-
题名遗传门限自回归模型在气象时间序列预测中的应用
被引量：12
- 1
-
-
作者
金菊良
杨晓华
金保明
丁 晶
-
机构
合肥工业大学土木建筑工程学院
河海大学
福建省南平市水电局
四川大学水电学院
-
出处
《热带气象学报》
CSCD
北大核心
2001年第4期415-422,共8页
-
基金
国家自然科学基金和长江水利委员会联合资助项目(50099620)
国家自然科学基金资助项目(49871018)
-
文摘
提出了建立门限自回归模型（TAR）的一套简便通用的方法。用基于实码的改进遗传算法,可同时优化门限值和自回归系数,解决了TAR建模过程所涉及的大量复杂寻优工作这一难题,为TAR模型在气象预测中的广泛应用提供了有力工具。实例计算的结果说明:通过门限值的控制作用,TAR模型可有效地利用气象时序资料所隐含的时序分段相依性这一重要信息,限制了模型误差,保证了TAR模型预测性能的稳健性,提高了预测精度。该方法具有通用性,在各种气象非线性时序预测中具有广泛的实用价值。
-
关键词
气象时间序列
门限自回归模型
非线性预测
遗传算法
气象资料
-
Keywords
meteorological time series
threshold auto-regressive model
nonlinear forecast
genetic algorithm
-
分类号
P468.0
[天文地球—大气科学及气象学]
-
-
题名基于商空间的气象时间序列数据挖掘研究
被引量：5
- 2
-
-
作者
石扬
张燕平
赵姝
张玲
田福生
汪小寒
-
机构
安徽大学计算智能与信号处理教育部重点实验室
-
出处
《计算机工程与应用》
CSCD
北大核心
2007年第1期201-203,共3页
-
基金
国家973重点基础研究发展规划资助项目(2004CB318108)
国家自然科学基金资助项目(60475017)
安徽省自然科学基金资助项目(050420208)。
-
文摘
论文从一种新的角度,针对气象时间序列的特点,在商空间粒度计算理论框架下,采用多种粒度,从不同的层次分析复杂的气象数据信息,利用商空间的合成技术,和多侧面递进算法进行综合信息处理。并提出了一种灰色模型GM(1,1)与构造性机器学习方法(交叉覆盖算法)结合的模型对气象时间序列进行数据挖掘(产量预测)。最后,通过该模型在真实数据上的实验(冬小麦产量预测),取得了令人满意的结果。
-
关键词
商空间
粒度计算
构造性机器学习方法
气象时间序列
灰色模型
-
Keywords
quotient space
granular computing
structural machine learning methed
meteorological time series
grey model
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名气象时间序列规则发现及其应用
被引量：2
- 3
-
-
作者
左爱文
郭宏武
王保保
-
机构
西安电子科技大学
西安市气象局
-
出处
《陕西气象》
2006年第6期8-11,共4页
-
-
关键词
气象时间序列
规则发现
时间序列数据
股票价格
信息技术
应用
变化规律
历史记录
-
分类号
P45
[天文地球—大气科学及气象学]
-
-
题名一种新模糊似然函数在聚类分析中的应用
- 4
-
-
作者
史永强
周建荣
-
机构
克拉玛依市气象局
-
出处
《新疆气象》
2001年第1期13-14,共2页
-
文摘
运用一种新的模糊似然函数，用以表示模糊集合之间的相似程度。举例说明在气象时间序列中的应用，并与常用的度量样本相似程度的指标进行对比，得出几点有意义的结论。
-
关键词
模糊似然函数
聚类分析
隶属度
气象时间序列
气象资料
气象预报
-
Keywords
fuzzy likelihood function
clustering analysis
surbodiate degree
-
分类号
P45
[天文地球—大气科学及气象学]
O159
[理学—数学]
-
-
题名与时俱进 成就斐然——丁裕国教授
- 5
-
-
-
出处
《沙漠与绿洲气象》
2009年第2期62-62,F0003,共2页
-
文摘
丁裕国教授，江办人，1941年出生于江苏省镇江市。1964年南京大学毕业后分配到南京气象学院（后更名为南京信息工程大学）任教，长期从事气候学研究与教学。曾任气象系气候教研室主任多年；先后讲授《气候统计学》、《气候变化》、《气象时间序列谱分析》、《气候诊断与预测》等课程，指导和培养硕士生30多人。曾任中国气象学会统计气象专业委员会暨江苏省气象学会统计气象专业委员会及出版委员会委员等职。
-
关键词
与时俱进
南京气象学院
气候统计学
专业委员会
气象时间序列
南京大学
气象学会
信息工程
-
分类号
P4
[天文地球—大气科学及气象学]
P463.3
-
-
题名基于雅砻江流域洪峰流量时间序列的非平稳性研究
被引量：3
- 6
-
-
作者
高洁
-
机构
水电水利规划设计总院
-
出处
《水电与抽水蓄能》
2019年第5期46-51,共6页
-
基金
中国电力建设股份有限公司项目（DJ-ZDZX-2016-02-01）
-
文摘
针对水文气象时间序列广泛存在的非平稳性问题,通过MK趋势检验、Pettitt突变检验和广义可加模型GAMLSS研究雅砻江流域年最大洪峰流量时间序列的非平稳性特征.研究发现,流域局部地区极端降水显著增大导致年最大洪峰流量相应地不显著增加,河道上游调蓄性水库可缓解极端降水增大导致汛期洪峰流量不显著增加的潜在洪灾影响.流域支流或小流域水文站易受局地气候影响,洪峰流量序列呈现非平稳性.对于部分站点洪峰流量频率设计值随时间增大的工况,建议复核当前相关工程防洪安全.随着集水面积增大、支流汇入,局部极端气候影响减小,洪峰流量时间序列恢复平稳.目前,雅砻江中游干流洪峰流量时间序列基本仍维持平稳状态.该研究成果对变化环境下工程设计具有参考价值.
-
关键词
广义可加模型
雅砻江流域水文
非平稳水文气象时间序列
-
Keywords
GAMLSS
hydrological regime in Yalong River
nonstationary hydrological time series
-
分类号
TV214
[水利工程—水文学及水资源]
-
-
题名基于LSTM网络的大雾临近预报模型及应用
被引量：10
- 7
-
-
作者
苗开超
韩婷婷
王传辉
章军
姚叶青
周建平
-
机构
安徽省气象局
安徽大学
-
出处
《计算机系统应用》
2019年第5期215-219,共5页
-
基金
江苏省气象科学研究所北极阁基金(BJG201707)~~
-
文摘
长短期记忆网络(LSTM)是一种时间递归神经网络,适合于预测时间序列延续性相对较长的事件.本文基于LSTM网络构建了一个全新的大雾临近预报框架,首先将地面气象要素观测资料转化成时间序列数据,并基于此序列进行建模.为了验证提出的模型的准确性,将安徽省81个国家站近2年地面气象要素数据转换为序列数据,基于该数据集对未来1–4小时进行逐小时大雾预报实验,实验结果显示本文提出的模型其TS-Score分别为61%、55%、36%和31%,明显优于卷积神经网络(CNN)以及传统机器学习算法如支持向量机(SVM)和K-近邻算法(KNN)的预测结果,是大雾临近预报的一种有效预报方法.
-
关键词
LSTM
气象要素时间序列
大雾
临近预报
-
Keywords
LSTM
time series of meteorological elements
fog
nowcasting
-
分类号
P457
[天文地球—大气科学及气象学]
TP183
[自动化与计算机技术—控制理论与控制工程]
-
