多因子逐步回归周期分析在中长期水文预报中的应用

利用多因子逐步回归周期分析法建立长江宜昌站年平均流量的中长期水文预报模型.结果表明:所选优势因子主要是一组反映冷暖空气活动的指数,冷暖空气的活动和强度对宜昌的年平均流量影响很大;各优势因子的优势隐含周期4～9个不等,且普遍都具有25a和22a的变化周期;多因子逐步回归周期分析法对长江宜昌站年平均流量的拟合和试预报合格率都达到了100%,具有较高的可信度.     

开都河年径流量逐步回归模型的建立与预报

每年7、8月份，巴州有关部门要求水文部门预报开都河当年年来水量，本文为满足此项要求而撰写。文章应用逐步回归分析的基本原理和方法，分别以开都河大山口水文站1956-1999、1956-2000、1956-2001、1956—2002、1956-2003年当年1-7月及前一年1—12月月平均流量序列(19个因子)为预报因子，以当年年径流量序列为预报对象，建立了逐步回归预报模型，并对2000、2001、2002、2003、2004年年径流量分别进行了试预报，试预报结果符合水利部《水文情报预报规范》(SL250---2000)要求，可供生产实践参考和应用。     

基于逐步回归和神经网络的北京市能见度预报对比

在研究北京市能见度变化特征的基础上,利用北京市环境监测站2015-2017年的空气污染物检测数据及同期美国国家环境预报中心的全球预报系统数值资料,筛选出主要的预报因子,分别用神经网络和多元逐步回归法建立预报模型,并进行试预报检验.结果表明,神经网络预报效果优于多元逐步回归,平均预报准确率达到75%(多元逐步回归为66%).神经网络在0～10 km能见度预报方面能够取得更好的效果,预测数据与观测值更为接近.     

逐步回归最小方差集成预报法

本文在不同信度下,选出多个逐步回归方程。在最小均方意义下,建立可变动最优集成预报方程,所确定的集成系数是和各时刻的预报值有关的滑动系数,它能及时地反映单个回归方程在各时刻的变化规律,从而充分地采用单个回归方程在各时刻的预报信息、本文导出整个计算过程的递推公式,便于计算机程序设计,并证明这种集成预报方程比单个回归方程提高了预报精度和可靠性。     

关于分布自由的逐步回归集成预报法

继文本文提出在不同信度下,建立多个以秩和为因子的逐步回归方程,尔后应用集成最优法求出最优集成预报方程,它比文中的方法更充分地利用了大量因子的信息,从而提高了预报的精度和可靠性,其回报准确率和试报效果,均比普通逐步回归集成最优方程及文中以秩和为因子的单个逐步回归方程更为优越.     

南海热带气旋风力的逐步回归分析及预报

选取具有天气学意义和物理意义的９个预报因子，采用逐步回归分析，建立了８４个统计预报方程，用于东南沿海１４个台站预报热带气旋影响的风速．根据统计样本外的１９８８年的资料作预报检验，结果表明所建立的一套统计预报方程是可以用于实际预报的．     

马尔可夫链在年径流量定性预报中的应用——以清水河克尔古提水文站为例

长期以来，巴州水文预报以定量预报为主，实际上，水文现象的不确定性是很显著的，所以在定量预报之前，对预报对象的未来变化趋势进行定性概率预报，从而把握其未来发展方向，是一种可取的科学态度。本文应用马尔可夫链的基本原理和方法，以清水河克尔古提水文站：1956～1997年逐年年径流量系列为基础，用多步状态转移概率矩阵试报了1998、：1999、2000、2001、2002年年径流量丰枯趋势；以1956～1998、1956～1999、1956—2000、1956～2001年系列为基础，用一步状态转移概率矩阵分别试报了1999、2000、2001、2002年年径流量丰枯趋势；最后以1956～2002年系列为基础，用多步状态转移概率矩阵预报了2003、2004、2005、2006年年径流量的丰枯变化趋势。试报结果令人满意，预报结果可供参考。     

GIS在水文情报预报中的应用

简要介绍了GIS的概念和基本功能,并结合水库洪水预报调度系统的开发,探讨了GIS及其组件在水文情报预报中的应用.     

声发射技术和非线性理论在预报岩体失稳中的应用

以非线性理论为指导，建立了采场声发射监测预报的灰色突变模型，并给出了相应的计算机程序流程。最后，以某金矿的监测结果来验证该模型，证明是可行的。     

智能预报模式与水文中长期智能预报方法

建立了以模糊优选、BP神经网络及遗传算法有机结合的智能预报模式与方法。在应用该方法进行中长期水文智能预报时，首先选取训练样本的数量，根据预报因子与预报对象的相关关系得到相对隶属度矩阵;再将其作为BP神经网络输入值以训练连接权重；最后将得到的连接权重值用于预报检验。计算结果表明，智能预报模式与方法的运行速度、精度及稳定性都达到了实际应用的要求。     

逐步回归分析方法在储层参数预测中的应用

目前,储层参数(孔隙度和渗透率等)分布规律和储层非均质性研究是油气藏描述的核心,储层参数是油层评价的重要依据,储层参数预测在油气勘探开发中具有重要意义。文中通过采用某一个点的测井曲线或地震数据推测出该点的孔隙度或渗透率,基于多种测井信息的多元线性回归方法已成为储层孔隙度定量预测的主要方法,多元逐步回归分析方法的理论正好适用于这种实际问题。它是利用通过特殊仪器测量的测井曲线数据参数与岩芯属性参数(例如孔隙度),建立测井曲线数据参数与多个岩芯属性参数之间的线性关系,这种方法比较简单实用。因此文中采用逐步回归分析方法作为预测方法,重点介绍了回归分析中的逐步回归的基本思想以及具体计算步骤。最后,提出油气勘探中预测孔隙度的问题,并用逐步回归分析优化回归方程并用此方程预测岩芯属性参数。研究表明,该方法预测精度高,方法稳定有效,逐步回归较好的解决了部分测井勘探的实际问题,基于多种测井信息的多元线性回归方法已成为储层孔隙度定量预测的主要方法,该方法可以把非线性问题转化为线性问题,大大减少了技术上的难题。     

用逐步回归法预测脂肪醇的-lgSw和lgKow

运用逐步回归方法，采用分子描述码对脂肪醇的溶解度和辛醇／水分配系数进行预测，相关系数在0．99以上。结果表明，该方法能够用于预测有机物物性．     

多元回归分析在煤自燃预测中的应用

通过对不同煤样中决定自燃的成分进行工业分析,以及实验测得的自然发火期,运用多元回归分析的数学模型,建立了最短自然发火期预测回归方程,并对方程及其系数的显著性作了检验,进行了残差分析.通过此数学模型能直观的反映煤层自燃性与煤的灰分、挥发分、硫分和氧含量对煤层自燃发火期的影响关系,可定性用于煤自然发火期的预测.     

基于SVR的非线性时间序列预测方法应用综述

基于支持向量回归(Support Vector Regression,简称SVR)的非线性时间序列预测是智能预测的重要前沿课题,在许多领域有着非常广泛的应用前景。文章介绍了SVR基本理论和方法,从金融、电力、交通、旅游等领域的典型应用对基于SVR的非线性时间序列预测进行了综述,分析了目前SVR在核函数、自由参数选择和输入数据处理方面存在的问题及其在应用领域进一步研究的方向。     

预测参数的选择与建筑物逐时冷负荷的预测

利用逐步回归分析进行了预测参数的选择和建筑物逐时冷负荷的预测,并将其与采用相同数据集的神经网络(ANN)的冷负荷预测结果进行了对比分析。     

数值预报产品的误差订正方法

提出了一种基于统计学的数值预报产品误差订正的新方法,该方法根据模式前几个预报时次的误差计算出后面预报时次的误差,通过订正进一步提高了数值预报产品的精度,从而使其能够在日常天气预报中起到更好的作用.为了验证该方法的订正效果,设计了基于T213数值预报产品的订正方案并进行了试验.结果表明,订正方案稳定可靠,订正效果显著,明显减小了各时次的预报误差.另外,该订正方法计算量小,对计算机设备要求不高,便于在各级气象台站推广使用.     

逐步回归时间序列和RBF-ANN在降水预测中的应用

将逐步回归融入到时间序列预测模型的建立中,摒弃了传统的“考虑所有变量”模式,利用“有进有出”的形式,分清各因子主次关系,仅选用影响显著的变量建立预测方程。径向基函数人工神经网络(RBF-ANN)属于局部逼近网络,准确度高。以桦甸市五道沟站的月降水量和月蒸发量为例,分别用传统、逐步回归时间序列分析和RBF-ANN建立降水预测模型,并对比其精度。结果表明：传统、逐步回归时间序列及RBF-ANN模型的后验差比值分别为0.315、0.272、0.284,平均绝对误差分别为18.37、15.65、13.82 mm,有效系数分别为0.87、0.94、0.93,精度均满足要求,最后用逐步回归时间序列法预测了未来5年的月降水量和月蒸发量。     

基于多元回归分析的瓦斯灾害预测

为了解决瓦斯灾害给煤矿带来的安全生产问题。以多元线性回归方法为基础,通过对铁法大刑矿4_(-2)煤层含煤岩系的沉积环境,岩性组合特征,煤层顶、底板岩性及其隔气、透气性能、煤的变质程度、区域地质构造、水文地质条件、火成岩的侵入与覆盖作用、以及煤层埋藏深度影响因素进行分析,对未采区煤层瓦斯涌出量进行预测。研究结果表明,矿井开采煤层瓦斯突出危险区域主要为煤层瓦斯含量较大的地质构造与火成岩体破坏相组合的块段。该成果对大兴矿的安全生产具有重要的现实意义。     

主分量逐步回归在气温预测中的应用

以广东省冬季气温场为预报场,前一年的北太平洋海温场和北半球500 hPa高度场为因子场,分别对它们作标准化处理,然后进行主分量分析,得到主分量矩阵。通过相关分析和逐步回归,求得预报场的主分量与因子场的主分量之间的关系,对预报场的标准化主分量进行反算,得到原始场的拟合和预报。结果显示,广东省冬季气温场前4个主分量(对总方差的累积贡献达到97.5%)的预报方程都通过显著性检验,其方程复相关系数基本在0.9以上。对广东省48个代表站2001-2003年冬季气温进行预测检验,大部分预测结果的残余标准差比同期的样本标准差低,同时回归方程的预报误差略低于实际业务预报误差,因而回归方程对实际天气预报业务工作有一定的参考意义。     

一种基于支持向量回归方法在RoboCup中的应用

对RoboCup中截球问题引入了支持向量回归方法,通过采集样本训练预测模型来预测Agent成功截到球时球运动过的距离。为了达到更好的预测效果,对此模型的参数选择问题进行了相应的研究,最后将此预测模型与广义回归神经网络等传统方法相比较,结果表明,在截球距离的预测精度方面要优于传统的广义回归神经网络。