非参数方法在干旱频率分析中的应用

运用非参数核密度估计方法研究干旱发生的联合概率、条件概率和重现期等干旱特征,以宁夏盐池站的月降水为例,应用单变量核概率密度函数估计干旱历时D的边缘分布,进行参数方法和非参数方法的拟合效果比较。在此基础上,采用双变量核概率密度函数估计方法构建了历时D与烈度S、历时D与峰值P的两变量联合概率分布,并计算了联合分布的重现期、条件概率与条件重现期。结果表明:与参数方法相比,非参数核密度估计方法能够描述干旱历时D、烈度S和峰值P两两之间的联合分布,是研究干旱频率的另一种新途径。     

基于非参数核密度估计模型的乌鲁木齐河月径流随机模拟

利用非参数核密度估计方法建立了乌鲁木齐河月径流随机模拟的NP模型。其中,通过以最小二乘交叉验证(LSCV)指标为目标的粒子群优化获取NP模型带宽参数;采用可变核带宽方法进行边界修正。使用1958~2010年间53a月径流数据,经过250组分组模拟进行实用性检验。最后,与使用SAMS2007所建立的季节自回归PAR模型进行了对比。结果表明:所建乌鲁木齐河月径流NP模型能较好保持原序列统计特性;与PAR模型相比,它具有参数少、计算简单的特点。     

灰色时序组合模型及其在矿井涌水量预测中的应用

本文应用灰色系统ＧＭ（１，１）模型拟合数据序列的趋势项，时间序列分析ＡＲＭＡ（ｐ，ｑ）模型拟合数据序列的随机项，得到了一种新的组合模型。论述了这种模型的数学原理及建模步骤。应用组合模型建立了山东某矿井月涌水量动态模型，研究结果表明，该模型的预测精度高，适合于具有灰色特征的地质数据的模拟、控制和预测。     

基于单颗粒受力的均匀推移质颗粒对流和扩散特征

为揭示均匀推移质颗粒对流和扩散特性的控制因素,建立了间歇郎之万方程模型。该模型可在单颗粒尺度充分考虑颗粒的受力特性,模拟颗粒随机、间歇运动过程。通过该模型引入不同的停时分布,对模拟的大量单颗粒运动过程进行统计,从而研究均匀颗粒在大的时空尺度上的对流和扩散特征。结果表明,对于均匀颗粒,受颗粒速度分布的窄尾性限制,即便单步步长是长尾分布,也不一定产生超扩散,扩散特性由停时分布的尾部特征决定,不同分布的停时可导致欠扩散、超扩散和正常扩散。进一步与已有的、复杂程度不同的随机模型进行对比,表明忽略单步时间将影响颗粒的扩散(二阶)特性,但不影响颗粒的对流(一阶)特性,类似地可以推广到更普遍规律,即所研究随机发生的统计矩阶数越高,需要的模型越复杂。     

ASD统计降尺度方法在中国东部季风区典型流域的适用性分析

ASD(Automated Statistical Downscaling)是一种基于回归分析的统计降尺度方法。应用ASD方法,选取东部季风区3个典型流域地面观测资料、ERA-40再分析资料,建立预报量与大气环流因子之间的统计关系,对日降水量和日平均、最高、最低气温进行模拟,并评价模型对不同流域不同变量的模拟效果,分析其适用性。结果表明,ASD模型能较好模拟出各地面变量的时间序列演变规律及空间分布特征,对气温变量的模拟效果优于降水变量。模型对水文气象特征各异的三个流域模拟效果均较好,同时有所差异,这与各流域不同的地理、气象因素有关。以上结果说明,ASD模型在东部季风区适用性较好,可应用于构建未来气候变化情景及为水文模拟提供输入资料等相关方面。     

基于WA、ANN和水文频率分析法相结合的中长期水文预报模型的研究

针对传统中长期水文预报方法模拟预测结果精度低、未考虑水文不确定性因素的影响等问题,本文将小波分析(WA),人工神经网络(ANN)和水文频率分析法联合使用,建立了不确定性中长期水文预报模型:即在应用WA揭示水文序列变化特性的基础上,将原序列分为主序列和随机序列两部分,然后利用ANN对主序列进行模拟预测,对随机序列进行水文频率分析,最后将两部分结果叠加作为最终预测值.将该模型用于黄河河口地区作中长期水文预报,并与传统方法作对比,进行模型验证.结果显示:该模型能同时揭示序列的时、频结构和变化特性;预报值结果精度高;且合格率高;能定量分析和描述水文不确定性因素对预报结果的影响,可得到不同频率对应水文序列的模拟预测值.因此该模型的预报结果更加合理有效,对实际生产应用更具有指导意义.     

非平稳年径流序列的随机模型

一、引言年径流序列随机模型是现代水资源系统分析的基础之一。如在系统分析中,通常是由此模型随机模拟(生成)出大量多种多样自然交替的序列(实际中还需要模拟更短时段的序列)作为系统的输入,根据系统特性和设计要求进行计算,得出相应的系统多种输出(如调节库容序列等),这显然比仅以一个特定的实测序列作为输     

基于马尔可夫链的多元指示地质统计模型

与传统基于交叉变差函数(cross variogram)的多元指示地质统计模型相比,基于马尔可夫链的多元指示地质统计模型采用转移概率(transition probability)来描述区域化变量的空间变化,可以很好地反映复杂空间的连续性,弥补了传统地质统计模型没有考虑地质体分布存在不对称性的缺陷,简化了各向异性的处理过程,且在建立模型的过程中,融入了地质类型分布的比例、平均长度和相互间的迁移转换趋势等地质统计信息,使建模过程更直观,更易于理解。用这种方法建立的模型在理论上有比较成熟的随机理论支持,在实际应用中能更准确地反映地质体的空间分布特征。由于该模型考虑了地质体空间分布的连续性、不对称性和各向异性等特征,因此将其用于模拟地下含水层的空间结构,可以真实反映实际含水层的空间分布,为进一步模拟地下水运动提供有力支持。     

沉积动力学三维多参数系统辩识模型的算法及其应用

本文较详细地介绍多变量时间序列模型方法在沉积动力学方面的应用.利用线性最小二乘回归算法确定系统辨识模型的未知参数矩阵.针对实际数据(河口数据)的模拟结果显示,这种方法是预测河口悬浮沉积浓度和沉积输运的合适方法.     

3维干旱变量联合概率分布研究

研究多变量干旱特性联合分布的推求方法。选择干旱历时、干旱烈度和烈度峰值为水文干旱特性变量。单变量的边际分布参数分别采用矩法、概率权重法、极大似然法和遗传算法进行计算和优化。应用检验、Kolmogorov-Smirnov等6种检验法进行单变量分布的拟合度检验。采用Pearson’s古典相关系数,Spearman秩相关系数,Kendall’s,Chi-Plots和K-Plots进行变量间的相依性度量。选择4种常用的3维Archimedean Copula函数进行干旱特性变量联合分布拟合。根据RMSE、AIC和BIC准则选择最优copula。在此基础上,采用基于Rosenblatt变换的Bootstrap法进行3维copula的拟合度检验。模型应用于渭河流域北洛河状头站径流序列,结果表明:Gumbel-Hougaard copula拟合效果最好,可以描述洛河状头站3维干旱变量的联合分布。     

国外大地电磁响应函数估计方法

从本质上来说,能否得到大地电磁响应函数的无偏估计,取决于实测电磁场时间序列中所含噪声的类型和强度。当磁场时间序列不含噪声且电场仅含不相关噪声时,单站ＲｏｂｕｓｔＬＳ方法是有效的;当磁场和电场时间序列同时含有不相关噪声时,Ｒｏｂｕｓｔ远参考方法也是有效的;但当磁场和电场时间序列含较强的相关噪声时,已有的方法已无能为力。文中在简要回顾大地电磁法的发展历史之后,对国外估计大地电磁响应函数的方法作了较全面的总结和评述,并着重介绍了几种值得关注的新方法。应该指出,受欢迎的方法必须兼顾估计的精度、稳定性和野外工作效率。     

滑坡位移时序预测的核函数构造

获得支持向量机(SVM)背景下滑坡位移时序准确预测的关键,是构造或选择一合适的核函数。通过分析滑坡位移时序曲线特征以及不同类型Mercer核的性质,从基于核函数上的封闭运算角度,构造出支持向量机背景下预测滑坡位移时序的最佳核函数。利用3组不同特征的滑坡位移时序,对构造出的核函数进行性能检验,数值实验表明：对于典型的3组滑坡时序,LPG与MPG核的学习性能要优于简单核,且前者适合复杂位移时序的回归预测,而后者更适合规律性较强的简单时序曲线的建模预测。此外,探讨了这两种核函数下的核参数取值对模型精度的影响。     

基于时间序列与混合核函数SA-SVR的滑坡位移预测模型研究

本文针对阶跃型滑坡变形定量预测困难,提出一种基于时间序列分解与混合核函数SA-SVR的滑坡位移预测模型.首先基于时间序列分解原理,反复使用指数平滑法将滑坡累积位移分解为趋势项位移和周期项位移,使分解后的趋势项位移较平滑且能保证周期项位移的预测精度.同时针对多项式预测容易过拟合造成预测值偏离真实值的问题,采用K-flod...     

Modelling shallow landslide susceptibility: a new approach in logistic regression by using favourability assessment

A new method for estimating shallow landslide susceptibility by combining Geographical Information System (GIS), nonparametric kernel density estimation and logistic regression is described. Specifically, a logistic regression is applied to predict the spatial distribution by estimating the probability of occurrence of a landslide in a 16 km² area. For this purpose, a GIS is employed to gather the relevant sample information connected with the landslides. The advantages of pre-processing the explanatory variables by nonparametric density estimation (for continuous variables) and a reclassification (for categorical/discrete ones) are discussed. The pre-processing leads to new explanatory variables, namely, some functions which measure the favourability of occurrence of a landslide. The resulting model correctly classifies 98.55% of the inventaried landslides and 89.80% of the landscape surface without instabilities. New data about recent shallow landslides were collected in order to validate the model, and 92.20% of them are also correctly classified. The results support the methodology and the extrapolation of the model to the whole study area (278 km²) in order to obtain susceptibility maps.     

Disaster prediction model based on support vector machine for regression and improved differential evolution

The kernel parameters setting of SVM influences prediction precision. The hybrid model based on SVM for regression and improved differential evolution is proposed to enhance the prediction precision. The improved differential evolution is used to optimize the kernel parameters. The improved differential evolution algorithm employs two trial vector generation strategies and two control parameter settings. The first-generation strategy is with best solution, and the second strategy is without best solution. Three categories of disasters time series including flood, drought and storm from Ministry of agriculture of China are used to verify the validity of the proposed model. Compared with the grid SVM and other models, the proposed hybrid model improves the prediction precision of SVM.     

基于ARMA模型的隧道位移时间序列分析

在新奥法隧道施工中,隧道位移监测对于评价围岩稳定性和支护结构合理性起重要作用。目前大都采用AR模型对隧道位移进行时间序列分析,避开了非线性估计,致使拟合精度和模型实用性较差。为此,介绍了具有较高预测精度和较好适用条件的ARMA模型及其常用参数估计方法,基于其参数非线性估计带来的不便性,提出一种ARMA模型参数估计近似线性方法,把残差用Taylor级数一阶展开,将非线性估计线性化,用线性最小二乘法估计参数最终值。用该方法对重庆市大足县南环二路南山隧道位移监测数据进行时间序列建模分析,预测与实测值吻合较好,证明了该方法的实用性。     

基于正交设计下SVM滑坡变形时序回归预测的超参数选择

超参数的选择直接影响着支持向量机（SVM）的泛化性能和回归效验,是确保SVM优秀性能的关键。针对超参数穷举搜索方法的难点,从试验设计的角度,提出了正交设计超参选择方法,并分析了基于混合核函数（比单一核函数具有更好的收敛性和模型适应性）SVM各个超参数的取值范围,选定了每个参数的试验水平。通过考虑参数间的正交性和交互性,选取最优超参数组合下的SVM模型。应用该方法,对两种典型滑坡位移时序的SVM建模进行了超参数组合正交优化设计,获得了精度高且泛化性能良好的滑坡预测模型,其试验结果验证了方法的可靠性。正交设计超参选择方法较之其他超参选择法简单实用,其高时效的特点更有助于SVM在实践工程中的良好应用。     

Fabric-diagram contour precision and size of counting element related to sample size by approximation theory methods

Density estimation on the unit sphere by kernel methods may be conceived as a process of approximation by singular integrals. This concept aids in the solution of the main problems concerning the contouring of fabric diagrams. The optimal size of the counting element in Schmidt's method with respect to the mean integrated square error (MISE)of the density estimation is given. It proved that the optimal size is not only a function of the sample size but seriously depends on the smoothness of the density of directions on the sphere. In the light of approximation theory the Schmidt method of contouring is qualified as a moving average process; an example of a more refined density estimator is given.     

基于混合核函数PSO-LSSVM的边坡变形预测

支持向量机（SVM）的核函数类型和超参数对边坡位移时序预测的精度有重要影响。鉴于局部核函数学习能力强、泛化性能弱,而全局核函数泛化性能强、学习能力弱的矛盾,通过综合两类核函数各自优点构造了基于全局多项式核和高斯核的混合核函数,并引入粒子群算法（PSO）对最小二乘支持向量机（LSSVM）超参数进行全局寻优,提出了边坡位移时序预测的混合核函数PSO-LSSVM模型。将模型应用于锦屏一级水电站左岸岩石高边坡变形预测分析,并与传统核函数支持向量机预测结果进行对比分析。结果表明,该模型较传统方法在预测精度上有了明显提高,预测结果科学可靠,在边坡位移时序预测中具有良好的实际应用价值。