线性加权回归模型的高原山地区域降水空间插值研究

在山地和高原区域,地形对降水影响比较显著。常规空间插值方法通常不考虑地形要素,插值精度有限。考虑到降水量与高程存在较强的相关关系,采用局部线性加权回归模型预测山地和高原区域的降水分布。推导了回归计算公式,并在ArcGIS 9.0中编程实现算法。选取美国德克萨斯州西北部地区进行局部线性加权回归空间插值,并与普通Kriging、倒距离加权法比较。误差分析表明:在地形复杂的地区,线性加权回归模型比传统方法有优势。     

自回归建模预测及其分析

自回归建模(简称AR)是一个变量的未来值用它的历史数据加权之和来表示。本文用三种时序列(均值、一阶差分、二阶差分)进行AR建模预测,择优录用最佳序列。文中对乾县、乌加河、易县等台站的倾斜仪资料进行了自回归建模预测分析,用AIC信息准则判定最佳模型阶数,其预测精度与[4]文方法相当,并有提高。文中对预测时段长度进行了探讨。用确定的预测限对1985年10月5日沙河驿5.3级地震作了预测检验,证实震前有明显的异常。     

基于时空Logistic回归模型的漳州城市扩展预测分析

本文提出一种以时空Logistic回归模型来预测城市扩展的新方法。其首先在传统Logistic回归模型中加入空间自相关结构构建空间Logistic回归模型,然后,利用漳州市区近20年(1989-2009年)的数据,建立不同时期城市扩展模拟的多个子空间Logistic回归模型M1,再采用一次平滑指数法综合处理这些时间序列...     

灰线性加权非等距GM(1,1)形变预测模型

结合加权非等距GM(1,1)模型与线性回归理论,构建灰线性加权非等距GM(1,1)预测模型,并给出对模型预测精度起决定性作用的灰指数v和参数m的优化方法。与加权非等距GM(1,1)模型和线性回归预测模型相比,灰线性加权非等距GM(1,1)预测模型的精度更高,预测有效时间更长,模型的稳定性更好。优化v和m后,灰线性加权非等距GM(1,1)预测模型的实用性、稳定性进一步提高。     

矿区地表沉降监测的一种组合模型预测方法

基于诱导有序加权平均（IOWA）算子,将差分整合移动平均自回归（ARIMA）模型和Holt-Winters指数平滑模型进行组合,采用SBAS-InSAR监测值进行矿区地表沉降预测,并与各单一模型的预测结果进行对比分析。结果表明,基于IOWA算子的组合模型的预测精度较单一模型有明显提升,其中各点均方误差（MSE）平均值为1.458 mm,平均绝对误差（MAE）为2.175 mm,可用于矿山地表沉降监测预测。     

基于EEMD-SARIMA的对流层延迟预测模型研究

在无气象数据的条件下，提出一种基于集合经验模态分解（EEMD）和季节性自回归移动平均模型（SARIMA）的对流层延迟（ZTD）预报新方法，并分别选取长春、上海、乌鲁木齐3个地区4个季节的ZTD数据进行预测分析。结果表明，基于EEMD-SARIMA的ZTD改正预报模型能够满足不同地区、不同季节下的ZTD估计需求，是一种高精度的ZTD预报方法。     

“等待时间”强余震预测方法的改进与应用——以尼泊尔地震为例

在对"等待时间法"进行残差结构分析的基础上提出基于加权最小二乘拟合的模型改进方法,并将其应用于尼泊尔地震的强余震预测。结果表明,由模型误差转换至时间误差具有ln10·Δt倍的缩放效果,选择主震后3d内的余震样本进行强余震预测结果较为可信。实际震例表明,加权最小二乘模型可以有效降低模型预测误差,缩小预测值置信区间,从而提高预测的实用性。     

地震趋势预测的一种新模型研究

 本文根据自激励门限自回归模型原理,对多年的地震活动形势进行了分析,建立了用于地震大形势分析的客观化数值预测模式-在线预测模型。根据1980年以来中国大陆实际发生的地震资料对这一模型的可靠性进行了检验。统计结果表明,利用在线预测模型在对未来地震趋势进行预测时,其年度形势特征量的最大误差为0.3,平均误差为0.12;因此该模型能够比较客观地反映地震形势变化的自然特征及规律,较好的预测未来的地震活动趋势。这一模型的建立为促进地震趋势向客观化、定量化预测方向发展,提供了一种科学途径     

非等距GM(1,1)模型在沉降预测中的应用探讨

针对非等距沉降数据序列的建模问题,探讨了3种非等距GM(1,1)模型在沉降预测中的应用。结果显示,加权非等距GM(1,1)模型不适用于具有近似指数趋势的沉降数据,灰线性加权非等距GM(1,1)模型并非真正的非等距模型,模型预测式与时间无关,不能用于沉降预测,而对于笔者所建立的非等距GM(1,1)模型,其拟合函数等同于灰色线性回归组合模型,可用于近似指数趋势的沉降数据。通过实例分析对比了3种非等距GM(1,1)模型的应用效果,验证了上述观点的正确性。     

一种加权Logistic-Richards组合模型的地表沉降预测方法

利用平移反幂法特征值求权方法,对两种地表沉降预测模型(Logistic模型和Richards模型)进行加权组合。以深圳地铁人民南车站、鹿丹村车站和长沙地铁东四线车站为例,运用新的加权Logistic-Richards组合模型对地铁施工期间地表沉降进行拟合和预测,对比验证了该组合模型的优越性。     

基于灰色关联和相关向量机的隧道地表沉降预测

基于灰色关联算法确定与地表沉降有直接重要关联的主要影响因子,构建高斯核函数和多项式核函数的加权核函数,利用遗传算法优化模型参数,建立相关向量机地表沉降预测模型。实验结果表明,灰色关联算法能定量地反映系统影响因子与地表沉降变化的关联程度,有效处理不是完全明确的灰色系统信息;加权核函数的合理组合可较好地通过低维空间线性不可分映射变换到高维特征空间线性可分;遗传算法具有计算过程简单和自适应迭代寻优特点;相关向量机模型可极大地减少核函数的计算量,计算过程和结果均具有概率解释。该模型预测结果的多项精度指标值均优于BP神经网络和GR-SVM方法。     

Damage localization of marine risers using time series of vibration signals

Based on dynamic response signals a damage detection algorithm is developed for marine risers. Damage detection methods based on numerous modal properties have encountered issues in the researches in offshore oil community. For example, significant increase in structure mass due to marine plant/animal growth and changes in modal properties by equipment noise are not the result of damage for riser structures. In an attempt to eliminate the need to determine modal parameters, a data-based method is developed. The implementation of the method requires that vibration data are first standardized to remove the influence of different loading conditions and the autoregressive moving average (ARMA) model is used to fit vibration response signals. In addition, a damage feature factor is introduced based on the autoregressive (AR) parameters. After that, the Euclidean distance between ARMA models is subtracted as a damage indicator for damage detection and localization and a top tensioned riser simulation model with different damage scenarios is analyzed using the proposed method with dynamic acceleration responses of a marine riser as sensor data. Finally, the influence of measured noise is analyzed. According to the damage localization results, the proposed method provides accurate damage locations of risers and is robust to overcome noise effect.     

���õ����Ȩ�صij���������RTK�ο�վ��ģ���Ƚ��㷽��

???????????????????????????????????????????????????????????????????????????RTK?ο?????????????????÷???????????λ???α????????α?????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????÷????????????????????RTK?ο????????????????????????20°????????????????????????????á?     

基于局部均值分解和相关向量机的变形预测

基于改进局部均值分解（LMD）及加权核函数相关向量机（RVM）算法，构建多尺度变形预测新方法。利用LMD将变形数据分解成多个具有物理意义的变形分量，并基于遗传算法优化的RVM对每个变形分量分别进行预测。将各变形分量预测结果进行叠加，最终建立多尺度变形预测方法，并应用于大坝变形预测。实验结果表明，改进LMD-RVM方法的多个精度指标均优于BP神经网络方法、RVM方法和改进EMD-RVM方法，证实了新方法的有效性及可靠性。
     

���캯��ģ�Ͳ������Ƶ���Ϣ�ؼ�Ȩ�ع鷨

???????????????????????????????????У???????????????????????и????????????????????????μ???????????顣????????????÷????????????????????????????????????????????????????????????Ч???????     

沉降观测AR模型的不确定性平差算法

在沉降观测过程中,获取的数据经常存在着不确定性,影响参数估计的可靠性和沉降预测的准确性。把不确定度作为参数融入AR模型,建立基于AR模型的不确定性平差模型。依据残差中不确定性传播规律,利用min-max估计准则,使得残差中的最大不确定度达到最小,从一个新的角度探讨不确定性观测数据的处理方法,得到基于不确定性算法的AR模型,扩展了现有误差理论。通过沉降实例进一步验证算法的优越性。     

����ƽ��ϵͳģ�����İ������������

????????????У????????????д???????????????????????????????????????????????????????????????????e??????????С????????????????????????????????R??????????????????????????????????????????????????????????????????С??????????????б?????????????????????????Ч??????????????д?????????????н?????????????     

基于熵权-IOWGA算子的变权组合预测新方法

针对熵权法组合权重分配固定不变的问题,提出一种基于IOWGA算子的权重分配方法,建立基于熵权-IOWGA算子的变权组合模型。该方法以各单一模型的预测精度作为诱导值,按每一期诱导值的大小对单一模型进行有序赋权,并将其应用到变形数据分析中。实验表明,该方法赋权过程合理,模型预测精度更高,更加适用于变形分析预测过程。