基于SARIMA-BP神经网络组合方法的MODIS叶面积指数时间序列建模与预测

植被叶面积指数(LAI)时间序列的建模及预测是陆面过程模型和遥感数据同化方法的重要组成部分。MODIS数据产品MOD15A2是目前应用最为广泛的LAI数据源之一,然而MODIS LAI时间序列产品包含了一些低质量的数据,例如由于云层、气溶胶等的影响,该产品在时间和空间上缺乏连续性。MODIS LAI时间序列包含线性部分和外在干扰产生的非线性部分,单一的线性方法或非线性方法都不能对其精确建模和预测。首先利用Savitzky-Golay(SG)滤波和线性插值平滑受到干扰的LAI时间序列,然后采用季节自回归积分滑动平均(SARIMA)方法、BP神经网络方法及二者的组合方法(SARIMA-BP)对MODIS LAI时间序列进行建模及预测。在SARIMA-BP神经网络组合方法中,各自在线性与非线性建模的优势得以充分发挥,其中SARIMA方法用于建模及预测LAI时间序列中的线性部分,BP神经网络方法用于对非线性残差部分进行建模及预测。实验结果显示：SG滤波和线性插值后的LAI时间序列比原LAI时间序列更平滑;SARIMA-BP神经网络组合方法的决定系数为0.981,比SARIMA和BP神经网络的0.941和0.884更接近于1;SARIMA-BP神经网络组合方法的预测值同观测值之间的相关系数为0.991,高于SARIMA(0.971)和BP神经网络(0.942)的相关系数。由此得出结论：SARIMA-BP神经网络组合方法对MODIS LAI时间序列具有更好的适应性,其建模和预测准确性高于SARIMA方法或BP神经网络方法。     

时间序列的神经网络预测方法研究

本文利用动态神经网络可以逼近任意范函这一特性，提出利用此种动态神经网络对时间序列进行预测的方法，并利用设计的网络对某些典型的时间序列进行预测，结果表明利用神经网络对时间序列进行预测有较好的逼近效果。     

基于时变阈值过程神经网络的太阳黑子数预测

太阳黑子活动直接影响着外层空间环境的变化，为保证航天飞行任务的安全必须对其进行有效预测.为此，提出了一种基于时变阈值过程神经网络的时间序列预测模型.为简化模型的计算复杂度，开发了一种基于正交基函数展开的学习算法.文中分析了模型的泛函逼近能力，并以Mackey-Glass时间序列预测为例验证了所提模型及其学习算法的有效性.最后，将该预测模型用于太阳活动第23周太阳黑子数平滑月均值预测，取得了满意的结果，应用结果同时表明：所提预测方法与其他传统预测方法相比预测精度有所提高，具有一定的理论和实用价值. 关键词： 太阳黑子数 时变阈值过程神经网络 时间序列预测 泛函逼近     

材料性能的模糊神经网络建模

本文利用模糊神经网络直接从实验数据中提取规则，进行材料性能建模与预测，作为应用示例，建立了基于成份和组织参数的灰铁预测模型，与多元统计分析，模糊回归和广义回归网络所得的结果相比，该方法所得的模型具有学习精度高，且具有更好的泛化能力。     

基于局域相关向量机回归模型的小尺度网络流量的非线性预测

基于非线性时间序列局域预测法与相关向量机回归模型, 本文提出了局域相关向量机预测方法, 并应用于预测实际的小尺度网路流量序列. 应用基于信息准则的局域预测法邻近点的选取方法来选取局域相关向量机回归模型的邻近点个数. 对比分析了局域相关向量机预测法、前馈神经网络模型与局域线性预测法对网络流量序列的预测性能, 其中前馈神经网络模型的参数采用粒子群优化算法来优化. 实验结果表明: 邻近点优化后的局域相关向量机回归模型能够有效地预测小尺度网络流量序列, 归一化均方误差很小; 局域相关向量机回归模型生成的时间序列具有与原网络流量时间序列相一致的概率分布; 局域相关向量机回归模型的预测精度好于前馈神经网络模型的与局域线性预测法的. 关键词： 小尺度网络流量 非线性时间序列预测方法 局域预测法 相关向量机回归模型     

卷积神经网络用于近红外光谱预测土壤含水率

近红外光谱分析技术在土壤含水率预测方面具有独特的优势,是一种便捷且有效的方法。卷积神经网络作为高性能的深度学习模型,能够从复杂光谱数据中自主提取有效特征结构进行学习,与传统的浅层学习模型相比具有更强的模型表达能力。将卷积神经网络用于近红外光谱预测土壤含水率,并提出了有效的卷积神经网络光谱回归建模方法,简化了光谱数据的预处理要求,且具有更高的光谱预测精度。首先对不同含水率下土壤样品的光谱反射率数据进行简单的预处理,通过主成分分析减少光谱数据量,并将处理后的光谱数据变换为二维光谱信息矩阵,以适应卷积神经网络特殊的学习结构。然后基于卷积神经网络算法,设置双层卷积和池化结构逐层提取光谱数据的内部特征信息,并采用局部连接和权值共享减少网络参数、提高泛化性能。通过试验优化网络结构和各项参数,最终获得针对土壤光谱数据的卷积神经网络土壤含水率预测模型,并与传统的BP,PLSR和LSSVM模型进行对比实验。结果表明在训练样本达到一定数量时,卷积神经网络的预测精度和回归拟合度均高于三种传统模型。在少量训练样本参与建模的情况下,模型预测表现高于BP神经网络,但略低于PLSR和LSSVM模型。随着参与训练样本量的增加,卷积神经网络的预测精度和回归拟合度也随之稳定提升,达到并显著优于传统模型水平。因此,卷积神经网络能够利用近红外光谱数据对土壤含水率做出有效预测,且在较多样本参与建模时取得更好效果。     

基于Elman神经网络的装备状态组合预测方法

针对单一预测模型在利用多维状态特征信息进行状态预测时效果常常不够理想的情况,提出以灰色理论等模型作为单项预测模型,运用Elman神经网络进行变权组合预测的建模方法;考虑神经网络容易因过拟合导致预测时泛化能力变差的问题,运用遗传算法对神经网络隐层节点数和训练误差阈值进行优化求解,建立了完整的基于Elman神经网络的组合预测建模方法;最后,通过案例分析验证了该预测方法的有效性,结果表明组合预测能够将三步以内的预测相对误差控制在10%以内,大大优于定权组合预测模型。     

基于混合神经网络和注意力机制的混沌时间序列预测

为提高混沌时间序列的预测精度,提出一种基于混合神经网络和注意力机制的预测模型(Att-CNNLSTM),首先对混沌时间序列进行相空间重构和数据归一化,然后利用卷积神经网络(CNN)对时间序列的重构相空间进行空间特征提取,再将CNN提取的特征和原时间序列组合,用长短期记忆网络(LSTM)根据空间特征提取时间特征,最后通过注意力机制捕获时间序列的关键时空特征,给出最终预测结果.将该模型对Logistic,Lorenz和太阳黑子混沌时间序列进行预测实验,并与未引入注意力机制的CNN-LSTM模型、单一的CNN和LSTM网络模型、以及传统的机器学习算法最小二乘支持向量机(LSSVM)的预测性能进行比较.实验结果显示本文提出的预测模型预测误差低于其他模型,预测精度更高.     

基于周期性截断灰色系统的电力负荷预测

电力负荷预测是电力系统调度和电力生产计划制定的重要依据。电力负荷时间序列有着明显的周期性特征。传统的电力负荷预测主要侧重于预测方法的研究,而忽略了电力负荷数据周期性特性的分析,影响了预测的准确性。针对电力负荷时间序列的周期性特征,提出了一种基于周期性截断的灰色系统模型来进行电力负荷预测。该模型利用周期性截断来反映负荷数据的周期性特征,提高了预测的精度。仿真采用EUNITE Network的公开负荷数据进行算法性能的测试,并与一些主流的电力负荷预测算法：BP神经网络、极限学习机、自回归模型以及传统的灰色系统模型做比较。仿真结果表明,周期性截断的灰色系统负荷预测的归一化均方误差和绝对平均误差是最小的。周期性截断的灰色系统为电力系统负荷预测提供了一种新的有效方法。     

一种预测混沌时间序列的模糊神经网络方法

给出了一种预测混沌时间序列的模糊神经网络及其学习方法，给出的方法能直接从数据中提取模糊规则，经过优化得到最佳模糊规则库，并利用神经网络的自学习功能修改隶属函数的参数和网络的权值，减少了规则的匹配过程，加快了推理速度，增强了网络的自适应能力. 使用该神经网络及其学习方法对Lorenz混沌时间序列进行了预测仿真研究，试验结果表明给出的预测工具和方法是有效的. 关键词： 模糊神经网络 模糊规则提取 混沌时间序列预测     

A transport model for alcator scaling in tokamaks

A theoretical model is proposed to explain the tokamak energy confinement time. With no adjustable numerical coefficients, the model predicts experimentally observed values to within a level of uncertainty consistent with the intrinsic spread of the experimental data and the necessity of calculating the confinement time without precise knowledge of the temperature profile.     

HL—1装置偏压电极类H模能量约束时间研究

能量约束时间是衡量环流器等离子体约束性能的重要参数。分析表明，在加偏压电Ｌ模过渡到类Ｈ模的过程中，如果等离子体的辐射损失功率与总损失功率之比显著变化，则扣除辐射损失的能量约束时间的增量是一种更好的衡量约束得到改善的尺度。在这种考虑之下，我们讨论ＨＬ－１等离子体偏压电极Ｌ模－类Ｈ模过的能量约束及电子热传导特性。     

Operation of a tokamak reactor in the radiative improved mode

The operation of a nuclear fusion reactor has been simulated within a model based on experimental results obtained at the TEXTOR-94 tokamak and other facilities in which quasistationary regimes were achieved with long confinement times, high densities, and absence of the edge-localized mode. The radiative improved mode of confinement studied in detail at the TEXTOR-94 tokamak is the most interesting such regime. One of the most important problems of modern tokamaks is the problem of a very high thermal load on a divertor (or a limiter). This problem is quite easily solved in the radiative improved mode. Since a significant fraction of the thermal energy is reemitted by an impurity, the thermal loading is significantly reduced. As the energy confinement time τ_E at high densities in the indicated mode is significantly larger than the time predicted by the scaling of ITERH-98P(y, 2), ignition can be achieved in a facility much smaller than the ITER facility at plasma temperatures below 20 keV. The revealed decrease in the degradation of the confinement time τ_E with an increase in the introduced power has been analyzed.     

HL-2Aװ�õ�Լ�����ƺͱ߽羻���빦�ʷ���

在HL-2A装置孔栏位形放电的等离子体实验中,电子回旋辅助加热期间观察到了等离子体约束改善的现象,并对等离子体从低约束模式(L模)向约束改善模式转换时的等离子体线平均电子密度、等离子体储能、分界面内辐射功率、能量约束时间、Hα辐射等进行了研究。同时,分析了电子密度和等离子体辐射功率的空间分布随时间的演化。对改善约束的相关功率(辅助加热、欧姆加热功率和损失功率)进行了分析,并研究了等离子体约束改善转换时的边界净输入功率(阈值)与电子线平均密度和环向磁场的关系。     

HL-1M装置等离子体约束时间

强调了托卡马克等离子体的约束时间是等离子体粒子损失或热能损失的特征时间,评述了有关物理概念和实验现象分析了方面的问题,并应用于HL－1M装置等离子体。     

HL-2A装置的约束改善和边界净输入功率分析

在HL-2A装置孔栏位形放电的等离子体实验中,电子回旋辅助加热期间观察到了等离子体约束改善的现象,并对等离子体从低约束模式(L模)向约束改善模式转换时的等离子体线平均电子密度、等离子体储能、分界面内辐射功率、能量约束时间、H_α辐射等进行了研究。同时,分析了电子密度和等离子体辐射功率的空间分布随时间的演化。对改善约束的相关功率(辅助加热、欧姆加热功率和损失功率)进行了分析,并研究了等离子体约束改善转换时的边界净输入功率(阈值)与电子线平均密度和环向磁场的关系。     

Zero-Dimensional Model to Study the Effectiveness of Plasma Heating and Thermal Energy Confinement in Globus-M Tokamak in Ohmic Heating Modes

Experimental study of thermal energy confinement in magnetic confinement devices is one of the fundamental problems in plasma physics. The data processing technique covering kinetic and magnetic measurements performed for the Globus-M tokamak is described. A zero-dimensional code has been developed on the basis of this approach making it possible to calculate important discharge parameters during the experiment (between discharges): the electron and ion stored thermal energy content, plasma effective charge, and confinement time. Good agreement of the zero-dimensional calculations and ASTRA modeling indicates that this approach can be applied for routine data processing in Globus-M in view of the specifics of the device.     

HL－1装置热脉冲传播的傅里叶分析

本文采用一种新提出的数值方法［１］，即傅里叶变换分析法，研究了ＨＬ－１装置中用软Ｘ射线测量得到的锯齿振荡诱导的热脉冲传播行为。此方法不仅可以计算扰动调制的热传导系数，而且可以分析各次谐波的幅值和相位随频率及空间的演变，并与热脉冲峰值时间延迟分析法进行了比较，两者推算的热传导系数符合较好。所得结果和稳态能量平衡方法的推测值也为同一量级。在相似条件下，氘放电的热传导系数比氢小，即同位素效应能改善约束。大量运算结果表明，傅里叶分析法和峰值时间延迟分析法都可用于ＨＬ－１装置热脉冲传播的常规数值分析，并可应用于ＨＬ－１Ｍ的数据处理。     

HL-2A偏压偏滤器物理设计

根据已有的理论模型，推算出了HL-2A偏压偏滤器的理论电流为1．5kA、偏压电压为200V，并对HL-2A偏压偏滤器做出了初步设计。HL-2A装置采用偏压后，有可能降低L-H模转变阈功率，增加偏滤器等离子体密度、压强和滞留时间，改善约束，改善内外靶板功率沉积的非对称性，提高排灰效率及提高偏滤器性能。