多变量方程误差类系统的部分耦合迭代辨识方法

针对多变量方程误差滑动平均系统,利用最小二乘原理和迭代搜索原理,给出了增广随机梯度辨识方法、递推增广最小二乘辨识方法、梯度迭代辨识方法和最小二乘迭代辨识方法.针对多变量方程误差滑动平均系统和多变量方程误差自回归滑动平均系统,将多变量系统分解为一些子系统,利用耦合辨识概念,讨论了梯度迭代辨识方法、部分耦合（子系统）梯度迭代辨识方法、子系统最小二乘迭代方法和部分耦合子系统最小二乘迭代辨识方法.进一步结合数据滤波技术,研究了多变量方程误差自回归滑动平均系统的子系统梯度迭代辨识方法、部分耦合（子系统）梯度迭代辨识方法、部分耦合子系统最小二乘迭代辨识方法.文中给出了几个典型算法的计算步骤.     

使用遗传算法优化雷达测量降水Z-R关系

将遗传算法应用到雷达测量降水的Z-R关系参数优化问题中,通过引入改进的误差函数加入总降水量误差控制,对1998年6月28日~7月2日阜阳地区的两次降水过程进行了参数优化试验,并和常规的最小二乘法、最优化方法及M-P参数法进行了对比,试验结果表明:新方法在总降水量估测方面具有更高的准确性和更好的动态适应性。     

大方县近49a气温变化特征分析

利用1961—2009年大方县国家气象观测站49 a的逐年平均气温、平均最高与最低气温、极端最高与最低气温资料,应用最小二乘法拟合一元线性回归方程法,分析大方县49 a来气温的变化特征。结果表明,大方县年平均气温以0.1℃/10 a的线性趋势增加,极端最低气温增温幅度明显,其线性倾向率达0.5℃/10 a。     

日气温数据缺测的插补方法试验与误差分析

对缺测气象观测记录进行插补是建立连续气象数据集的基础.将孤立1日或数日缺测资料进行插补的线性回归模型法应用于连续缺测数月的逐日最高、最低和平均气温的插补,并进行了一系列改进,包括:(1)用滑动选优法确定邻近参考气象站站数和数据样本时间窗的最佳值;(2)在记录缺测站与邻近参考站之间建立逐日气温的线性回归模型,并选取以最小绝对误差(Least Absolute Deviation,LAD)为目标函数求取模型参数的方法,取代以最小均方根误差为目标函数的最小二乘法(Least Squares Estimate,LAD)求解模型参数的方法,可提高计算效率和参数的稳定性;(3)进一步提出将LAD法与DeGaetano标准化序列法插补结果平均的综合插补方法,以减少极端误差.通过对湖北蔡甸气象站1961-2006年插补试验表明:(1)以4个邻近站和年数为8年、日数为15天时间窗的样本资料建模进行插补误差达到最小;(2)逐日最高、最低和平均气温的平均绝对误差分别为0.32℃、0.45℃、0.28℃,误差在±0.8℃以内的频次分别占总数的94.1%、84.8%、96.1%,观测值与插补值月相关系数在0.886以上.插补与观测资料平均值和相关系数分别通过了显著水平为0.05和0.01的检验.     

线性回归模型的最小二乘法基本假设在Z-I关系拟合中的应用

由于z-I关系的非线性,线性回归模型中常规最小二乘法的一些基本假设在拟合过程中无法满足.研究表明使用不同的计算方法,同样的数据可能得到差异明显的A、b值.本文从常规最小二乘法基本假设入手,通过2006年大连地区两次降水过程的回波和雨量资料,对不同Z-I回归模型中关于误差项的物理意义、期望和方差进行比较,提出在Z-1拟合中采用加权最小二乘法.     

基于幅频分离的气候时间序列预测试验

从气候波动的瞬时频率与瞬时振幅出发,结合最小二乘支持向量机技术,提出了基于幅频分离技术的气候时间序列预测方法,并对南京地区降水距平进行了30候的预测试验。结果表明,幅频分离预测法能够对所有模态的振幅和高频模态的瞬时频率进行较好的预测,而预测的瞬时频率累积误差会对模态分量的预测距平相关性产生敏感影响,该新方法能够显著提高气候序列高频模态的预测效果。对于气候序列的低频模态分量,集合经验模态分解的边界效应会对瞬时频率的求解产生较大误差,使得序列边界区的幅角计算不准确,导致对低频模态的最终预测效果不理想。对气候序列的高频分量采用幅频分离并进行最小二乘支持向量机预测,而对其低频分量仅采用最小二乘支持向量机进行直接预测,可同时提高高、低频分量的预测效果,并最终提高整个气候序列的预测准确性。该分频预测方法可以使南京降水预测的30候距平相关保持在0.4以上。     

基于偏最小二乘回归的冬季北太平洋风暴轴指数的特征诊断

针对现有风暴轴指数分析大多采用相关分析等较为简单方法,难以对风暴轴指数变化有效诊断分析的问题,引入偏最小二乘回归(Partial Least Square Regression,PLS)的线性方法和核偏最小二乘回归方法(Kernel Partial Least Square Regression,KPLS),对冬季北太平洋风暴轴指数变化进行了特征诊断研究,并与传统的线性无偏最小二乘回归结果进行了试验比对。结果表明:偏最小二乘回归方法的诊断结果能够更好地反映风暴轴内部变化规律,并有效降低诊断误差。对于PNYI(北太平洋风暴轴纬度指数),采用r0. 2的因子筛选方案(r为因子与风暴轴指数的相关系数)并应用KPLS算法时,预测效果最佳;对于PNXI(北太平洋风暴轴经度指数)和PNII(北太平洋风暴轴强度指数),采用全因子方案并应用KPLS算法时,预测效果最佳。     

广东省降水的多尺度时空投影预测方法

采用多尺度时空投影(MSTP)预测思路建立广东月降水和季节降水预测方法。通过EOF分解、小波分析和Lanczos滤波方法进行周期分解, 采用MSTP方法进行预测。借鉴年际增量法, 对预报结果用最小二乘法进行误差订正, 得到降水预测结果。PS预测评分和均方根误差10年独立样本检验(2006—2015年)结果显示:订正后, PS预测评分起伏较小, 68.8%的月降水和季节降水PS预测评分明显提高的年份超过6年, 且有87.5%的月降水和季节降水PS预测平均分达到70以上; 在±0.5个标准差范围内, 订正后均方根误差在40%以上的概率分布明显高于订正前, 订正后的月和季节降水占81.3%, 订正前占31.3%;在±1个标准差范围内, 概率分布在70%以上的月季降水订正前后相差不多, 订正后占56.3%, 订正前占50%。     

输出误差系统的多新息辨识方法

研究了输出误差(OE)系统和输出误差自回归滑动平均(OEARMA)系统(即Box-Jenkins系统)的辅助模型随机梯度算法、辅助模型多新息随机梯度算法、辅助模型递推最小二乘算法、辅助模型多新息最小二乘算法,输出误差系统的修正辅助模型随机梯度算法、遗忘因子辅助模型随机梯度算法、变递推间隔辅助模型随机梯度算法、变递推间隔辅助模型多新息随机梯度算法、变递推间隔辅助模型递推最小二乘算法等,以及输出误差自回归(OEAR)系统的基于滤波的辅助模型多新息广义随机梯度算法和基于滤波的辅助模型多新息广义最小二乘算法.     

辨识方法的计算效率(3):信息向量耦合算法

简单讨论了行列式、矩阵逆和块矩阵逆的计算量;研究了信息向量耦合型多变量系统的子系统递推最小二乘辨识方法,给出了计算量小的联合递推最小二乘辨识算法;研究了部分信息向量耦合型多变量系统的子系统最小二乘辨识算法,提出了计算量小的基于块矩阵求逆的最小二乘辨识算法;给出了部分信息向量耦合型多变量系统的子系统递推最小二乘辨识算法,提出和推导了基于辨识模型分解的递推最小二乘辨识算法,并分别讨论了提出算法的计算量.     

类多变量方程误差类系统的递阶多新息辨识方法

根据递阶辨识原理,研究了类多变量方程误差系统和类多变量方程误差ARMA系统递阶随机梯度方法和递阶梯度迭代方法、递阶最小二乘方法和递阶最小二乘迭代方法.进一步利用多新息辨识理论,推导了递阶多新息梯度辨识方法和递阶多新息最小二乘辨识方法.为减小计算量,推导了基于滤波的类多变量方程误差ARMA系统递阶辨识方法和递阶多新息辨识方法.讨论了几个典型辨识算法的计算量,并给出了计算参数估计的步骤.     

黄山市暴雨强度公式的研制

利用黄山市屯溪气象站1987～2016年连续30a的降水观测资料,获得降水量统计样本;采用"年最大值法"进行资料选样,按照P—Ⅲ分布、耿贝尔分布和指数分布进行分布曲线拟合得到雨强—重现期—历时(i-P-t)三联表;采用最小二乘法、高斯牛顿法求解暴雨强度分公式和总公式参数,根据误差最小原则确定最优方法,得到黄山市暴雨强度公式。结果表明:耿贝尔分布和指数分布各降水历时下的相对均方根误差比P-Ⅲ分布较小;采用最小二乘法参数组合方法计算分公式和总公式误差比高斯牛顿法较小,精度满足国标要求,是目前较为合适的暴雨强度公式计算方法,推荐为最优的暴雨强度公式。     

吉林市暴雨强度公式推求和设计雨型

利用吉林市1961—2017年分钟降雨量数据,分别采用年最大值法和年多个样法选样,P-Ⅲ型、指数型和Gumbel分布拟合频率分布曲线,根据误差最小原则选择最佳取样及拟合方法,采用最小二乘法求解暴雨强度公式参数,并将新旧暴雨强度公式进行比较,再利用推求出的公式参数模拟吉林市短历时芝加哥雨型.结果表明:通过年最大值法选样和...     

辅助模型辨识方法(6):性能分析

辨识方法的性能分析是系统辨识领域的重要而困难的研究课题.新的辨识方法一诞生,就伴随着收敛性分析.辅助模型辨识是辨识的一个分支,辅助模型辨识方法已成为一大类辨识方法族,关于其收敛性也提出了许多课题.本文研究了输出误差系统辅助模型随机梯度算法、辅助模型递推最小二乘算法、辅助模型多新息随机梯度算法、变间隔辅助模型随机梯度算法和变间隔辅助模型递推最小二乘算法的一致收敛性,近似分析了Box-Jenkins系统辅助模型递推广义增广最小二乘算法的性能.     

LAPS雷达反射率拼图方法改进及静锥区填充方法研究

针对Local Analysis and Prediction System(LAPS)融合我国新一代多普勒雷达基数据时产生的资料空白问题,设计采用最大值和距离指数权重拼图方法来改进LAPS原有的最近邻居法,并且尝试通过最小二乘法来模拟静锥区的反射率值。试验结果表明,最大值法和距离指数权重法能够充分发挥多部雷达观测反射率的效能,有效地改善高仰角之间的资料空白现象,对静锥区也有一些的填补,特别是在对流层中层。最小二乘法拟合静锥区反射率试验取得了一定的效果,能够较好地拟合静锥区周围观测资料比较多的情况。该研究改善了LAPS同化国产多普勒雷达资料的能力,提高了多部雷达观测的利用效能,将会对LAPS分析产生积极的影响。     

研究气温变化趋势的新方法——三组耐抗线

针对气象资料难以满足高斯分布的情况,引进了具有耐抗性的三组耐抗线方法,分析了满足不同信度情况下最小二乘回归和三组耐抗线的差异,并用西藏近30 a气温资料进行了检验。结果表明三组耐抗线方法比最小二乘法研究气候变化趋势有明显优势;采用最小二乘法得到的西藏气候变暖估计偏高。     

ＡＯＤ炉炉温在线检测的研究与实现

针对ＡＯＤ红外副枪测温法中多种不确定背景辐射导致的发射率波动问题,提出了基于双色测温原理和黑体等温空腔理论的底枪测温法,稳定了铁水的发射率．应用基于最小二乘法的曲线回归实现红外测温设备的现场校准,完成温度补偿．通过在样炉上的精炼实验证明底枪测温系统具有较高的精度和可重复性,可以满足实际生产的要求．     

辅助模型辨识方法(1):自回归输出误差系统

研究了自回归输出误差(AR-OE)系统的辅助模型随机梯度算法、辅助模型多新息随机梯度算法、辅助模型递推最小二乘算法,自回归输出误差自回归滑动平均(AR-OEARMA)系统(即AR-Box-Jenkins系统)的辅助模型广义增广随机梯度算法、辅助模型多新息广义增广随机梯度算法、辅助模型递推广义增广最小二乘算法,以及AR-Box-Jenkins系统的基于滤波的辅助模型广义增广随机梯度算法、基于滤波的辅助模型多新息广义增广随机梯度算法、基于滤波的辅助模型递推广义增广最小二乘算法等.     

湖北省荆门市城区新一代暴雨强度公式的研制

利用湖北省荆门市气象站1974—2014年分钟降水数据,采用"年最大值法"进行资料选样,采用指数分布、耿贝尔分布和P-Ⅲ分布进行分布曲线拟合得到雨强一历时一重现期(i-t-T)三联表,采用最小二乘法、高斯牛顿法求解暴雨强度分公式和总公式参数,根据误差最小原则确定最优方法,并将新公式与现用公式计算所得雨强进行比较。结果指出:P-Ⅲ分布各降水历时下的相对均方根误差较小;采用P-Ⅲ分布、最小二乘法参数组合方法计算分公式和P-Ⅲ分布、高斯牛顿法参数组合方法计算总公式误差较小;新分公式和总公式较现用公式算出的对应雨强整体偏大。建议相关排水规划部门在设计地下管网时加大管径的设计。目前,该公式经荆门市政府同意已发布执行。     

方程误差系统的多新息辨识方法

多新息方法可以用于线性系统和非线性系统的自适应滤波、参数估计、自校正控制、自适应故障检测与诊断等.线性系统包括两种基本类型:方程误差类系统和输出误差类系统.本文将多新息辨识应用到方程误差滑动平均(EEMA)系统(即CARMA系统),研究多新息增广随机梯度算法和多新息增广最小二乘算法,应用到方程误差自回归滑动平均(EEARMA)系统(即CARARMA系统),提出基于分解的多新息广义增广随机梯度算法和基于分解的多新息广义增广最小二乘算法,以及基于滤波的多新息广义增广随机梯度算法和基于滤波的多新息广义增广最小二乘算法.