SARS疫情预测预报中的分段非线性回归方法

介绍了几种对累计SARS疫情预测预报中的非线性增长曲线模型，说明了Richards增长曲线在这次SARS疫情预测预报中合理性和可行性，由此建立了累计SARS疫情预测预报中的非线性回归点模型。并具体对北京SARS疫情进行了跟踪预测预报，包括整体和分时间段的预测预报，获得了北京SARS疫情随时间的预测预报结果，说明了北京4月底的一系列控制措施对北京SARS疫情所带来的影响，为进一步的后续研究打下了良好基础。     

SARS预测的SI模型和分段SI模型

介绍及建立了对SARS(Severe acute respiratory syndrome)临床诊断累计病例预测的非线性增长模型：SI(Susceptible and infective)模型和分段SI模型，并对北京SARS累计病例进行了预测。分段SI模型转变点的95％的置信区间在4月21日、22日和23日内，表明我国政府采取了有力措施后，4月24日以后，SARS病例的增长率发生显著变化。     

非线性回归模型在边坡变形监测中的应用

为了对边坡变形进行准确预测,本文在线性回归模型的基础上,结合边坡变形实际监测数据,提出了一种边坡变形预报的非线性模型。文章根据最小二乘原理,采用线性逼近的方法对非线性模型的参数进行求解,并比较了3种不同非线性模型的回归精度。实验分析表明:非线性回归模型中的Weibull模型能精确预报边坡变形,可为今后高精度边坡变形预报提供参考。     

SARS疫情控制的模拟分析

应用系统动力学模型，定量地分析“早发现、早隔离、早治疗”措施，对于控制SARS疾病扩散与传播的重要性。结果表明，“得病后入院时间”与“隔离措施强度”对于SARS疫情态势发展，具有很大的敏感性与相关性，其中得病后的患者几时去医院治疗，对于疫情的控制具有更重要的意义。同时应用动力学模型，对北京的SARS疫情进行分时间段的模拟与SARS实施控制因素影响分析，结果表明，2003—04—20以后一段时间内实行的各种控制措施，以及5月1日—5月5日的长假对于北京SARS疫情的控制是非常有效的；而4月27日左右北京市社会上未得到有效控制的SARS病人数达到高峰，是最危险的时期。5月20日以后，北京的SARS疫情基本保持在低发的平台期，但是如出现较多的外来SARS病例输入，而内部隔离强度又减弱、社交活动增加等情况下，北京SARS疫情可能会有一定程度的波动与反弹。     

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。     

SARS疫情控制的模拟分析

应用系统动力学模型，定量地分析“早发现、早隔离、早治疗”措施，对于控制SARS疾病扩散与传播的重要性。结果表明，“得病后入院时间”与“隔离措施强度”对于SARS疫情态势发展，具有很大的敏感性与相关性，其中得病后的患者几时去医院治疗，对于疫情的控制具有更重要的意义。同时应用动力学模型，对北京的SARS疫情进行分时间段的模拟与SARS实施控制因素影响分析，结果表明，2003—04—20以后一段时间内实行的各种控制措施，以及5月1日—5月5日的长假对于北京SARS疫情的控制是非常有效的；而4月27日左右北京市社     

基于EMD-NAR神经网络的大坝变形预测

为了使大坝变形的预测精度更高,针对大坝形变量的时间序列中存在着非平稳和非线性等曲线特性,使用一种经验模态分解(EMD)和非线性自回归动态神经网络(NAR)相结合的EMD-NAR模型对大坝形变时间序列进行预测。以某大坝实测的时间序列数据为算例,分别使用BP模型、NAR模型和EMD-NAR模型进行实验对比,结果表明,BP、NAR、EMD-NAR模型预测的均方根误差(RMSE)分别为0.9449,0.6993,0.4678;模型预测的平均相对误差(MRE)分别为0.1492,0.1065和0.0688,从三种模型预测结果对比可知,组合的EMD-NAR模型预测精度最高且稳定性最好,为时间序列的大坝形变预测提供一种新的参考思路。     

地理空间信息与SARS疫情走势

简要综述“SARS疫情态势分析”课题组如何组织网络空间信息系统、模拟地理环境、统计数学等学科的专家,用“二尺度时空模型”和自主研制的SARS网络地理信息系统对全国及城市SARS中、长期疫情发展的时空态势分析与预测,并及时公布全国SARS疫情分布状况的研究工作。     

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.     

基于时间序列的鄱阳湖水位分析与预测

以鄱阳湖外洲水文站为研究对象,主要介绍了水位与水流量的曲线模型以及自回归模型,选择短周期的水位和水流量数据,采用Matlab拟合最优的水位与水流量的曲线模型,剔除水流量对水位的影响,采用自回归模型并基于最小二乘原理对其剩余量进行拟合及预测。结果显示,曲线模型+自回归模型的拟合和预测效果明显优于单一的曲线模型和自回归模型,用后验差法检验显示预测精度等级为好,因此,该模型可对鄱阳湖外洲站水位进行短期预报。     

中国内地人口流动空间规律研究及其在SARS控制宏观决策中的应用

利用地理信息系统技术对中国内地人口流动空间规律进行了初步研究，主要包括：(1)内地城市人口迁移规律，(2)流入北京、广东两地民工流动状况的空间分析，(3)在北京SARS发生期间民工回流的态势等；SARS沿交通线分布特点。在此基础上，将人口流动的空间规律应用于SARS控制宏观决策的不同阶段，为决策者提供参考依据。     

中国内地人口流动空间规律研究及其在SARS控制宏观决策中的应用

利用地理信息系统技术对中国内地人口流动空间规律进行了初步研究，主要包括：(1)内地城市人口迁移规律，(2)流入北京、广东两地民工流动状况的空间分析，(3)在北京SARS发生期间民工回流的态势等；SARS沿交通线分布特点。在此基础上，将人口流动的空间规律应用于SARS控制宏观决策的不同阶段，为决策者提供参考依据。     

SARS沿交通线的“飞点”传播模型

2003年春SARS在中国部分地区暴发与蔓延,情况非常危急。全国集中力量对SARS病原学、实验室诊断和临床治疗以及传播模型、应急反应系统等展开研究。综观此次SARS的传播,除有以往流行性疾病传播的一些共同特点外,还有一个很明显的特点：远距离跳跃式传播。这是以往以及目前针对SARS建立的点源扩散模型无法单独解决的。因此提出建立沿交通线的“飞点”传播模型,以交通工具为一尺度,建立相对封闭的交通工具内的SARS传播模型,另以此为基础,建立沿交通线这一尺度上的有人员流动的空间传播模型,建立二尺度的“飞点”传播模型,模拟交通工具内SARS传播的主要影响因子,SARS疫区对非疫区疫情的影响效果,为SARS防治提供决策支持。     

SARS沿交通线的“飞点”传播模型

2003年春SARS在中国部分地区暴发与蔓延,情况非常危急。全国集中力量对SARS病原学、实验室诊断和临床治疗以及传播模型、应急反应系统等展开研究。综观此次SARS的传播,除有以往流行性疾病传播的一些共同特点外,还有一个很明显的特点：远距离跳跃式传播。这是以往以及目前针对SARS建立的点源扩散模型无法单独解决的。因此提出建立沿交通线的“飞点”传播模型,以交通工具为一尺度,建立相对封闭的交通工具内的SARS传播模型,另以此为基础,建立沿交通线这一尺度上的有人员流动的空间传播模型,建立二尺度的“飞点”传播模型     

前后缓和曲线长度不同时道路曲线的测设

本文导出了道路曲线中前半个曲线的缓和曲线长度与后半个曲线的缓和曲线长度不同时，曲线测设资料计算的新公式。     

Curve matching approaches to waveform classification: a case study using ICESat data

Light Detection and Ranging (LiDAR) waveforms are being increasingly used in many forest and urban applications, especially for ground feature classification. However, most studies relied on either discretizing waveforms to multiple returns or extracting shape metrics from waveforms. The direct use of the full waveform, which contains the most comprehensive and accurate information has been scarcely explored. We proposed to utilize the complete waveform to test its ability to differentiate between objects having distinct vertical structures using curve matching approaches. Two groups of curve matching approaches were developed by extending methods originally designed for pixel-based hyperspectral image classification and object-based high spatial image classification. The first group is based on measuring the curve similarity between an unknown waveform and a reference waveform, including curve root sum squared differential area (CRSSDA), curve angle mapper (CAM), and Kullback–Leibler (KL) divergence. The second group assesses the curve similarity between an unknown and reference cumulative distribution functions (CDFs) of their waveforms, including cumulative curve root sum squared differential area (CCRSSDA), cumulative curve angle mapper (CCAM), and Kolmogorov–Smirnov (KS) distance. When employed to classify open space, trees, and buildings using ICESat waveform data, KL provided the highest average classification accuracy (87%), closely followed by CCRSSDA and CCAM, and they all significantly outperformed KS, CRSSDA, and CAM based on 15 randomized sample sets.