共查询到20条相似文献，搜索用时 140 毫秒
1.
对灰色系统中的GM(1,1)预测模型与曲线Aeax拟合做了对比分析,得出的初步结论是:一般情况曲线Aeax可以代替GM(1,1)预测模型 相似文献
2.
介绍灰色系统理论及其建模原理,利用温州市西山气象站53年的实测降水量资料建立灰色预测GM(1,1)灾变模型,对干旱灾害进行预测,经残差与后验差检验分析,模型精度较高平均达95.5％,并对实测资料进行检验,效果较理想,为温州市抗旱及供水提供必要的预测信息。 相似文献
3.
4.
区气象台灰色系统理论应用课题组 《气象研究与应用》1989,(2)
本文应用灰色系统理论的建模方法和和回归分析方法设计出PC——1500、IBM二种计算机的GM(1,1)和三种回归拟合方程的预测处理系统。然后分别模拟我区八大站的秋季寒露风、春季低温阴雨结束期,春季(2—4月)、汛期(5—9月)的月降水和秋季(10—11月)雨量及南宁的冬季菠萝低温的时间序列的灰色动态(GM)长期预测模型及其回归拟合方程。通过一年的试用,预测的结果是满意的。 相似文献
5.
6.
严小华 《沙漠与绿洲气象(新疆气象)》1994,(1)
介绍了灰色系统GM（1，n）模型的建模原理及方法；建立了巢湖区域主汛期（6—8月）降水长期预测GM（1，3）灰色预测模型，并将之与GM（1，1）模型及传统的线性回归预报方程进行比较讨论。 相似文献
7.
在灰色系统理论中,反映(h—1)个变量对某一变量的1阶导数的影响,可建立一个状态模式GM(1,h)。与GM(1,1)预测模型相比较,GM(1,h)模型不仅反映了分析对象X_1(o)本身随时间的动态变化,而且由于考虑了其他因子(输入变量)对分析对象的作用,使得系统的摆动过程能够以GM(1,h)模型中反映出来。 相似文献
8.
本文应用灰色系统理论,分别建立了南宁市的秋季寒露风、冬季菠萝低温、春季烂秧天气结束期的时间序列的灰色动态(GM)长期预测模型,预测的效果较令人满意。其优点为:①可以减少时间序列的随机性;②可以提高预测精度。 相似文献
9.
马雷凯 《沙漠与绿洲气象(新疆气象)》2017,11(3):91-94
应用GM(1,1)模型,根据2004—2011年乌苏市棉铃虫二代成虫的数量建立了低精度的灰色模型,建立残差的GM(1,1)模型后,再进行模型修正并检验,小误差概率p=10.95,后验差C=0.31970.35,此模型符合一级标准,精度较高,相对残差较小。 相似文献
10.
病虫害预测预报是粮食安全风险管理的重要内容之一,灰色理论用于病虫害预测是一项有益的探索。以水稻稻瘟病预报为例,本文详细阐述灰色系统理论的建模方法,利用广元市近20年水稻稻瘟病发生面积资料,建立了1个GM (1,1)拓扑预测模型,用于稻瘟病趋势预测,并取得了较为满意的结果。 相似文献
11.
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。 相似文献
12.
使用传统单一模型预报气温经常出现漏报现象,最终导致预测结果不理想,精度较低。针对单一预报模型稳定性较低,随机性偏高,突发性较多的特点,在深度学习理论的基础上,提出一种采用门控循环单元(GRU)和灰色模型(GM)集成的方法,先分别训练两个模型,再通过权值ω将二者的预测结果进行加权组合,权值ω适当调整模型,改善模型的预报结果,提高模型的预报精度,并加快了运行速度,并且其普遍适用性和应急突发能力得到巨大改善。实验表明,将GRU神经网络加入灰色模型进行气温预报,效果要明显优于单一的模型,其标准差小了近一倍,从而表明实验方法的可行性和有效性。 相似文献
13.
复共线性关系对逐步回归预报方程的影响研究 总被引：1，自引：0，他引：1
针对气象预报中常用的逐步回归预报建模方法,由于没有直接考虑筛选出的预报因子之间可能存在复共线性关系会影响气象预报方程的预报性能问题,提出了在初选的大量气象预报因子(自变量)中,采用条件数计算分析方法,选择复共线性关系小的预报因子组合建立预报模型的方法.以重要气象灾害的预报难点--台风预报为例,用大样本分别建立了12个台风移动经度、纬度的条件数预报方程和逐步回归预报方程.对比分析结果表明,由于条件数计算分析有效控制了预报因子间的复共线性关系,因此,在相同的预报因子(自变量)和预报对象(因变量)条件下,分月建立的条件数台风移动路径预报方程,虽然历史建模样本的拟合精度略低于逐步回归预报方程,但是对独立样本的预报精度明显提高,其中7、8和9月条件数预报方程的预报误差平均为153.9 km,而相应的逐步回归预报误差平均为229.2 km,两者相差75.3 km.进一步研究发现,在F值分别取1.0、2.0和3.0的情况下,建立的台风移动路径的逐步回归预报方程,其预报误差也明显大于条件数预报方程.另外,由于预报因子组合的复共线性的影响,逐步回归方程还出现了在个别点预报误差极大的不合理情况. 相似文献
14.
15.
大雾是引起低能见度的主要天气现象.提高雾的预报技术水平是确保交通安全的重要措施.从统计和数值预报两个方面,回顾了过去几十年来国内外在雾预报技术上的主要研究进展,并总结了各种方法的特点及存在的缺陷.在某些情形下,新统计方法的应用提高了雾的预报准确率,但仍然无法摆脱统计方法本身的缺陷.相比较而言,数值模式在大雾预报方面具有更广泛的应用和更大的潜力.在目前的计算机水平下,使用高分辨率的一维雾模式与中尺度天气模式相结合的方法,在一定程度上可以提高雾的预报准确率,该方法在大雾易发区的机场及高速公路沿线具有重要的应用价值.随着计算机能力的不断提高,包含大雾形成和演变的各种复杂过程、具有先进资料同化过程的高分辨率三维雾模式,以及集合数值预报系统将是未来的发展方向. 相似文献
16.
大气挥发性有机物（VOCs）是导致臭氧污染的关键前体物,是城市空气质量建模不可或缺的重要组成部分,但由于其非常复杂的构成和来源以及监测数据缺乏,目前对其模拟精度的了解仍非常有限。本文利用嵌套网格空气质量模式预报系统（NAQPMS）对珠江三角洲（简称珠三角）地区2017年9月21日至11月20日的VOCs开展了模拟试验,并利用光化学监测网8个地面站点的VOCs浓度监测数据,对模式模拟的关键VOCs组分进行了精度评估。结果发现,模式对强活性的甲苯、乙烯和二甲苯具有较高的模拟精度,模拟浓度偏差百分比为0.4%～26.6%,模拟能较好再现其日均浓度变化趋势和日变化的双峰特征。但是模式对化学反应活性强且与植物排放密切相关的异戊二烯具有很大的模拟偏差,偏差比近100%,无法再现其白天浓度高、夜间浓度低的观测日变化特征。通过分析发现,现有模拟系统主要考虑人为污染物排放而未考虑生物源排放,可能是导致这一模拟偏差的关键原因。同时,评估结果也表明模式在VOCs空间分布模拟上仍面临很大的不确定性。本文结果揭示了珠三角VOCs模拟面临的关键不确定性,表明融合VOCs观测数据来揭示并减小VOCs模拟的不确定性具有非常迫切的需求。 相似文献
17.
The prediction accuracy of the traditional stepwise regression prediction equation (SRPE) is affected by the multicollinearity among its predictors.This paper introduces the condition number analysis into the prediction modeling to minimize the multicollinearity in the SRPE.In the condition number prediction modeling,the condition number is used to select the combination of predictors with the lowest multicollinearity from the possible combinations of a number of candidate predictors (variables),and the sel... 相似文献
18.
After the consideration of the nonlinear nature changes of monsoon index,and the subjective determination of network structure in traditional artificial neural network prediction modeling,monthly and seasonal monsoon intensity index prediction is studied in this paper by using nonlinear genetic neural network ensemble prediction（GNNEP）modeling.It differs from traditional prediction modeling in the following aspects： （1）Input factors of the GNNEP model of monsoon index were selected from a large quantity of preceding period high correlation factors,such as monthly sea temperature fields,monthly 500-hPa air temperature fields,monthly 200-hPa geopotential height fields,etc.,and they were also highly information-condensed and system dimensionality-reduced by using the empirical orthogonal function（EOF）method,which effectively condensed the useful information of predictors and therefore controlled the size of network structure of the GNNEP model.（2）In the input design of the GNNEP model,a mean generating function（MGF）series of predictand（monsoon index）was added as an input factor;the contrast analysis of results of predic- tion experiments by a physical variable predictor-predictand MGF GNNEP model and a physical variable predictor GNNEP model shows that the incorporation of the periodical variation of predictand（monsoon index）is very effective in improving the prediction of monsoon index.（3）Different from the traditional neural network modeling,the GNNEP modeling is able to objectively determine the network structure of the GNNNEP model,and the model constructed has a better generalization capability.In the case of identical predictors,prediction modeling samples,and independent prediction samples,the prediction accuracy of our GNNEP model combined with the system dimensionality reduction technique of predictors is clearly higher than that of the traditional stepwise regression model using the traditional treatment technique of predictors,suggesting that the GNNEP model opens up a vast range of possibilities for operational weather prediction. 相似文献
19.
辽宁省近50年降水序列变化规律及干旱预测 总被引：18，自引：4，他引：18
运用沈阳、大连、丹东、营口、朝阳5个代表站1953～2001年的年降水量资料，建立了辽宁降水序列，分析了其近50年的变化规律，年降水量具有明显减少趋势。以此序列为基础重建干旱发生的灾变序列，采用灰色系统GM(1，1)模型探讨了旱灾预测问题。应用1996～2001年资料对预测结果进行了检验，效果较好。 相似文献
20.
基于线性回归方法、梯度提升回归方法(GBRT方法)、XGBoost方法和堆叠集成学习方法(Stacking方法)4种机器学习方法,采用误差分析建模思路,针对北京城市气象研究院研发的睿图-睿思系统对2020年12月—2021年11月所有起报时次未来3～12 h的2 m温度、2 m相对湿度、10 m风速以及10 m风向4种气象要素预报,开展京津冀复杂地形下的站点预报误差订正技术研究及试验应用。结果表明:基于预报误差分析构建的4种订正模型中,由于Stacking方法集成了前3种方法的优势,在4个季节的4种气象要素订正中均表现最佳,其他3种单一机器学习方法试验中,XGBoost方法表现最佳,其后依次为GBRT方法、线性回归方法,但均对预报准确率有明显的正向提升效果。总体上,基于机器学习方法构建的预报误差订正模型可有效降低系统原始预报误差,有助于进一步提升复杂地形下站点客观释用产品的预报准确性。 相似文献