河南夏季日最大电力负荷预测模型

利用2005—2009年河南逐日最大电力负荷和气象资料,分析了河南日最大电力负荷的变化特征及其与气象因子的关系。河南日最大电力负荷季节变化呈双峰型,最大的峰值出现在夏季,次峰值在冬季。夏季电力负荷与气温和炎热指数有密切的关系。用逐步回归方法,针对夏季(方案1,不区分工作日和休息日)以及周一至周日(方案2,区分工作日和休息日)分别建立日最大电力负荷预测模型,并对2010年夏季逐日最大电力负荷进行预测,两种预测方案对2010年夏季日最大电力负荷预测的平均相对误差均小于3%,相关系数均达到0.90,两方案在工作日预测结果都较好,但休息日预测误差相对较大。     

气象因子对夏季最大电力负荷的敏感性分析

利用2016—2018年武汉夏季(6—9月)逐15 min电力负荷以及同期逐日气象数据,分析最大电力负荷变化特征及与气象因子的相关关系。利用逐步回归和双隐含层BP神经网络算法,建立了武汉夏季最大电力负荷的预测模型。结果表明:平均温度、平均最高温度、平均最低温度与气象电力负荷存在显著的正相关,其次是日照时数。前1 d最大电力负荷与当日最大电力负荷的相关性最好,当日电力负荷对前1 d温度的平均和舒适度指数的变化最为敏感。以历史电力负荷和气象数据为联合预报因子,逐步回归和BP神经网络算法对武汉夏季最大电力负荷具有较好的模拟效果,尤其是对持续高温造成高位运行的最大负荷模拟。当敏感性在10%以内时,逐步回归算法中气象因子正的贡献要小于负的贡献,BP神经网络算法中气象因子正的贡献要高于负的贡献;当敏感性高于10%时,两种算法中气象因子均为正的贡献。     

天津市秋季典型环境污染过程个例分析

选择天津市秋季典型PM10污染过程2010年10月3—12日环境空气质量监测资料和常规气象资料、探空资料及NCEP资料,研究大气环境天气背景场、大气层结稳定度的特征及其对污染过程的影响。结果表明：高低空环流背景场与污染过程密切相关。在污染上升阶段,层结稳定度迅速增加,500 hPa高空处于槽前,地面在华北地形槽中,高低空风速辐合;在污染峰值阶段,层结稳定,逆温层加强,环流场稳定少变,地面风力微弱;在污染下降阶段,层结稳定程度骤降,地面冷锋和高空槽过境,降水出现,高低空偏北风增大。同时,PM10污染过程与多项层结稳定度参数显著相关,与对流凝结高度单相关系数为0.84,因此,高低空环流背景场的配置和层结稳定度变化是PM10污染出现的主要原因。     

2003年广东省夏季的异常高温天气及气候背景

对2003年夏季广东省出现的异常高温天气时空分布特点及其异常的原因进行了分析，用小波分析研究了高温期的低频振荡，并用EOF和相关分析研究高温天气的气候特征及其气候背景。结果表明，2003年广东夏季的高温天气主要出现在7月初-8月中旬初。除雷州半岛以外的广东其余地区均出现异常高温，且高温日数大多比历年同期偏多1．2倍。高温天气具有明显的阶段性变化，存在60—80天左右的季节内振荡。影响高温天气的主要系统为副热带高压，当菲律宾附近同时有热带气旋活动时，有利于广东出现异常的高温天气。2003年7月乌拉尔山以西和鄂霍次克海附近地区异常偏强的阻塞高压及前冬太平洋海温距平呈厄尔尼诺的分布型，有利于西北太平洋副高异常偏强，位置偏南，持久控制江南到华南。广东高温天气始于5月，结束于10月，主要发生在7-8月份，具有相当的同步性。从1960年代起，高温天气主要发生在1960年代初、1980年代末到1990年代初、1990年代末至今。     

新疆农业区电力负荷与天气的关系

用2005--2006年新疆农业区电力负荷与气象资料,统计得出电力负荷的年、季变化与农事活动周期相符,电力负荷日变化的次高峰与日最高气温、最小相对湿度出现时间较一致.将逐月的日平均电力负荷及变化量分别与气压、气温、空气湿度、风速和降水量做相关分析,并将有无降雨日分段统计.结果表明,电力负荷与降水量、湿度和气温的变化关系较为密切.利用逐步回归方程将4种不同模式模拟的电力负荷进行了误差分析,发现要素差值模式的模拟效果较好,并对2007年5月的电力负荷进行了预测检验及误差分析,得出:在降雨日,用上一日负荷计划当日负荷的误差高达63.2%,而用要素差值模式预测电力负荷的误差为18.7%,月平均预测误差由前者的26.0%下降到13.4%.     

贵州省2003年夏季高温天气成因分析

通过对2003年7月末～8月上旬贵州省高温天气的大尺度环流形势背景分析，并与历年同期500hPa环流特征对比，发现副热带高压强盛稳定、大陆高压与副高合并导致副高增强，是造成贵州省东部、北部夏季高温天气的主要原因。     

基于逐步回归和SVR方法的上海夏季日最大电力负荷的模拟研究

利用2013-2017年上海夏季(6-9月)逐日最大电力负荷和同期气象资料,对上海夏季的气温、炎热累积效应等气象因子与用电负荷进行相关分析,筛选建模自变量.基于逐步回归及SVR支持向量回归方法,分别建立了夏季日最大电力负荷预测模型并进行模拟误差对比.其中,以气象要素为 自变量构建了逐步回归模型"方案1",在方案1基础上...     

北京市气温对电力负荷影响的计量经济分析

以温度派生变量度日指数为解释变量构建了气温与电力负荷的计量经济模型。模型证明了天气对电力负荷的季节性影响, 且影响显著。通过引入序列相关AR结构和解释变量的动态结构, 模型得到逐步优化, 调整的拟合优度达95%。为了检验模型的预测能力, 利用历史数据对其进行了评估, 评估结果表明模型有较好的中期电力负荷预测能力。该模型对电力企业电力调度、电力建设有较大的参考价值。     

基于BP神经网络的北京夏季日最大电力负荷预测方法

利用2006~2017年北京夏季（6~8月）逐日最大电力负荷和同期气象资料,分析最大电力负荷与各种气象因子的相关性,基于BP（Back Propagation）神经网络算法,建立了两种夏季日最大电力负荷预测模型并对比。结果表明:北京夏季周末基础负荷远小于工作日,剔除时应加以区分;气象因子对气象负荷的影响具有累积效应,累积2 d时两者的相关性最强;结合实际,根据自变量的不同分别建立了两种日最大电力负荷预测模型;经实际预测检验,两种预测模型均取得了较好的预测效果,能够满足电力部门的实际需求,其中自变量中加入前一日气象负荷的模型效果更优。     

北京夏季日最大电力负荷预报模型建立方法探讨

为了探索夏季(6～8月)日气象负荷的最佳分离方式和引起日最大电力负荷波动的主要因子,以及建立预报模型最佳个数,基于北京市2005～2010年逐日最大电力负荷和同期的气象资料,分析了北京地区日最大电力负荷的变化规律,采用不同方法将气象负荷从夏季日最大电力负荷中分离出来,分析北京夏季气象负荷与气温、相对湿度、降水及炎热指数、高温持续日数、炎热日数持续时间、前一日气象负荷等因子之间的关系,并基于2005～2009年夏季逐日气象负荷和其主要影响因子采用逐步回归方法建立日最大电力负荷的预报模型,将2010年夏季北京日最大电力负荷作为预报效果的独立样本检验。结果显示:2005～2010年,北京逐日最大电力负荷具有明显的线性增长趋势,夏季日最大电力负荷具有显著的星期效应;与去掉逐年夏季日最大电力负荷趋势和夏季平均日最大电力负荷趋势相比,去掉全年逐日最大电力负荷变化趋势的夏季日气象负荷预报模型的拟合能力更优;北京夏季日气象负荷与当日气温的相关系数最高,与前一日气象负荷也关系密切;利用前一日相对气象负荷和当日气象要素一周逐日分别建立预报模型的拟合和预测效果较好。     

基于3S技术的生态环境质量监测与评价方法研究

在《生态气象观测规范（试行）》、《生态质量气象评价规范（试行）》、《生态监测指标体系》等规范性文件的基础上,结合新疆的实际情况,基于3S技术,利用CBERS和EOS／MODIS卫星数据结合前期相关专业调查成果和数据以及社会经济发展数据,研究并构建了一整套生态环境质量监测与评价的指数,如湿润指数、植被覆盖指数、水网密度指数、土地退化指数、灾害指数、生物丰度指数和污染负荷指数等。在此基础上,分别建立了生态质量气象监测模型与评价标准以及生态环境综合监测模型与评价标准。     

基于滤波技术的上海日最大电力负荷气象预报模型

电力负荷与气象条件密切相关,为建立上海市日最大电力负荷的预报模型,利用2010—2013年上海市日最大电力负荷数据及同期气象资料,分析日最大电力负荷的时间变化特征及其与气象因子的相关性,并基于滤波技术将日最大电力负荷分离为时间趋势项和逐日变化项,用逐步回归方法针对冬季和夏季分别建立预测模型。结果表明：①上海日最大电力负荷的各个节假日效应存在差异,春节节假日效应持续时间最长,影响最大,国庆节假期前半段节假日效应明显大于后半段。夏季的周末效应最强。②采用逐步回归方法建立的气象预报模型效果较好,回代年和预测年的平均预测相对误差均小于5%。     

区域生态环境质量评价方法研究

以江西省贵溪市为研究区域，从生态学和环境科学观点出发，在3S技术支持下，应用20m分辨率的中巴资源卫星遥感资料、1：100000数字化地理数据和GPS抽样调查数据，结合常规调查统计法，选择与区域生态环境有关的因子(如气候、水资源、土地利用、植被、水土流失)以及部分人类活动和经济因素(污染物排放、人均耕地面积、单位面积粮食产量、人均国内生产总值等)，构建了评价指标体系，空间尺度以研究区域平均水平取值，时间尺度截止到2000年。该体系通过专家定权法和中间截取求平均值方法进行权值估计，应用生态环境评价模型对2000年研究区域的生态环境质量进行评价。结果表明，该研究区域2000年生态环境质量达Ⅱ级标准，生态环境质量总体处较好水平，主要表现在森林覆盖率高于全省平均水平，达61．0％；人均耕地面积及产量水平分别为0．06hm^2／人和8025kg／hm^2，处全省中上水平；水土流失面积达61974hm^2，且治理效果好；生物多样性受到一定保护；GDP居全省前列，为该区域生态环境保护和治理提供了一定的经济基础。目前该区域存在的主要问题是：水质为国家Ⅲ级标准，应通过综合治理进一步提高标准；为较多气象灾害发生区；由于特殊的地理条件，导致土壤侵蚀的隐患较大。     

淮河流域汛期20 d内最大日降水量概率分布

利用淮河流域158个站点1980—2007年夏季降水量资料,选取淮河上游、淮河中上游、淮河中下游、洪泽湖以下和沂沭河5个子流域,采用Γ分布函数分析了淮河流域首雨日 (前1日无雨) 和连续雨日 (前1日有雨) 的夏季多年降水的概率分布特点。通过对代表站息县、阜阳、商丘、淮安、连云港Γ分布概率密度与样本频率的对比分析和K-S检验表明:Γ分布函数能较好拟合分条件的淮河流域夏季雨日的概率分布,用该分布函数递推得到的1 d, 10 d, 20 d内最大日降水量概率分布比较规则合理。淮河流域5个子流域中淮河上游、淮河中下游、沂沭河流域在10 d,20 d内最大日降水量不低于10 mm,25 mm,50 mm的可能性更大。     

夏季金塔绿洲风环流的数值模拟及结构分析

利用中尺度数值模式MM5，替换了模式第三重嵌套模拟域中金塔绿洲及周围地区与实际不符的植被类型，对2004年7月5日金塔绿洲效应进行了较为成功的模拟。模拟结果显示：白天绿洲是一冷源，这一现象可维持到3000m左右，临近地面沙漠绿洲温差最大，冷中心强度由低层向高层逐渐减弱；气压距平场低层为沙漠低，绿洲高，较高层则反之，转变发生在1300m。低层绿洲风盛行，随高度增加，辐散风渐弱；750hPa以上转为以背景风为主，存在向绿洲中心辐合的趋势；距平风场低层为辐散风，高层为辐合风，绿洲中部风速较小，越远离风场辐散（辐合）中心，风速越大；沙漠上为上升气流，绿洲基本上全为下沉运动所控制，但剖面图上显示绿洲上并不是只有一个闭合中心，且绿洲上、下沉运动的顶部高度也不一致，绿洲中心最低，两侧逐渐增高。最大下沉运动出现在绿洲边缘；绿洲低层分布着强度均匀的辐散区，而沙漠上则为零散辐合区，750hPa辐合区开始侵入绿洲，700hPa时绿洲基本为辐合区，绿洲边缘辐合最强，沙漠以辐散为主，分布少许辐合中心。比湿同湿位温具有相似特征，在一定高度以上，在下沉气流的作用和西风背景场的影响下等值线形成低槽形状，低槽中心从高层向低层、由西向东偏移。     

长白山地区遥感生态指数时空变化及其气候响应

利用Google Earth Engine(GEE)云平台,在原有遥感生态指数（RSEI）基础上,选用增强型植被指数（EVI）代替原绿度指标中的NDVI,构建并计算2001—2020年长白山地区植被生长季RSEI,采用回归分析、波动分析、Hurst指数等方法,分析长白山地区RSEI时空变化特征并探讨其气候影响因素。研究表明：（1）2001—2020年长白山地区RSEI波动缓慢上升,生态环境质量整体呈上升趋势。RSEI多年均值空间分布具有明显的分异性,长白山保护开发区生态环境质量较好,通化市、白山市大部较差。（2）近20年长白山地区RSEI稳定性较差,生态环境质量较脆弱。未来生态环境趋势总体向好,但局部地区仍存在持续恶化态势。（3）长白山地区RSEI主要受降水影响较大,与降水呈显著正相关,与气温相关性不强。     

青藏高原典型生态环境评价方法

应用层次分析方法,以青藏高原典型地区玛多县为例,探讨高原生态环境的结构和功能、景观的动态变化以及相互作用机理,分析结构的异质性、丰富度、破碎度等,建立了基于层次分析的青海高原生态环境质量评价指标体系和方法,并对玛多县的区域生态环境质量进行了评价。结果表明：玛多县2004年生态环境质量状况处于一般偏差水平,基本上反映出了玛多县的生态环境现状。格局优化度（0．4228）、变化良性度（0．4180）处于一般水平,功能强弱度（0．2764）最小,属于较差状态,人为胁迫度（0．7037）最大,处于良好状态,说明外界人为干扰较少。当地的生态环境偏差的状态主要是由于当地的自然环境条件恶劣造成的。