基于地价监测信息的地价预测模型研究

实现对地价的全面监测、分析和预测,有助于城市基准地价的快速更新和政府对土地资源的宏观控制。过去的地价预警预报模型研究主要存在两点不足：一是没有建立科学完善的数学模型,也没有用多种数学模型相互验证预测结论;二是没有充分利用现有的信息,如地价监测体系的信息,致使预测地价水平与城市实际地价水平、预测走势与实际变化有偏差。该文利用地价监测体系的信息,建立马尔可夫链地价预测模型,并与时间序列模型、空间分布预测模型的预测结果相比较。马尔可夫链地价预测模型是概率分布式预测模型,适用于对地价变化进行科学的概率预测,预测结果与实际情况吻合较好。     

地下水资源评价中降水量的时间序列--马尔可夫模型

降水量的预报精度对以其为直接或间接补给源的地下水资源评价具有重要的影响，将时间序列方法与随机过程离散状态的马尔可夫链理论相结合，提出了时间序列－马尔可夫模型以预报大气降水量，模型根据降水序列的特征，采用一维非平衡时间序列模型进行预测，预测结果总体效果较好，但峰值点处误差较大，为了提高模型对波动性较大随机变量的预报精度，利用随机过程马尔可夫概率状态转移矩阵预报方法对其预测值进行二次拟合，实例计算表明，时间序列－马尔可夫模型预报效果良好，预报精度明显高于单一的时间序列模型精度，该结果拓宽了时间序列预报模型的应用范围，且对以大气降水为最终补给源的地下水资源评价具有重要的实用价值及理论意义。     

宁夏本地化WRF辐射预报订正及光伏发电功率预测方法初探

为了开展西北地区宁夏太阳能光伏发电气象预报服务,基于本地化WRF模式产品及当地光伏电站提供的发电功率资料,提出了EOF分析结合MOS预报的技术方法,进行模式辐射预报的统计订正研究,建立逐时光伏发电功率预测模型,得到较为理想的结果。通过EOF-MOS方法进行辐射预报订正,可使辐照度平均绝对百分比误差（MAPE）由原来24%左右降低到15%左右,模型预测发电功率MAPE稳定在22%左右。尤其是对于转折性天气趋势把握,具有较高的参考价值。     

BP神经网络模型在伏旱预测中的应用——以河西走廊为例

利用河西走廊伏旱和伏期降水资料序列,张掖观象台的地面气温、降水、探空等气象资料,以及国家气候中心提供的74个环流因子,借助BP神经网络可以逼近任意非线性函数的能力和特点,构建了一个用于预测伏旱和伏期降水的模型,并对模型的预报效果进行验证。结果表明:BP神经网络模型能够对伏期干旱进行有效地预测,该预测模型对伏旱和伏期降水有比较理想的预报效果,伏旱预报历史拟合率高达97.6%、模型试报准确率为84.6%,伏期降水预测历史拟合率高达97.6%、模型试报准确率为76.9%,其性能指标符合实际要求,具有很好的实际应用价值。     

GM（1，1）优化模型在滑坡预测预报中的应用

灰色模型在社会科学、自然科学的许多方面已得到广泛的应用，并取得了一系列重大成果。在斜坡(滑坡)地质灾害研究方面，灰色模型多用于斜坡(滑坡)变形的中长期预测预报，且精度较高；但对滑坡短临预测预报精度较差，甚至不能适用，有待改进。滑坡变形预测预报的实际算例表明，以优化灰色模型背景值为基础的优化GM(1，1)模型。具有对建模结果进行优化的能力，即能用于斜坡变形的中长期预测预报，又能适于滑坡短临预测预报。且都能获得较高的模拟和预测精度。应用传统线性GM(1，1)模型和非线性Verhulst模型进行对比分析，检验了优化GM(1，1)模型的正确性和较广泛的适用性。     

我国气候异常直接经济损失预测模型

为加强防灾减灾的预评估,建立了气候异常直接经济损失统计预测模型.模型由时间序列趋势项T(t)、气候异常影响项P(t)和随机波动项S(t)构成,在用统计资料进行模型参数估计的基础上,模拟预测了1989～1999年直接经济损失,模型整体拟合效果良好(R2=O.9847,F=150.45).分别选取不同的SAAO/GDPPI比值,用模型对2000年气候异常直接经济损失进行预测,预测值均比1999年有所增加.模型预测结果显示,增加农业和减灾投入强度SAAO/GDPPI,可以大幅度减少气候异常直接经济损失.     

旅游客源预测模型及其对比

以中国1978--2001年入境客源为例,定量分析线性回归模型、移动平均预测模型、指数平滑模型以及灰色预测模型的应用及其差异问题,得出以下结论：1)对于21a、8a．5a序列客源数据,线性回归预测模型的绝对误差最大;2)随着序列数据从21a向8a、5a变化,指数平滑模型绝对误差整体相对变大,而灰色模型绝对误差整体相对变小;3)在进行我国入境客源预测时,如果序列较长(8a或以上),可选择指数平滑预测模型,如果序列较短(4～7a),可选择灰色预测模型,这样预测结果精度相对较高。     

门限自回归与随机函数典型分解相耦合模型的方法及应用研究

为同时考虑水文要素年际变化和年内变化的统计规律,可利用已经出现的实侧数值所提供的信息对原有预测结果进行一定的修正。本文把时间序列分析与随机函数典型分解方法相耦合,对黄河上游龙羊峡水库融雪期迳流预报作了尝试,效果良好。     

基于土壤水分和气象要素的林火预报研究——以广东省为例

基于国内现行的森林火险气象指数和单因子火险贡献度模型,以及逻辑回归模型和随机森林模型,在林火预报中引入微波遥感土壤水分信息,使用MCD14DL火点数据集和地面气象观测资料对广东省不同时间尺度的林火发生概率进行预测。结果表明：逻辑回归模型和随机森林模型构建的林火预测模型显著优于现行的森林火险气象指数和单因子火险贡献度模型,预测精度提升约20%。其中,随机森林模型对林火频数的解释程度最高（两者相关系数为0.476）。此外,加入微波土壤水分信息后,相较原有的基于气象要素的林火预测模型,2种机器学习模型的预测精度均略有提升,体现了表层土壤水分信息在林火预报中的重要性。研究可为高效提取对地观测信息,以改进华南地区不同时间尺度的林火预报工作提供参考。     

西藏富锂盐湖-班戈错未来水位变化趋势预测

利用2016—2020年班戈错水位观测资料,采用ARIMA季节乘积模型、Winters线性模型及时间序列分解模型建立针对该湖的水位预测模型。通过对比时间序列分解模型在班戈错水位预测精度较高,运用时间序列分解模型对2022—2024年水位进行了预测,确定未来3年将会出现水位的明显升高,水位增幅达到0.97 m。研究结果能为LiCl矿的开采提供精度较高的水位预测,并通过水位监测来指导班戈错矿田建设。     

Research on Forest Phenology Prediction based on LSTM and GRU Model

Research on forest phenology is an important parameter related to climate and environmental changes. An optical camera was used as a near-earth remote sensing satellite device to obtain forest images, and the data of Green excess index (GEI) in the images were calculated, which was fitted with the seasonal variation curve of GEI data by double Logistic method and normalization method. LSTM and GRU deep learning models were introduced to train and test the GEI data. Moreover, the rationality and performance evaluation of the deep learning model were verified, and finally the model predicted the trend of GEI data in the next 60 days. Results showed: In the aspects of forest phenology training and prediction, GRU and LSTM models were verified by histograms and autocorrelation graphs, indicating that the distribution of predicted data was consistent with the trend of real data, LSTM and GRU model data were feasible and the model was stable. The differences of MSE, RMSE, MAE and MAPE between LSTM model and GRU model were 0.0014, 0.013, 0.008 and 5.26%, respectively. GRU had higher performance than LSTM. The prediction of LSTM and GRU models about GEI data for the next 60 days both showed a trend chart consistent with the change trend of GEI data in the first half of the year. GRU and LSTM were used to predict GEI data by deep learning model, and the response of LSTM and GRU deep learning models in forest phenology prediction was realized, and the performance of GRU was better than that of LSTM model. It could further reveal the growth and climate change of forest phenology in the future, and provide a theoretical basis for the application of forest phenology prediction.     

基于时变权重组合与贝叶斯修正的中长期径流预报

高精度的中长期径流预报信息是水资源规划管理与水利工程经济运行的重要基础支撑。论文在组合预报与误差修正2类径流预报后处理方法串联应用的技术框架下,考虑径流的高度非平稳与非线性等特征,提出了基于时变权重组合和贝叶斯修正的中长期径流预报方法。应用该方法开展了云南龙江水库年、月入库径流预报的实例研究,结果表明时变权重组合平衡了已建立的随机森林与支持向量机模型在建模期与检验期预报性能的差异,经贝叶斯修正后的预报精度接近或优于两阶段各自的最优单一模型。根据年径流预报结果判断水文年型的正确率达到77.2%,月预报径流的确定性系数超过0.90。因此,该方法在提升中长期径流预报精度方面具有积极效果。     

基于遥感和 GIS 的洮河流域面源污染流域尺度模拟及防治对策研究

基于遥感与GIS技术的研究进展，采集洮河流域高程数据、土地利用类型、土壤类型特性、气象数据等，在SWAT模型中模拟与面源污染有关的降水、地表径流、壤中流、下渗和蒸散发等水文过程，计算侵蚀量、总氮和总磷等面源污染负荷，研究洮河流域面源污染特征。结果表明：洮河流域多年平均侵蚀量为0.70×10⁸ t，多年平均总氮面源污染负荷为244.11 t，洮河流域多年平均总磷面源污染负荷为27.91 t，洮河流域1967—2017年多年平均侵蚀量、总氮面源污染、总磷面源污染负荷总体呈不明显的波动减少趋势，同时提出了改变土地利用方式、设置植被过滤带、坡改梯等面源污染防治对策及建议。     

人类活动对别拉洪河流域水文情势的影响研究

为了研究人类活动对水文情势的影响,以别拉洪河流域1957～2004年水文、气象数据为基础,详细分析了降水量、蒸发量及径流量等要素的变化特征;利用累积滤波法、Kendal秩次相关法、径流量年内分配的不均匀系数和径流量的变差系数对径流量的变化及其趋势进行了分析;利用降水-径流双累积曲线法和Mann-Kendall法对径流量序列进行了突变检验;定量研究了人类活动对径流量的影响。结果表明,1957～2004年别拉洪河流域年径流量显著减少,1966年年径流量发生减少突变;人类活动对年径流量减少总量的影响率大于60％,是导致该流域水文循环要素发生变化的主导因素,其次才是年降水量。     

基于随机森林的元胞自动机城市扩展模拟——以佛山市为例

本文提出一种基于随机森林的元胞自动机城市扩展(RF-CA)模型。通过在多个决策树的生成过程中分别对训练样本集和分裂节点的候选空间变量引入随机因素,提取城市扩展元胞自动机的转换规则。该模型便于并行构建,能在运算量没有显著增加的前提下提高预测的精度,对城市扩展中存在的随机因素有较强的容忍度。RF-CA模型可进行袋外误差估计,以快速获取模型参数;也可度量空间变量重要性,解释各空间变量在城市扩展中的作用。将该模型应用于佛山市1988-2012年的城市扩展模拟中,结果表明,与常用的逻辑回归模型相比,RF-CA模型进行模拟和预测分别能够提高1.7%和2.6%的精度,非常适用于复杂非线性特征的城市系统演变模型与扩展研究;通过对影响佛山市城市扩展的空间变量进行重要性度量,发现对佛山城市扩张模拟研究而言,距国道的距离与距城市中心的距离具有最重要的作用。     

气候变化和人类活动对信江流域径流影响模拟

以1960―1990年为基准期、1991―2005年为影响期,使用HSPF（Hydrological Simulation Program-Fortran）水文模型定量分析了影响期气候变化和人类活动对信江流域径流的影响及其各自的贡献率。结果表明：1）相对于1960―1990年,1991―1995、1996―2000年的年平均径流深分别增加了271.9和246.3 mm,2001―2005年的年平均径流深减少64.1 mm。其中,气候变化对径流的影响分量在65.6%~88.0%之间,人类活动对径流的影响分量在12.0%~34.4%之间。2）人类活动对极值流量有影响。在影响期,年最大7 d平均流量和最大15 d平均流量模拟值大于对应的实测极值流量。3）在气候变化因子中,流域降水量的增加,是引起20世纪90年代信江流域径流显著增大的主要原因,其次是蒸发量的下降;人类活动包括植树造林、城市化以及水利工程修建,是影响流域径流变化的次要原因。     

吉兰泰盐湖卤水化学动态变化的灰色—马尔科夫过程预测分析

卤水中的化学成分因受多种因素影响,使其在时间序列上的变化波动强烈而规律难循。灰色—马尔科夫过程预测是预测事物在时间序列上发展趋势的一种良好有效的统计分析手段,它将灰色系统预测法和马尔科夫过程预测法有效结合,既弥补了两种方法各自的缺点,又能充分考虑数据给予的信息,可以大大提高随机波动较大数据序列的预测精度。本文用灰色—马尔科夫过程预测法对吉兰泰盐湖卤水中几种主要离子浓度的变化进行了趋势分析,分析结果发现几种离子浓度的变化均有一定的规律性,而且这些离子在预测数据的变化规律同原始实测数据变化规律有很好的一致性。     

基于自组织模型的酒嘉玉地区城市化动态演变

根据耗散结构理论中的自组织建模原理,将人口区域之间的迁移耦合作用作为区域城市化模拟预测的影响因素纳入到预测模型中,从而对区域城市化的时空动态演变分异特征进行模拟,更有实际意义.在酒嘉玉三市历史人口及城市化数据的基础上,利用基于自组织模型的城市化动态演变模型,模拟过去50年及预测未来50年三市城市化的动态演变趋势,并对经济增长、资源开发、生态建设、交通区位、国家政策、人口迁移等因素在城市化中的作用进行分析,得出三市城市化水平动态演变差异的动因.研究认为,采用自组织模型模拟过去50年酒嘉玉三市城市化水平与实际城市化水平之间的偏离度不超过5%,可以依此进行未来50年三市城市化水平的预测.预测表明,三市至2050年总人口将达到107.4万人,城市化水平将达到72.56%,其中酒泉达到62.5%,嘉峪关达到88.62%,玉门达到66.6%.     

新疆气候与环境的过去,现在及未来情景

在分析近年来新疆地质时期与历史时期气候与环境研究方面大量的文献资料与成果,并对现代器测时期的气候变化问题进行讨论的基础上,利用综合分析法构画了新疆下世纪上半叶气候与环境的可能情景,认为新疆气候与环境初期于的晚白垩世,主要形成于第三三纪,至今总的干旱情并未改变。     

Identification of Suitable Hydrological Models for Streamflow Assessment in the Kangsabati River Basin,India, by Using Different Model Selection Scores

The increasing demand for water in developing countries, like India, requires efficient water management and resource allocation. This is crucial to accurately assess and predict hydrological processes such as streamflow, drought, and flood. However, simulations of these hydrologic processes from various hydrological models differ in their accuracy. By analyzing different characteristics of hydrological models, selection scores can be used to select the best model for the intended purpose based on their inherit strengths (i.e., some models are better for streamflow prediction). In this study, 13 different criteria were used for the model selection scores including temporal and spatial resolutions, and processes involved. Thereafter, based on different scores, we selected two different hydrological models for streamflow prediction in the Kangsabati River Basin (KRB) in eastern India, namely (1) Génie Rural à 4 paramètres Journalier (GR4J), a conceptual model, and (2) Variable Infiltration Capacity (VIC), a semi-distributed model. The models were calibrated against the daily observed streamflow at upper KRB (Reservoir) and lower KRB (Mohanpur) from 2000 to 2006 and validated during the period from 2008 to 2010. Despite the differences in model structure and data used, both models simulated streamflow at a daily time scale with Nash–Sutcliffe coefficient of 0.71–0.82 for the VIC model and 0.63–0.71 for the GR4J. Due to the simpler structure, parsimonious nature, fewer parameters, and reasonable accuracy, the results suggest that a conceptual rainfall—runoff model like GR4J can be used in data-deficient conditions.