Ｈｏｌｔ-Ｗｉｎｔｅｒｓ与 ＡＲＩＭＡ模型在电离层总电子含量预报中的比较

利用 ＩＧＳ中心发布的 １５天 ＴＥＣ数据作为样本,采用 Ｈｏｌｔ Ｗｉｎｔｅｒｓ加法、Ｈｏｌｔ- Ｗｉｎｔｅｒｓ乘法和 ＡＲＩ- ＭＡ模型分别进行 ５天的 ＴＥＣ值预报。分析了太阳活动、纬度、预报时长对 ３种模型预报精度的影响。实 验结果表明,３种模型的预报精度会随着纬度的降低、预报时长的增加而呈下降趋势;电离层活动平静期 的预报精度要优于活动活跃期。在平静期,３种模型在高纬度地区的预报效果大致相同;在中、低纬度地 区加法模型的预报效果要优于另外两种模型。在活跃期,３种模型在高纬度地区的预报效果大致相同;中 纬度地区乘法模型和 ＡＲＩＭＡ模型预报效果要优于加法模型;在低纬度地区,加法模型和乘法模型的预报效果要优于 ＡＲＩＭＡ模型。加法模型精确预报时长可以达到 ５天左右,而乘法模型和 ＡＲＩＭＡ模型只能达到３天左右。     

基于陆基GNSS的电离层时间序列预报研究

为讨论不同时间序列模型对电离层垂直总电子含量(VTEC)的预报效果,在平静电离层条件下,采用载波相位平滑伪距法解算单站上空的电离层VTEC值,分别利用自回归积分滑动平均模型(ARIMA)与Holt-Winters指数平滑模型进行逐站建模,通过时长为9 d的样本序列实现3 d预报,并对预报值进行系统评估.结果表明,时间序列模型能够较好地反映预报期内的电离层VTEC变化情况,均方根误差均值不超5 TECU.此外,Holt-Winters乘法模型的预报值偏差最大,加法模型次之,ARIMA模型在11个测站的相对精度都高于Holt-Winters指数平滑模型,且其均方根误差峰值最小,具有最高的预报精度.     

基于小波-ARIMA电离层短期总电子含量预报

针对电离层总电子含量(TEC)非线性、非平稳的特性,将小波分析(Wavelet Analysis)引入到自回归移动平均模型(ARIMA)中对TEC值进行预报。采用2010—2013年IGS中心提供的不同经纬度活跃期、平静期前10天电离层TEC观测数据,分别使用WARIMA和ARIMA建模预报后5天TEC值。对两种模型预报结果与IGS中心观测数据进行对比并统计预报精度,结果表明引入小波分析的ARIMA模型对TEC值预报精度的提高有良好作用。最后单独采用WARIMA模型预报50天TEC值,通过对50天TEC预报值相对精度的统计,说明WARIMA模型对TEC值中长期的预报具有可行性。     

BP神经网络和ARIMA模型的变权组合电离层TEC预报

针对电离层总电子含量(TEC)非线性、非平稳性的特性,提出基于BP神经网络和差分自回归移动平均模型(ARIMA)的最优非负变权组合预报模型,并将其应用于TEC预报。利用IGS中心提供的不同经纬度的电离层平静期、活跃期TEC数据,分别采用BP神经网络模型、ARIMA模型和变权组合模型对TEC进行5 d预报。实验结果表明:在电离层平静期和活跃期变权组合模型预报5 d的平均相对精度分别为94. 7%和88. 9%,其中预报残差小于3 TECu的分别达到89. 3%和78. 5%,较单一模型的预报精度有明显提高。     

中厚板精轧机轧制力预报综合模型研究

为提高中厚板精轧机轧制力的预报精度,建立了Sims公式简化式与人工神经网络相结合的轧制力预报综合模型。以3 000 mm中厚板精轧机实测数据为基础,用Sims公式简化式计算轧制力主值,利用MAT-LAB人工神经网络工具箱,建立BP神经网络模型预报轧制力的偏差值,用提前结束的方法来训练网络。模型的综合采用加法和乘法两种方式。结果表明,与单独采用Sims公式简化式相比,综合模型的预报精度提高很多,而且加法网络算法的预报效果比乘法网络算法更好。     

ＢＰ神经网络和 ＡＲＩＭＡ模型的变权组合电离层 ＴＥＣ预报

针对电离层总电子含量（ＴＥＣ）非线性、非平稳性的特性,提出基于 ＢＰ神经网络和差分自回归移动 平均模型（ＡＲＩＭＡ）的最优非负变权组合预报模型,并将其应用于 ＴＥＣ预报。利用 ＩＧＳ中心提供的不同经纬 度的电离层平静期、活跃期 ＴＥＣ数据,分别采用 ＢＰ神经网络模型、ＡＲＩＭＡ模型和变权组合模型对 ＴＥＣ进 行 ５ｄ预报。实验结果表明：在电离层平静期和活跃期变权组合模型预报 ５ｄ的平均相对精度分别为 ９４.７％ 和 ８８.９％,其中预报残差小于 ３ＴＥＣｕ的分别达到 ８９.３％和 ７８.５％,较单一模型的预报精度有明显提高。     

卫星过顶与成像区域时间的快速预报算法研究

在引入平均轨道概念的基础上,提出了一种针对低轨道卫星的过顶与成像区域时间的快速预报算法.以双行元初值求取的平均轨道参数为初始条件,通过目标与星下点在地球表面相对于地心的弧段是否小于可观测弧段进行预报的粗搜索,进而初步计算过顶与成像区域时间.通过分析不同纬度地面站过顶时间预报表明,在低纬度地区,快速预报算法预报精度可以达到秒级,随着纬度的增加预报精度逐渐变差.该方法为下一步基于SGP4的精确搜索预报奠定了基础,可大幅度降低星载计算机的计算量.     

基于ARIMA 误差修正预测的Klobuchar 模型精化

为了提高目前传统Klobuchar 模型电离层延迟改正精度仅有50%~60%的修正率的现状, 提出一种基于ARIMA 误差修正预测的精化方法。 采用IGS 中心提供的电离层观测数据, 利用双频改正模型解算的电离层VTEC 值作为参考值, 使用ARIMA 模型对每个历元前8 天Klobuchar 模型和参考值之间的偏差值进行2 天的短期预测, 对Klobuchar 模型加以偏差预测改正数进行改进。 采用算例将参考值检验改进的A-Klobuchar模型的预报精度与Klobuchar 模型的预报精度进行对比, 结果表明: 改进后的A-Klobuchar 模型的精度明显高于Klobuchar 模型, 其总体预报精度达到了77. 17%, 能更显著地反映出电离层的周日变化特性。     

区域大气水汽转换系数的一种新算法

为了提高大气可降水量反演的精度, 通过分析广西4 个探空站2015-2018 年探空资料, 建立了直接反映年周期、 半年周期、 高程改正和纬度改正的广西地区大气水汽转换系数的计算模型, 并与广西高程模型、 中国低纬度模型进行了比较。 结果表明: 新方法的内、 外符合精度以及大气可降水量反演精度相对于其他两种模型有比较明显的提升, 4 个站点的内符合精度平均绝对误差在0. 001 3~0. 001 8, 均方根误差在0. 001 6~0. 002 2; 外符合精度平均绝对误差为0. 001 7, 均方根误差为0. 002 1; 大气可降水量反演精度误差最大值为0. 22 mm(相对误差1. 5%), 中误差为0. 126 mm(相对误差0. 92%), 比低纬度模型、广西高程模型精度有一定的提高。     

干旱半干旱地区流域水文模型的适用性

以干旱半干旱地区的辽宁省东白城子和叶柏寿流域为研究实例,通过建立新安江模型、辽宁西部非饱和产流模型和时变增益模型,利用场次洪水观测资料进行模型的率定与验证,比较分析场次洪水在率定期与验证期的模拟预报效果,最后讨论分析了3种水文模型在干旱半干旱地区洪水预报的适用性.结果表明,以蓄满产流为核心的新安江模型不适用于干旱半干旱地区,适用性最差;辽宁西部非饱和产流模型较新安江模型模拟效果有所提高,但仍无法满足洪水预报的精度要求;考虑降雨强度的时变增益模型模拟效果最优,在干旱半干旱地区的适用性最强,具有良好的发展潜力.     

基于乘积季节ARIMA模型的供热负荷预报

针对传统的供热调度缺乏对未来供热量进行有效估计这一问题,提出一种基于乘积季节ARIMA模型的供热负荷预报方法.将乘积季节ARIMA模型引入供热负荷预报,通过分析供热负荷数据其固有的趋势和周期性,建立适宜的季节性ARIMA模型,预测未来24小时的供热负荷.采用大庆地区某热力站的供热数据进行建模和仿真预测,其结果的最大误差为3.14%,日预报平均误差为1.45%.实验结果表明,给出的预报结果真实可靠,能够满足供热工程的实际需求,其预报值将成为供热负荷调度和节能的重要依据.     

EGNOS天顶对流层延迟模型适应性评价与分析——以新疆地区为例

利用IGS站及实测气象参数的Saastamoinen模型来评估EGNOS天顶对流层延迟模型在新疆的精度,研究表明：（1）在新疆地区,EGNOS模型与IGS站数据符合较好,guao站BIAS为0.9mm,RMS为1cm;（2）EGNOS模型与实测气象参数的Saastamoinen模型比较分析后发现,两者之间平均BIAS为－7.9mm,RMS为1.62cm,BIAS随纬度的增加由负值变为正值,EGNOS模型精度在新疆地区随高程变化稳定,在高程较低处也能保证一定的精度,与其他同纬度不同高程的IGS站相比较,EGNOS模型精度在新疆地区优于其他地区;（3）与ECMWF资料计算的ZTD比较,EGNOS模型RMS优于ECMWF 近3.6cm。     

COSMIC与ERA-Interim折射率数据分析海洋边界层时空分布的对比

本文基于小波协方差变换法,使用COSMIC和ERA-Interim两种数据的折射率获取了全球海洋边界层的时空分布情况并进行了对比分析.结果表明:在空间上,由两种数据反演出的海洋边界层高度所显示出的分布特征大致相同,即沿着赤道呈不完全对称分布,仅在个别海域有所差别;在季节及月变化方面,两者均呈现出夏季较高的特点;在日变化特征上,两者变化均不明显,但ERA-Interim数据的海洋边界层高度的日变化特征与太阳辐射的日变化特征更加符合;在数值差异上,COSMIC数据要比ERA-Interim数据的结果高500~1 000 m,且低纬度地区两者差异大于高纬度地区,夏季两者差异小于冬季.     

夜间通风在不同气候条件下的适用性

近年来,夜间通风作为一种被动式降温手段受到越来越多的关注。为了研究夜间通风在中国不同气候条件下的节能效果,选取北京、上海、广州分别作为寒冷地区、夏热冬冷地区以及夏热冬暖地区的代表城市,使用建筑能耗模拟软件Energyplus建立一个办公建筑模型,分别在使用和未使用夜间通风的情况下计算出3个城市建筑在供冷季各月的供冷能耗和总能耗,通过对比,分析夜间通风的节能效果。研究结果表明,在相同的月份,夜间通风的效果会随着城市纬度的增加而增大,但对于整个供冷季,即便是在低纬度的夏热冬暖地区,夜间通风也具有显著的节能效果。     

AR模型参数自适应估计方法研究及应用

为了提高AR模型参数估计的精度和收敛速度,提出基于卡尔曼(Kalm an)滤波原理的AR模型参数估计方法.把AR模型参数向量作为状态向量,利用随机游动模型建立系统的状态方程,由观测数据建立系统的观测方程,应用卡尔曼(Kalm an)滤波原理求得参数向量的最小方差估计.将该方法应用于船舶运动实时建模预报中.仿真研究表明本文提出的基于Kalm an滤波算法的AR模型在预报精度以及收敛速度方面均优于基于递推最小二乘法(RLS)和最小均方(LMS)算法,该算法具有较强的鲁棒性,降低了实时在线预报时通信故障所引起的数据缺失对预报精度的影响.该方法在理论和工程应用方面具有重要的意义.     

ARIMA- KALMAN在航材库存动态预测中的应用研究

为提高航材库存需求的预测精度,着力解决 ARIMA模型预测滞后性和非同步性问题,提出 ARIMA模型和 KALMAN滤波技术理论的组合模型。应用 ARIMA模型辨识 KALMAN滤波初始状态参数,考虑系统噪声的影响,以最小均方误差为估计准则,构建航材库存的动态预警模型,并在测试数据集上检验组合模型库存预警效果。实例分析发现, ARIMA-KALMAN组合模型可以提高航材库存预测精度,实现航材库存动态预测,对于解决 ARIMA模型预测滞后性和非同步性问题有重要意义。     

陕西省北斗三号区域电离层TEC建模与精度评估

基于陕西省北斗地基增强监测站数据,利用4阶球谐函数建立了陕西区域电离层总电子含量(TEC)模型,生成区域TEC格网产品.实验结果表明:以欧洲定轨中心(CODE)全球电离层图(GIM)产品作为参考,利用BDS-3数据获得的陕西区域北斗电离层产品精度为2.54TECu,与CODE产品标称精度相当.在单频精密单点定位(SF-PPP)性能方面,BDS-3区域电离层产品可以提升定位精度35%,优于CODE全球电离层产品改正效果(27%).综合而言,BDS-3单系统在区域电离层建模方面具备较为优异的性能水平.     

基于“21世纪海上丝绸之路”AIS数据的船舶交通流预测

为探究“21世纪海上丝绸之路”船舶交通流规律,基于2018年“21世纪海上丝绸之路”AIS（Automatic Identification System,船舶自动识别系统）数据,利用时间序列模型分别对货船、油轮和货船-油轮这3种情形下的船舶交通流进行了研究。结果显示,船舶交通流变化规律可以用ARIMA模型（Auto-regressive Intergrated Moving Average Model,即差分自回归移动平均模型）,拟合并预测;货船、油轮和货船-油轮这3种情形有相同的最优选择模型ARIMA（1,1,2）。“21世纪海上丝绸之路”船舶交通流可由前两个时间周期内的交通流数据拟合预测,并且ARIMA（1,1,2）模型对单一船型交通流的预测效果优于对混合船型交通流的预测。     

基于小波神经网络的畸形波预报

为对畸形波这类突发性事件进行较为准确的预报,避免畸形波对海上建筑物和人员安全产生的巨大危害.采用紧致型小波神经网络模型,根据某岛礁地形实测数据建立的岛礁三维模型中测得的波高试验数据,选取试验数据中3种典型波高时间序列分别实现了包含畸形波的波浪数据对常规波浪的预报、包含近似畸形波的波浪数据对畸形波的预报以及常规波浪对包含畸形波的波浪数据的预报.为验证小波神经网络模型精度,同时采用常规神经网络BP模型在相同条件下对3种典型波高时间序列进行预报,最后将两种神经网络预报结果精度进行对比.研究结果表明:小波神经网络能较好的捕捉畸形波突发事件,对于3种工况中的波面整体预报精度以及畸形波处的预报精度,小波神经网络预报模型均高于BP神经网络预报模型,预报的波高曲线也与实际波高曲线拟合效果更好.在神经网络训练样本中若存在畸形波特征,也将进一步提高对未来畸形波的预报精度.该项研究对船舶或海洋工程的畸形波风险预警具有一定的应用价值.     

基于统计降尺度方法的夏季降水精细化预报

利用1999—2009年安徽省淮河以南地区60个县市站夏季逐日降水资料和安庆市探空站逐日资料,研究了中低层不同风向配置下局地降水与大尺度降水场之间的关系,以3种不同预报对象及相应的预报因子分别采用神经网络和线性回归方法设计6种预报模型对观测资料进行逼近和优化,从而实现空间降尺度.分析对比6种预报模型46站逐日降水量的拟合和预报效果,结果表明:采取相同的预报对象及预报因子的BP神经网络模型在拟合和预报效果上均好于线性回归模型,可见夏季降水场之间以非线性相关为主;神经网络模型预报结果同常用的Cressman插值预报相比,能很好地反映出降水的基本分布及局地特征;预报对象为单站降水序列的神经网络模型在以平原、河流为主要地形的区域预报效果较好,预报对象为REOF主成分的神经网络模型则在山地和丘陵地形区域预报效果较好.