灰色气象干涉因子GM（1,1）耦合模型的应用

采用灰色ＧＭ（１，１）模型与气象干涉因子双重筛选逐步回归模型综合构成的灰色气象干涉因子ＧＭ（１，１）耦合模型，对川西阿坝州１９７７－１９９４年牲畜死亡率的时间序列进行了分析，并对当地和相邻的青海果洛州１９９３－１９９４年的牲畜死亡率进行预测检验，取得了令人满意的结果。     

新疆阿勒泰地区山绵羊死亡率灰色马尔柯夫预测

灰色ＧＭ（１，１）预测与马尔柯夫预测的优点可以相互补充，将两者结合起来对随机性和波动性较大的数据序列进行预测，精度更高。本文采用灰色与马尔柯夫两种预测的组合模型，对新疆阿勒泰地区山绵羊死亡率的时间序列进行了分析，并预测了１９９２的可能死亡率情况，为该地区畜牧业生产发展和防灾减灾提供了科学依据。     

基于改进的高斯混合模型脑ＭＲ图像分割

ＭＲ图像中常含有偏移场以及噪声现象,传统的高斯混合模型无法得到正确的分类．在高斯混合模型目标函数中加入偏移场估计与噪声去除,完善其分 类效果,使分类结果较好地克服偏移场和噪声影响．实验表明,该算法在得到较准确的分类结果的同时还能很好地估计偏移场．     

河南省棉花产量的灰色—马尔柯夫预测模型

灰色－马尔林柯夫预测模型对波动较大序列比较适合，根据该组合模型，用ＧＭ（１，１）灰色模型预测河南省棉花单产，再用马尔柯夫模型转换概率预测系统未来发展方向和修正预报产量。经拟合和预报，效果较好。     

湛江降水量的径向基神经网络预测模型

以湛江地区50年来的月降水量为时间序列，利用高斯径向基函数，选择输人窗口（时滞）大小为6,建立了一种智能型的径向基函数神经网络预测系统，并分别对1991—2000年和2001-2003年的月降水量进行了测试预报和独立样本预测。结果显示，该模型预测效果明显优于传统的线性自回归预测模型，各月平均的平均绝对误差（MAE）和均方误差（RMSE）达到41．8和55．7。虽然该模型对降水量的预报还存在量级偏小的系统性偏差，但它完全有可能为本地区短期气候预测提供一种客观、自动的业务预报方法。     

模糊时间序列模型在短期气候预测中的应用

将模糊时间序列模型引入短期气候预报,利用重庆34个地面气象观测站的逐日观测资料(1971—2007年)和重庆市旱涝灾害监测预警决策服务系统计算的干旱指数和洪涝指数等资料,运用模糊时间序列模型分别对2001—2007年重庆市城口县1月降水、1月平均气温的预报结果(年度预测)和重庆市春旱指数的预报结果(年度预测)进行了模糊时间序列分析,预测了2004—2007年的发展趋势,用2004—2007年实测值与预测结果进行了比较,并与加权集成、人工神经网络集成、数据挖掘集成等模型进行了精度比较和分析.结果表明:模糊时间序列模型各项精度评定指标优良,并且计算简单,具有一定的实用价值.     

以ｘ（１）（ｎ）为初始条件的无偏ＧＭ（１，１）模型

根据灰色系统理论的新信息优先原理,在建模过程中赋予新信息较大的权重可以显著提高灰色建模的功效．将无偏ＧＭ（１,１）模型的初始条件由ｘ（１）（１）改为ｘ（１）（ｎ）,对原模型进行改进,从而提高了所建模型的模拟预测精度．通过实例验证了所建模型的实用性和可靠性．     

用CAR模型作年旱涝长期天气预报的研究

年旱涝时间序列是一动态系统。我们采用特殊的ＣＡＲＭＡ模型即带受控制项的自回归模型对动态系统进行建模。并试图用较少的状态变量来描述系统的宏观行为。观察结果认为：用３个受控变量就可以描述安康市的年旱涝演变规律，并建立了ＣＲＡ模型。用ＣＡＲ模型作年旱涝预报能达到较高的精度，特别是大旱、大涝年预报效果最佳。试用表明预报与实况的相对误差为８．７％－１２．６％。     

综合运用灰色系统预测等方法预测运城小麦产量

综合运用灰色系统预测等方法预测运城小麦产量刘秀英（山西省气象台０３０００６）产量预报是为农业服务的一项重要工作。许多人在这方面做了不少工作。笔者用灰色系统预测方法中的一次累加ＧＭ（１，１）模型、二次累加ＧＭ（１，１）模型加残差修正、一次累加ＧＭ（１，...     

基于小波分析的组合随机模型及其在径流预测中的应用

提出了一种随机组合预测模型利用Mallat算法对水文时间序列进行多尺度分解,得到对应尺度下的概貌(低频)分量和细节(高频)分量;分别对概貌分量和细节分量建立随机模型进行预测,预测结果的叠加即为原水文变量的预测.将该模型用于黄河三门峡站年径流预测中,并与传统预测模型进行了对比分析,结果表明,建立的组合模型充分利用了现有信息,预测精度高.     

短期气候预测的多时间序列相空间相似模型

为了充分利用对气候系统进行定时观测而积累的关于它过去和现在情况的大量数据,本文提出了短期气候预测的一种多时间序列相空间相似模型,并从与云南气候变化有某种物理关系的２０多个时间序列出发,建立了一个云南短期气候变化的年度预测模型。模型对云南８０个气象观测站点１９９１～１９９８年的５月雨量距平和５月气温距平预测检验的距平同号率分别达到４２４／６４０＝ ６６．３％ 和４２６／６４０＝ ６６．６％ ;对云南１９９０～１９９７年的６～８月雨量距平、６～８月气温距平、年雨量距平和年气温距平预测检验的距平同号率则可分别达到４０４／６４０＝ ６３．１％ 、４６３／６４０＝ ７２．３％ 、４５６／６４０＝ ７１．３％ 和４５５／６４０＝ ７１．１％ 。     

河南省棉花产量的灰色-马尔柯夫预测模型

灰色－马尔柯夫预测模型对波动较大序列比较适合，根据该组合模型，用ＧＭ（１，１）灰色模型预测河南省棉花单产，再用马尔柯夫模型转移概率预测系统未来发展方向和修正预报产量。经拟合和预报，效果较好。     

气温,降水气候预测的灰色拓扑方法

本文应用ＧＭ（１，１）建模方法，对四川地区的年平均气温和年降水分别建立了气候预测模型。该模型对气温的预测效果令人满意，但对降水的预测效果不够理想。进而改做不同阈值下的ＧＭ（１，１）拓扑预测，得出各年份对应的要素值，使降水的预测精度有明显的提高。     

基于新优化灰色模型的江苏人口发展预测研究

对江苏省６０ａ来人口发展进程进行了分析,并根据２００８年江苏省人口最新统计资料,建立人口预测新发展系数的优化ＧＭ（１,１）模型,对２００９—２０２０年江苏人口发展进行预测研究．结果表明：到２００９年底,江苏总人口约为７７４１６５万人,到２０１０、２０１５、２０２０年,则分别约为７８０７３５、８１４４３０和８４９５８０万人,预测结果符合江苏人口发展实际．     

正交筛选模型在气候变化预测中的应用

利用时间序列经适当数学变换后生成的均生函数，建立了一个可用于长期气候变化趋势预测的数学模型，并将此模型用于四川地区年平均气温及年降水总量的历史拟合及预测。结果表明：模型对较长时间序列的多步预测有较好的效果。     

一种改进的时间序列重建方法及其在地下水埋深估计中的应用

带噪声传递函数(TFN)模型可通过相关性分析在输入输出序列时间上同步的情况下估计输出序列。基于TFN模型、Kalman滤波和复合型混合演化(SCE-UA)算法,发展一种新的时间序列重建方法,并将其用于地下水埋深估计。该方法将高阶TFN模型表述成状态空间,并用Kalman滤波进行状态估计,基于SCE-UA方法优化TFN模型参数,能够在输入输出序列异步的情况下率定TFN模型并用于时间序列重建。最后,利用已有降水和地下水观测资料验证该方法,并重建了中国东北部分地区40年地下水埋深序列,结果表明该方法有较好精度且能反映埋深变化对降水的响应,在各类时间序列重建中具有一定推广性。     

基于时间序列模型与残差控制图的兰州市空气质量研究

利用2003-2012年兰州市月均空气污染指数API和季节性时间序列模型SARIMA,对数据序列进行拟合并对其变化趋势进行了分析,研究其演变趋势并选取空气质量良好(月平均API150)的月份(2012年6月2013年2月),选用时间序列模型ARIMA(1,1,1)进行拟合,再结合残差控制图,对2013年3月日平均API预测监控。结果表明,SARIM A(0,1,1)×(0,1,1)12模型较好的拟合了近10年兰州市API的变化趋势,兰州市的空气污染大致呈冬、春季污染相对较重,夏、秋季相对较轻,空气质量总体在逐渐好转。适合该地区短时间尺度的时间序列模型是ARIMA(1,1,1),结合残差控制图对2013年3月API进行预测监控,结果显示6,9,10,11,12和13日超出控制限,对6日和9日提出预警。预测结果与实际结果相吻合,证实了将时间序列模型与残差控制图结合预测监控大气污染的有效性。     

ARMA模型在兰州5～9月降水预报中的初步应用

本文试用动态数据处理中时间序列ＡＲＭＡ过程的概念来作长期降水预报,经过对降水历史资料平稳化处理后,对其建立ＡＲＭＡ模型,从预报趋势上看,此方法是有一定价值的。     

双线性模型在江淮旱涝序列预测中的应用

提出了一套用双线性模型预测旱涝序列的简便方案。实例的计算结果说明了该方案的实用性和通用性,在各种自然灾害序列预测中具有重要的理论意义和广泛的应用价值。     

场时间序列预测方法及其预测能力的试验分析

给出场时间序列预测思想的提出及其理论基础,并在此基础上,给出场时间序列预测理论的思路及方法,并针对一个理想混沌时间序列进行预测能力的试验分析.初步结果表明,场时间序列预测方法可以提高单点时间序列的"遍历性",提高预测精度.