一种北斗卫星钟差短期预报组合方法

针对北斗卫星钟差预报研究较少的情况,基于灰色模型与BP神经网络模型,构建一种全新的组合预测模型. 该组合钟差预测模型通过最优权方法有效结合两种单一模型的优点,实现北斗钟差的短期预报. 最后,以北斗三种型号卫星所携带的原子钟数据为例,计算出每种单一模型的权重,通过构建最优权预报模型实现了钟差的短期预报,预报结果优于两种单一模型,证明了该组合预报模型在钟差短期预测方面有效性与适用性.      

最小二乘支持向量机回归的卫星钟差非线性组合预报

针对应用单一方法预报卫星钟差的局限性,文章提出了基于最小二乘支持向量机回归的卫星钟差非线性组合预报方法:首先根据历史钟差数据建立二次多项式模型和灰色模型,然后利用这些模型进行钟差预报,最后采用最小二乘支持向量机回归算法对两种模型的预报结果进行非线性组合,以获得最终预报值;对比了RBF核函数、线性核函数和多项式核函数对组合预报性能的影响,并将本文组合预报方法与经典权组合方法进行比较。结果表明,本文方法优于经典权法,且线性核函数更适合组合预报。     

一种改进Elman神经网络的电离层TEC预报方法

为了建立更高精度的电离层T EC预报模型,利用IGS数据中心提供的平静期与磁暴期电离层T EC原始序列,提出基于奇异谱分析法(SSA)与Elman神经网络结合的电离层T EC预报模型.实验结果表明,在电离层平静期T EC的预报精度上,SSA-Elman组合模型的精度更加稳定,预测残差值在2 T ECu以内;在电离层磁暴期T EC的预报上,SSA-Elman组合模型较单一Elman模型的预测精度有显著提升,预测值残差在3～4 TECu以内.通过对比分析,文中提出的组合模型方法有助于电离层T EC预报精度的提升.     

基于优化残差组合的北斗卫星短期钟差预报研究

为解决传统模型因使用卫星钟差一次差分序列而导致预报精度差的问题，进一步提升预报精度，提出一种优化残差组合对卫星钟差一次差分序列进行预报的方法.该方法首先根据北斗卫星钟差序列的特点，利用四分位法(IQR)代替中位数法对一次差分序列进行预处理，然后利用自回归滑动平均模型(ARMA)将经过预处理后的卫星钟差一次差分序列分成趋势项和残差随机项，接着利用极限学习机(ELM)模型对残差部分进行建模预测，最后将ARMA模型的预测结果和ELM神经网络的残差预测结果求和后进行差分还原.结果表明：当卫星钟差呈非线性时，组合模型的预报精度比传统模型提升了38.2%，在北斗卫星钟差短期预报中具有一定的可行性.     

一种组合最小二乘支持向量机的研究及其应用

将统计学习理论和LS-SVM用于变形分析预报,采用小生境遗传算法与交叉验证法相结合进行LS-SVM参数的选取,并用参数优选后的LS-SVM与混沌理论相结合对变形监测数据进行建模预测,并与BP和RBF两种神经网络的预测结果进行了比较分析。实例表明,基于组合LS-SVM的变形数据预报模型具有良好的效果。     

顾及不确定性影响的变形概率预报法

针对变形预报的不确定性,以MCMC算法和贝叶斯预测理论为基础,提出了变形概率预报方法,该方法以概率分布的形式描述变形预报的不确定性,通过概率规则实现预报的递推过程。利用宁杭高速路基沉降数据进行数值计算,定量分析了预报值及其可靠性区间等信息,并与最小二乘估计、免疫算法的预报结果进行比较,结果表明了该方法的有效性和可行性。     

融合混沌残差的大坝位移蛙跳式组合预报模型

针对大坝位移监控统计分析中拟合残差序列内蕴的混沌成分,以及传统算法在挖掘监测信息时的优势单一性,结合常规优化算法特点,运用蛙跳算法(shuffled frog leaping algorithm,SFLA)在确定子模型最优权重的基础上,建立了基于SFLA的大坝位移组合预报模型。考虑到统计分析中拟合残差序列的混沌特性,利用相空间重构及混沌理论对位移残差序列值进行分析与预测,并将其残差预测项与SFLA组合模型预测值进行叠加,据此,提出了一种融合混沌残差的大坝位移蛙跳式组合预报方法,并研制了其考虑混沌残差的大坝位移蛙跳算法的实施程序。实例分析表明,所建立的模型与方法相对传统方法在拟合精度及收敛速度方面较优,其模型预报能力有明显提升,这也为其他水工建筑物安全监控模型中位移等效应量的预报分析提供了新方法。     

基于ARIMA与Holt-Winters组合模型的电离层TEC预报

分别采用时间序列中的求和自回归移动平均模型ARIMA(Autoregressive integrated moving average)模型和指数平滑模型Holt-Winters的加法模型,对IGS站发布的广西地区16个格网点进行短期的电子含量TEC预报。并利用组合权重的方法对两种模型组合进行TEC短期预报。分析比较不同季节各个模型的预测效果,以及电子含量的变化与太阳黑子数变化之间的联系。结果表明,组合模型的预测精度在各个季节都优于两种单一模型,不同季节,太阳黑子数的含量和电离层电子含量预测的精度也有较大差异。     

基于最优权组合方法的采矿区沉降预测

针对现有单一模型只能满足1个点预测的要求,缺乏采矿区整体下沉研究与精度评价的问题。本文利用组合预测的思想,以成熟的神经网络模型与非等间隔灰色模型为预测单模型,并以某矿区全倾向观测数据与半走向观测数据为基础,以最优权组合思想实现两种单模型的有效结合。采用概率积分法求参的方法验证工作面沉陷预测精度,采用预测值与实际值求参时所得结果相差指标在合理范围内,验证了最优权组合预测方法在矿区沉降预测中的可行性与适用性。     

改进的GM-AR组合模型在电离层TEC预报中的应用

电离层总电子含量(TEC)是影响GPS导航定位精度的重要因素之一。因此对于电离层总电子含量的研究及准确预测可以大大提高GPS的定位精度。由于灰色预测模型在理论上可以进行中长期预测,但实际应用中随着时间的推移,其预测精度会随之下降,为解决这一问题,对GM(1,1)模型进行改进,并将改进后的GM(1,1)模型与时间序列模型组合。利用改进的GM-AR模型进行TEC预报,预报的精度比两种方法单独预测的精度有较大提高,并应用实例证明该方法的可行性。     

遗传算子对径流预报神经网络模型的影响

采用均匀设计来安排遗传算子组合进行数值实验,研究了遗传算子对神经网络径流预报精度的影响。研究发现,输入模式对最终种群中个体的分布影响不明显,不同算子组合对其影响则明显得多。通过回归分析发现,采用不同算子组合优化神经网络初始权重径流预报精度差别较大,对未归一网络的优化效果较归一网络好,同时采用数据归一输入模式与遗传算法优化神经网络初始权重未产生叠加效果。     

基于熵权法的组合模型在滑坡变形预测中的应用

以趋势曲线预测模型中的多项式模型和指数模型为基础,基于熵权法建立组合预测模型,就其建模理论和计算流程进行系统分析,并对某滑坡体进行预测。结果表明,文中组合方法相对于其它组合方法而言,理论简单,能够有效地反映滑坡体的变化规律,且提高了拟合预测精度,在预测工作中具有一定的参考价值。     

组合模型在沉降预测中的应用研究

预测建筑物沉降的方法有多种,高精度预测才是关键。本文在利用灰色模型和泊松曲线模型进行预测结果的基础上,利用最小二乘法原理,建立加权组合预测模型与变权组合预测模型,求得相应规划模型的权系数,通过对预测结果进行分析比较,认为组合预测模型能提高预测的精度。     

半参数模型及其在形变分析中的应用

半参数回归模型L=Bx+s+ε是线性模型与非参数回归模型的混合体。本文采用自然样条逼近方法,探讨了自然样条半参数回归分析方法,同时将此方法运用到形变分析与预报数据处理中,结果表明是一种有效的方法。半参数回归效果要优于参数回归,多项式参数回归的残差平方和远大于参数回归。     

基于球谐函数模型的电离层预报

据球谐函数模型系数的特点,采用ARMA(p,q)模型对球谐函数模型系数进行预报,由球谐函数模型计算电离层VTEC。提出了针对某一时刻球谐系数进行预报的方法,相比传统按照时刻顺序的预报,预报时间大大延长,预报精度也有所提高。试验结果表明,相比中高纬度地区,低纬度地区预报精度偏低,同时,一天中不同时刻预报结果有所差别,前半天的预报效果明显好于后半天。     

基于灰色预测和神经网络的城市建设用地量预测

采用灰色预测和NARMA(p，q)递归网络模型预测相结合的方法，对城市建设用地量预测值进行神经网络组合预测，在杭州市的实际应用中得到了较好的结果。     

多元优化城市建设用地需求量预测模型

本文根据建设用地需求量与社会经济发展指标之间存在的内在关系,提出了基于多元优化组合的建设用地需求量预测模型。文中选择总人口、GDP、全社会固定资产投资、财政支出总额四项指标作为自变量、以年建设用地量作为因变量,基于单变量拟合方程对建设用地增量的精度贡献,构建多元非线性组合模型,并用土地利用效率变化修正系数修正模型结果,预测新增建设用地量。对未来建设用地需求量做出合理的预测,有利于政府部门关于土地的使用与规划,避免了有限土地资源的浪费[1]。     

基于时间序列分析的动态变形预测模型研究

提出了基于AR并将其推广到CAR模型对时间序列统一建模的新观点和方法，并以实例对动态模型与静态模型分别作了应用比较。结果表明，时间序列分析动态模型预测精度高，用途广泛。     

顾及电离层改正精度信息的高精度单频单点定位方法研究

提出了将电离层改正量作为虚拟观测值,参数估计随机模型顾及电离层改正量先验信息的高精度单频单点定位新方法,并推导出该方法的数学模型。实测数据解算定位结果表明,新方法能够实现中国高、中、低纬区域的无初始化高精度单频单点定位,其平面精度为0.1~0.2 m,高程精度为0.3~0.5 m。     

灰色动态组合模型及其在大坝变形预测中的应用

提出了先对序列进行平滑处理,再建立灰色动态组合模型,分析了实测数据的计算结果,实现了较高的预测精度。