基于时间序列分析的工业控制以太网流量异常检测

为提高工业网络中异常流量的检测精度,提出了基于结构时间序列分析的流量异常检测方案,将工业以太网流量分解成不同组分,并辅以状态空间模型,将复杂的网络流量进行分层建模,从而有效提高了工业网络异常流量检测精度,降低了误报率.与传统的X-12结构时间序列分析法相比,其平均精度上升38%,所以本文方法对于异常检测系统的效率改善明显.     

长江螺山站水位流量绳套曲线关系预报研究

运用BP人工神经网络建立了长江螺山站水位流量绳套曲线关系预报模型.选取模型影响因子时,用上游站点及本站的前期水位、流量过程反映洪水涨落率、下游站点水位反映下游变动回水的顶托作用.为提高螺山站高流量时的预报精度,提出了以水位流量的变幅作为BP网络模型输入和输出的方法.多个算例的计算结果表明,模型影响因子选取合理,预报结果精度较高.采用变幅进行计算的方法能进一步提高预报精度,在洪水预报研究中具有推广应用价值.     

模糊时间序列模型在短期气候预测中的应用

将模糊时间序列模型引入短期气候预报,利用重庆34个地面气象观测站的逐日观测资料(1971—2007年)和重庆市旱涝灾害监测预警决策服务系统计算的干旱指数和洪涝指数等资料,运用模糊时间序列模型分别对2001—2007年重庆市城口县1月降水、1月平均气温的预报结果(年度预测)和重庆市春旱指数的预报结果(年度预测)进行了模糊时间序列分析,预测了2004—2007年的发展趋势,用2004—2007年实测值与预测结果进行了比较,并与加权集成、人工神经网络集成、数据挖掘集成等模型进行了精度比较和分析.结果表明:模糊时间序列模型各项精度评定指标优良,并且计算简单,具有一定的实用价值.     

中长期径流预报的时间尺度

为研究时间尺度在中长期水文预报中的影响,选取在实际运用中较成熟的预报模型——最近邻抽样回归模型对不同时间尺度的径流序列进行建模预报.通过对三峡水库1980-2012年的逐日平均入库流量,高场、汉口、大通3个水文站1980-2012年的逐日平均流量,进行时间聚集,分别得到对应的3d、周、旬、月、季、年的平均径流量.用所建模型对以上4个站点的6个不同时间尺度的径流量进行模拟预测,结果显示随着时间尺度的增加,模拟预测结果的相对误差并非单调递增或者递减,而是先变小,后变大.研究中长期水文预报中时间尺度给预报结果带来的影响,可为水文预报精度的提高开辟新思路.     

小波网络模型及其在日流量预测中的应用

基于小波分析和人工神经网络两者的优点,本文尝试将小波分析与ANN结合建立松散型WNN耦合模型,通过小波变换把南告水库的日流量序列分解成不同频段的子序列,再对这些子序列分别采用BP神经网络进行预测,最后利用小波重构得到整体的预测效果,并与传统BP模型结果相比较.研究结果表明,该方法提高了预报精度,可以成功地用于水文模拟和预测.     

河道洪水演进的分类多模型组合预报方法

为了提高河道洪水演进预报精度,同时发挥各类预报模型的优点,提出一种组合预报方法,根据实际流域情况和资料情况选择多种洪水演进预报模型,针对不同的流量级别,利用多目标模糊优选方法选出特定条件下预报较准的模型进行分类组合预报,然后根据流量级别隶属度对各类预报结果加以组合.并以嫩江流域为实例,对组合预报方法的精度进行了验证.     

神经网络模型在怀洪新河洪水预报中的应用

建立了基于神经网络的洪水预报模型.该模型根据历史洪水样本,将河道预测点上游参考点的水位、流量以及预测点的水位作为神经网络的输入,预测点的流量作为神经网络的输出.采用BP算法训练网络,并将训练成功的洪水预报神经网络模型分别按8,16,24 h等预见期对新胡洼闸、西坝口闸水位进行预报,取得了较高的预报精度,验证了模型的有效性.     

河川日径流预报的混沌神经网络模型

将混沌理论和神经网络相结合,建立了径流预报的混沌神经网络模型.利用混沌理论的相空间重构技术计算饱和嵌入维数,将其作为神经网络的输入层神经元个数;根据模型预测步长确定输出层神经元个数.对黄河干流三门峡站的日流量时间序列进行了模拟和预报,取到了较好的预报效果,为河川径流的预报工作提供了新方法.     

A Chaotic ANNs Model for Rivers Daily Runoff Forecast

将混沌理论和神经网络相结合,建立了径流预报的混沌神经网络模型.利用混沌理论的相空间重构技术计算饱和嵌入维数,将其作为神经网络的输入层神经元个数;根据模型预测步长确定输出层神经元个数.对黄河干流三门峡站的日流量时间序列进行了模拟和预报,取到了较好的预报效果,为河川径流的预报工作提供了新方法.     

一类洪水预报的非线性时序模型——指数自回归模型

作为雨洪系统的输出——洪水时间序列，它包含了系统中各种变量的过去信息，同时蕴含着大量关于系统演变的规律和趋势，这样的时间序列往往是不可逆的，非性线相依的偏态序列，并且存在着广泛的频幅相依特性。在进行洪水预报时，传统法多采用线性化技术，但预报精度并不理想，因此要提高预报精度，有必要考虑洪水的非线性特性。基于此，本文用指数自回归模型进行洪水预报研究，实例分析表明该模型可提高洪水预报精度。本文的尝试工作为洪水预报提供了一种可行的模型。     

松花湖沉积物Cd和Hg污染风险灰色预测

根据松花湖沉积物平均沉积速率,将松花湖沉积柱镉(Cd)和汞(Hg)元素质量分数实测数据进行线性插值,得到松花湖沉积物Cd和Hg质量分数变化的时间序列数据.运用灰色系统理论建模方法,采用1943-2006年时段数据,建立松花湖沉积物Cd和Hg质量分数演化的灰色GM(1,1)预测模型.残差检验、后验差检验和关联度检验均表明,该模型精度较高,可用于松花湖沉积物Cd和Hg质量分数中长期预测.由预测结果可知,松花湖沉积物Cd和Hg质量分数有逐年缓慢递增趋势,虽然在短期内不会出现明显的Cd或Hg污染;但如果不采取及时有效措施,控制Cd和Hg的污染源,松花湖沉积物将有Cd、Hg污染不断加剧的风险.     

基于灰色Verhulst的城市污水排放量预测模型

针对城市污水排放量数据序列特征,将灰色Verhulst模型的建模方法引入到城市污水排放量的预测中,并建立相应的预测模型.应用实例表明:该模型具有用较短的数据序列建立起预测精度较好的预测模型的优点.基于灰色Verhulst的城市污水排放量预测模型应用于城市污水排放量的中长期预测,可为城市环境规划提供决策参考.     

基于俞氏四参数模型的隧道拱顶沉降预测

为了地下隧道围岩的稳定和围岩的及时和有效的支护,基于5处隧道拱顶沉降的现场实测资料,对隧道拱顶的沉降-时间曲线进行了优化的拟合和沉降的预测.针对岩石隧道拱顶的沉降特性,选用了俞氏四参数曲线模型.结果表明,俞氏四参数模型对隧道拱顶的沉降-时间曲线有高的拟合精度,相关系数R为0.989 55～0.999 35,平均值为0.996 102;该模型拟合效果比双曲线模型要好,特别是在曲线的尾部;基于该模型的5处隧道拱顶沉降的预测值与实测值的相对误差绝对值的平均值为4.019 15%,对拟合曲线尾部3点来说是0.623 48%.结果表明,本文选用的俞氏四参数模型适应性强,它对沉降-时间曲线的拟合是较为可靠的,利用这些拟合方程式能对隧道拱顶沉降进行预测.     

基于灰色理论和神经网络的短期电力负荷预测

利用灰色理论中累加生成方法能够削弱负荷中随机成分的特点,以及人工神经网络可以逼近任意函数的能力,对具有任意变化规律的数据序列进行拟合和预测．实验结果表明,基于灰色理论和神经网络的最优组合模型的平均相对误差为1．307％,比BP神经网络预测和灰色理论模型预测的精度更高,具有明显优势．     

物流需求的动态预测方法

立足JIT(JustInTime)管理模式,以提高物流需求预测的准确性及实时性为目标,采用复合算法设计物流需求的动态预测方法.以扩展卡尔曼滤波和人工神经网络相结合的复合算法作为动态预测的基本方法,量化了日照、湿度、温度等影响物流需求的动态影响因素,并将这些因素纳入到预测过程.借助Swarm仿真,论证了在预测模型中纳入动态影响因素可以提高物流需求预测的准确性和实时性.与常规BP算法的预测误差相比较,显示出该复合预测算法具有较高的可靠性.     

基于多尺度小波分解和时间序列法的风电场风速预测

针对目前风电场风速预测精度较低的问题,提出一种基于多尺度小波分解和时间序列法的混合风速预测模型,通过小波分解将风速非平稳时间序列分解为不同尺度坐标上的平稳时间序列,然后把分解后的各层序列重构回原尺度,再应用自回归滑动平均模型对平稳时间序列进行预测,最后通过叠加合成得出原始风速序列的预测值。同时在验证时间序列模型有效性与模型选优过程中,采用基于贝叶斯理论的SBC定阶准则,改善了以往模型定阶准则的收敛特性。在算例分析中分别利用本文方法和常规预测法对实际风速分布特性进行预测分析,结果表明,本文方法对不平稳风速序列的预测具有更高的预测精度和更强的适应性。     

黑龙江凌汛最高水位及冰坝预报模型

根据黑龙江上游漠河、开库康等4站的多年水文观测资料,通过对凌汛最高水位及冰坝发生机理的研究,引进了流域最大释放水量、水位上涨加速度、冰盖相对强度等诸多因子,采用多种影响因子分析法建立了其预报模型.该模型准确率较高,物理成因概念明确,凌汛最高水位模型其精度都在90%左右.冰坝模型精度达到了80%.     

回归分析法在年用电量预测中的应用

针对年用电量的预测,研究了回归分析法中的一元线性回归模型．该模型充分考虑了年用电量与时间的关系, 以某地区为例,求出该地区1990年至2000年的用电量回归方程,再用该回归方程求得的年用电量与实际值加以比较,误差满足实际要求且方法简单易行,证明了一元线性回归可以有效的应用于年用电量预测．