracy. The high cost of modern aircraft and the expense of such repairable spares as aircraft engines and avionics constitute a large part of the total investment of many airline operators. These parts, though low in demand, are critical to operations and their unavailability can lead to excessive down time costs. Most airline materials managers deal with intermittent demand, which tends to be random and has a large proportion of zero values. In an effort to achieve this, the study has presented a model that could be of great benefit to airline operators and other maintenance service organisations. It will enable them to select in advance the appropriate forecasting method that better meets their cyclical demand for parts. This approach is consistent with the purpose of this study, which aims to compare different forecasting methods when faced with intermittent demand.     

KDD技术在复杂不确定性系统预测中的应用研究

针对复杂不确定性系统的特性,将知识发现理论方法与传统的预测理论方法结合起来,讨论了适用于预测的知识发现的理论与挖掘方法,构建了基于知识发现的多目标、多因素集成化预测模型(IFMK),并通过对油气储量、产量和需求量的预测验证了预测模型的有效性与实用性。     

电力负荷预测参数模型方法研究

该文论述几种电力负荷参数模型预测方法基本思想,并对某些方法给出了实现技术,在实际应用中取得了良好的效果。     

基于多态预测分析的电力营销预测分析系统

本文主要根据电力营销业务的需求,为电力企业工作提供更为科学与有效的电力市场预测系统,以达到合理安排电源和电网建设的目的.文中主要讨论改进后的灰色系统的预测方法在电力营销多态预测分析中的应用,并且与传统的其他方法做了比较.     

变结构组合预测方法在短期电力负荷预测中的应用

采用变结构组合预测方法建立短期电力负荷预测模型。变结构组合预测对多种预测方法进行整合,使得在不同的预测阶段,最优的预测方法发挥的作用最大,使预测精度大大提高。     

基于Agent的水产品价格预测支持系统

综述了基于Agent程序的开发方法，提出采用面向领域工程的Agent方法进行系统设计，从水产品价格预测定义出发，构建了水产品价格预测的领域本体模型，并将系统设计成为由10类不同功能Agent组成的多Agent系统。     

边缘海静力数值预报模式并行算法研究

边缘海静力数值模式是国内针对边缘海特点自主开发的数值预报模式,但该模式因物理求解方程较多且采用不宜并行化的SOR求解算法而程序计算时间过长。针对上述问题,提出基于三维网格和海洋模式特点的SOR并行求解算法,该算法在保留三维网格数据间依赖关系的同时,有效解决了SOR迭代算法难以并行化的问题。同时,引入通信避免算法,采用MPI非阻塞通信方式,细分计算和通信过程,利用计算有效隐藏通信开销,提高了并行程序效率。实验结果表明,并行后的边缘海静力数值模式程序的性能相对串行程序提升了60.71倍,3天(25920计算时间步)预报结果的均方根误差低于0.001,满足海洋数值预报的时效性和精度要求。     

模糊小脑模型神经网络在短时交通流预测中的应用

模糊小脑模型神经网络（FCMAC）将模糊理论引入小脑模型网络则形成的一种新型网络。在研究FCMAC算法的基础上,将FCMAC算法应用于短时交通流预测问题。通过仿真实验,并与BP和RBF方法进行比较。结果表明FCMAC方法具有较高精确性和一定的应用价值。