基于延伸期可预报性的集合预报方法和数值试验

集合预报是考虑初始条件和模式不确定性的有效途径. 结合延伸期可预报性特征,对具有不同特性的可预报分量和随机分量采用不同的集合预报方案和策略,发展了一种基于延伸期可预报性的集合预报新方法(PBEP).该方法以延伸期数值预报模式为平台,对可预报分量采用多个模式误差订正方案,从考虑模式不确定性的角度进行集合;而对随机分量则利用历史资料从气候概率的角度给出集合概率分布,避免模式误差对随机分量概率分布的影响.试验结果表明,相比于国家气候中心的业务动力延伸集合预报系统,该集合预报方法对全球各区域环流预报技巧均有提高,对不同空间尺度的波也有不同程度的改进,显示出潜在的业务应用前景.     

Error criteria for cross validation in the context of chaotic time series prediction

The prediction of a chaotic time series over a long horizon is commonly done by iterating one-step-ahead prediction. Prediction can be implemented using machine learning methods, such as radial basis function networks. Typically, cross validation is used to select prediction models based on mean squared error. The bias-variance dilemma dictates that there is an inevitable tradeoff between bias and variance. However, invariants of chaotic systems are unchanged by linear transformations; thus, the bias component may be irrelevant to model selection in the context of chaotic time series prediction. Hence, the use of error variance for model selection, instead of mean squared error, is examined. Clipping is introduced, as a simple way to stabilize iterated predictions. It is shown that using the error variance for model selection, in combination with clipping, may result in better models.     

X射线荧光光谱结合CARS变量筛选选择方法用于土壤中铅砷含量的测定

X射线荧光光谱分析作为一种以化学计量学为基础的定量分析技术,所建立模型优劣对结果的预测准确性显得十分重要.竞争性自适应重加权算法(CARS)采用自适应重加权采样技术,利用交互验证选出互验证均方根误差(RMSECV)值最低原则,寻出最优变量组合.为了进一步提高PLS模型的解释和预测能力,将竞争性自适应重加权算法(CARS...     

Modeling spatio-temporal field evolution

Prediction of spatio-temporal field evolution is based on the extraction of a physical law from joint experimental data. This extraction is usually described by a set of differential equations. If the only source of information is a field record, a method of field generators based on nonparametric modeling by conditional average can successfully replace differential equations. In this article we apply the method of field generators to a two-dimensional chaotic field record that describes the asynchronous motion of high-amplitude striations. We show how to choose the model structure in order to optimize the quality of the prediction process.     

近背向散射能量空间分布的时间分辨测量技术

基于神光Ⅲ原型激光装置上建成的近背向散射诊断系统,设计了一种可探测近背向散射能量空间分布的时间过程的采集方法,并通过静态实验对该方法的可行性进行了验证。结果表明：通过一维转二维传像束,将二维图像记录成一维信息,然后通过数据后处理还原成二维图像信息的方法可以实现能量空间分布的时间分辨测量。将该方法用于近背向散射光诊断系统,可以得到近背向散射光能量空间分布随时间变化的信息,为深入分析激光等离子体相互作用实验中近背向散射光构成及变化过程提供重要数据。     

基于炉口辐射光谱支持向量机回归的转炉终点碳含量检测

转炉终点碳含量在线检测对实现炼钢终点准确控制,提高钢铁产品质量,降低能耗,减少废气排放具有重要意义。针对转炉冶炼终点控制及碳含量检测的难题,研究了一种新的基于炉口辐射光谱分析的非接触式在线碳含量检测方法。方法基于辐射光谱的支持向量机回归(SVR)实现转炉终点前过程的碳含量预测。通过远距离光谱采集系统获取炉口火焰光谱信息,基于冶炼过程炉口火焰辐射光谱变化规律的分析,分别提取了表征辐射光谱整体特征的两个参数即总谱宽和辐射峰值、以及表征发射谱的三个特征波长600,630和775 nm处的幅值作为支持向量机的输入,结合脱碳理论和实测碳值拟合重构的脱碳函数曲线作为支持向量机的输出,利用支持向量机回归方法建立光谱分布与碳含量的关系模型。通过训练样本集和测试集循环优化确定模型最佳参数。设计的仪器和优选的模型已安装在转炉生产现场长时间运行,现场实验结果表明,终点碳含量检测准确率为90.2%,测量时间小于0.3 s,可实时在线检测,能够满足生产需求,为转炉冶炼终点的精确控制提供了重要依据。     

近背向散射能量空间分布的时间分辨测量技术

基于神光Ⅲ原型激光装置上建成的近背向散射诊断系统,设计了一种可探测近背向散射能量空间分布的时间过程的采集方法,并通过静态实验对该方法的可行性进行了验证。结果表明:通过一维转二维传像束,将二维图像记录成一维信息,然后通过数据后处理还原成二维图像信息的方法可以实现能量空间分布的时间分辨测量。将该方法用于近背向散射光诊断系统,可以得到近背向散射光能量空间分布随时间变化的信息,为深入分析激光等离子体相互作用实验中近背向散射光构成及变化过程提供重要数据。     

一种基于SCARS策略的近红外特征波长选择方法及其应用

针对近红外光谱数据的内在特点,提出了一种基于稳定性竞争自适应重加权采样(stability competitive adaptive reweighted sampling, SCARS)策略的近红外特征波长优选方法。该方法以PLS模型回归系数的稳定性作为变量选择的依据,其过程包含多次循环迭代,每次循环均首先计算相应变量的稳定性,而后通过强制变量筛选以及自适应重加权采样技术(ARS)进行变量筛选;最后对每次循环后所得变量子集建立PLS模型并计算交互验证均方根误差(RMSECV),将RMSECV值最小的集合作为最优变量子集。利用饲料蛋白固态发酵过程近红外光谱数据集对所提方法进行了验证,并与基于PLS的蒙特卡罗无信息变量消除法(MC-UVE)和竞争自适应重加权采样(CARS)方法所得结果进行了比较。试验结果显示： 建立在SCARS方法优选的21个特征波长变量基础上的PLS模型预测效果更好,其预测均方根误差(RMSEP)和相关系数(R_p)分别为0.054 3和0.990 8;该优选策略能有效地增强固态发酵光谱数据特征波长变量选择的准确性和稳定性,提高了模型的预测精度,具有一定的应用价值。     

农产品品质光谱成像的空间预测规律

由于受到化学检测手段限制,无法获取光谱图像中的农产品品质在各像素位置处的参考值,因此无法直接验证基于光谱图像得到的农产品品质空间预测结果。为探索基于光谱图像的农产品空间品质检测规律,本文采用计算机生成已知空间品质样本,并分别以固定曝光和变曝光方式采集不同灰度等级标准板的光谱图像。定量分析采集系统误差,借助样本区域光谱与区域指标之间的全波段偏最小二乘（ALL-PLS）和遗传特征波长偏最小二乘（GA-PLS）预测函数,研究出区域指标预测准确时样本空间品质指标的预测精度规律,建立光谱成像空间预测准确度模型。实验结果表明：变曝光方式下的数据采集可以提高光谱图像信噪比,在波段两侧极限处尤为明显;应用区域品质数据预测空间品质分布,空间预测误差主要受光谱图像采集噪声影响：即使区域预测准确,空间预测可能已完全失真。通过衡量数据采集系统误差,可以间接评价农产品品质空间预测的准确度。只有在数据采集系统误差在允许范围内时,光谱成像技术才可准确预测农产品品质的空间分布。     

多光谱数据融合和GANs算法的COD浓度预测

水体中过高浓度的有机污染物含量危害巨大,不仅会造成严重的环境污染,而且会危害人类身体健康。化学需氧量(COD)表征了水体中有机污染物的污染程度。提出了一种将紫外(UV)光谱和近红外(NIR)光谱进行多光谱数据级融合(LLDF)和特征级融合(MLDF),进而构建基于生成对抗式网络(GANs)算法的COD浓度定量预测模型。首先按照一定的浓度梯度配制COD标准液样本,分别采集标准液的UV光谱(190～310 nm)和NIR光谱(830～2 100 nm),对获取到的UV和NIR光谱数据进行一阶导数和Savitzky-Golay (S-G)平滑的预处理,消除基线漂移和干扰噪声;基于预处理过的光谱,直接进行数据级和特征级的数据融合,结合GANs算法搭建COD浓度预测模型。并使用评价参数相关系数的平方(R2)、预测值与真实浓度值的均方根误差(RMSEP)和预测偏差来对模型进行评价。结果表明,不论是特征级融合模型还是数据级融合模型都不够理想。分析原因可知,由于UV和NIR波段数据量不均衡,导致NIR波段掩盖掉了UV光谱的模型贡献度,让光谱融合失去意义。为了避免融合失败,拟采用归一化的方法处理多光谱数据,并讨论了标准归一化(SNV)、最大最小归一化(MMN)和矢量归一化(VN)对建模的影响。将经过归一化后的UV和NIR光谱数据再次进行融合,分别作为GANs模型的输入X,将真实测量COD值作为输出值Y,建立不同归一化方法处理后的COD浓度预测模型。建模结果显示,采用不同归一化方法对多光谱数据融合模型的影响较大,不论是数据级融合模型还是特征级融合模型的预测精度较未归一化之前有明显的提升,其中采用最大最小归一化的预测模型效果提升最为明显。与单一谱源的全波长UV波段的GANs预测模型、全波长NIR波段的GANs预测模型进行对比来验证多光谱数据融合GANs预测模型的精度,结果表明：基于UV和NIR光谱的特征级光谱融合模型的R2为0.994 7,RMSEP为0.976,比数据级融合的预测模型误差降低了52.9%,预测回收率为98.4%~103.1%,远好于其他几组,模型的泛化能力更强,预测精度也更高。与单一谱源的预测模型相比,多光谱数据融合能反应更多的水体样品的化学信息,更加全面揭示水体的污染物程度,从不同的层面上反应水体中污染物的差异,为在线监测水体中COD浓度提供一定的技术支持。     

淮北地区大气污染的光学遥感监测与预报

在淮北地区建立差分吸收光谱遥感系统,监测淮北地区主要大气污染气体,监测时间从2011年8月7日至8月28日. 结果表明污染物排放达到国家标准. 并以臭氧为例建立污染气体浓度变化趋势跟踪预测模型.     

一种测量动脉血氧饱和度的新方法

在传统的血氧饱和度测量方法中,首先计算对数光电容积脉搏波交、真流成分的比值(R值),然后通过实验建立血氧饱和度值与R值的线性回归模型,旨在消除光程的影响,将个体差异的影响降至最小化,是一种基于Lambert-Beer定律的降维处理。当考虑散射时,这种以交、直流成分的比值作为自变量的降维处理方式损失了信息量,引入了系统误差,限制了测量的精度。为了减小这种影响,从透射光电脉搏波所含信息量的角度,提出了使用双波长对数光电容积脉搏波的峰值和谷值作为自变量与血氧饱和度值建立线性回归模型的新方法。从23名健康志愿者中获得133例光电脉搏波及血氧饱和度参考值样本,从中随机抽取90例作为建模集,另外43例作为预测集,对比了新方法和R值法的建模和预测结果。随机抽取建模集并预测10次,新方法和R值法的平均预测相关系数分别为0.890 6和0.846 8,平均预测均方根误差分别为0.889 6%和1.037 3%,结果表明新方法的预测效果优于传统R值法,使用四个特征量建立血氧饱和度预测模型,能够提高测量的稳定性和精度,对基于有限波长光谱数据建模测量人体血液生理参数有指导意义。     

Numerical study of chaos based on a shell model

A shell model is introduced to study a turbulence driven by the thermal instability (Rayleigh-Benard convection). This model equation describes cascade and chaos in the strong turbulence with high Rayleigh number. The chaos is numerically studied based on this model. The characteristics of the turbulence are analyzed and compared with those of the Gledzer-Ohkitani-Yamada (GOY) model. Quantities such as a mean value of total fluctuation energy, it's standard deviation, time averaged wave spectrum, probability distribution function, frequency spectrum, the maximum instantaneous Lyapunov exponent, distribution of instantaneous Lyapunov exponents, are evaluated. The dependences of these quantities on the error of numerical integration are also examined. There is not a clear correlation between the numerical accuracy and the accuracy of these quantities, since the interaction between a truncation error and an intrinsic nonlinearity of the system exists. A finding is that the maximum Lyapunov exponent is insensitive to a truncation error. (c) 1999 American Institute of Physics.     

基于模糊神经网络的短时交通流预测方法研究

为满足交通控制和诱导系统的实时性需求,减少交通拥挤状况,降低交通事故突发频率,需要对短时交通流进行预测。当前的短时交通流预测方法是采用K-近邻的非参数回归对其进行预测,预测过程中没有将预测模型中关键因素对交通流的影响进行详细的说明,导致预测结果不准确,存在短时交通流预测误差较大的问题。为此,提出一种基于模糊神经网络的短时交通流预测方法。该方法首先以历史短时交通流数据样本序列为基础,将提取的关联维数作为短时交通流的混沌特征量,然后以该特征量为依据,对短时交通流数据进行聚类,使相同的短时交通流聚合类样本比不同的交通流聚合类样本更为贴近,采用高斯过程回归对短时交通流预测模型进行建设,建设过程中利用差分方法对短时交通流预测序列进行平稳化操作之后,对短时交通流预测模型进行训练,将GPR模型引入至短时交通流预测过程中,得到交通流预测方差估计值,并确定交通流预测值置信区间,由此实现短时交通流的预测。由此实现短时交通流的预测。实验结果证明,所提方法可以准确地预测交通运输系统的实时状况,为车辆行驶的最佳路线进行了有效引导,减少了自然影响方面和人为因素对短时交通流预测结果的干扰,为交通部门对交通路况的控制管理提供了依据。     

A Short-Term Hybrid TCN-GRU Prediction Model of Bike-Sharing Demand Based on Travel Characteristics Mining

This paper proposes an accurate short-term prediction model of bike-sharing demand with the hybrid TCN-GRU method. The emergence of shared bicycles has provided people with a low-carbon, green and healthy way of transportation. However, the explosive growth and free-form development of bike-sharing has also brought about a series of problems in the area of urban governance, creating a new opportunity and challenge in the use of a large amount of historical data for regional bike-sharing traffic flow predictions. In this study, we built an accurate short-term prediction model of bike-sharing demand with the bike-sharing dataset from 2015 to 2017 in London. First, we conducted a multidimensional bike-sharing travel characteristics analysis based on explanatory variables such as weather, temperature, and humidity. This will help us to understand the travel characteristics of local people, will facilitate traffic management and, to a certain extent, improve traffic congestion. Then, the explanatory variables that help predict the demand for bike-sharing were obtained using the Granger causality with the entropy theory-based MIC method to verify each other. The Multivariate Temporal Convolutional Network (TCN) and Gated Recurrent Unit (GRU) model were integrated to build the prediction model, and this is abbreviated as the TCN-GRU model. The fitted coefficient of determination R2 and explainable variance score (EVar) of the dataset reached 98.42% and 98.49%, respectively. Meanwhile, the mean absolute error (MAE) and root mean square error (RMSE) were at least 1.98% and 2.4% lower than those in other models. The results show that the TCN-GRU model has strong efficiency and robustness. The model can be used to make short-term accurate predictions of bike-sharing demand in the region, so as to provide decision support for intelligent dispatching and urban traffic safety improvement, which will help to promote the development of green and low-carbon mobility in the future.     

HIAF-BRing电源样机模块故障联锁保护系统设计与实现

强流重离子加速器装置（HIAF）的增强器（BRing）二极铁电源样机采用多模块串并联的全储能快循环脉冲电源实现方案,电源功率达到MW级。由于电源规模庞大和功率巨大,为了在运行中迅速保护电源设备,设计并实现了一套双冗余的基于可编程逻辑控制器（PLC）、模块故障联锁板和现场可编程门阵列（FPGA）的模块故障联锁保护系统,利用硬件和软件同时对电源功率单元模块实施故障检测、故障传递和故障保护。设计完成后分别从电源联锁环路的响应时间、核心控制板故障引发电源环路联锁的总时间和设备故障响应等三个方面进行测试,测试结果表明,在电源发生故障时,模块故障联锁保护系统满足电源样机对实时性和可靠性的要求,达到设计目标。     

基于模式误差分布特征的中国夏季旱涝预测可信度研究

基于美国气候预报中心组合降雨分析资料对国家气候中心海气耦合模式多年夏季降水预报误差进行统计分析,以揭示模式预报误差的分布规律及特征.研究发现,模式预报误差分布特征满足正态分布,基于误差分布特征分析模式对中国夏季降水的预测能力,通过误差分布的高斯拟合曲线特征对比模式预报与动力统计方法的预测技巧,进而得到动力统计方法改进误差分布特征的两种类型:1)变幅型改进;2)均值型改进.在此基础上,根据模式误差的统计特征提出了一种新的旱涝预测可信度计算方法,用于定量化地评估动力统计方法在不同地区的预测可信度大小,并应用于实际预测.最后以2012和2013年夏季降水为例,给出了实况、预测以及可信度检验.结果显示该方法能较好地反映出预测的不确定性,较其他检验方法更具针对性,对异常降水的预测可信度反映更为准确,验证了方法的有效性,可进一步提高动力统计方法的预测服务水平.     

基于可见/近红外光谱技术的番茄叶片灰霉病检测研究

利用可见/近红外光谱技术对感染灰霉病的番茄叶片感染程度进行了检测。提出了主成分分析结合BP神经网络的数据处理方法。采用主成分分析进行数据的降维,减少了计算量,提高了建模精度。通过主成分分析中的载荷值,定性地分析了不同波段对病害程度检测的重要性。将得到的最主要的几个主成分输入BP神经网络进行建模,预测结果显示,当主成分数为8,隐含层结点数为11的时候,病害程度的检测模型对未知样本预测的相关系数达到0.930,SEP为0.068 7,模型具有良好的检测效果。说明基于光谱技术和化学计量学方法的灰霉病检测模型具有很好的检测能力,为光谱技术应用于病害检测提供了新的方法。     

多次测量随机误差分布的实验设计

利用Matlab设计多次测量时间的实验,首先使倒计时钟倒数,计算机自动取倒数到零的时刻t0,同时鼠标点击“计时”按键,程序取点击时刻t1,误差为t1-t0,多次测量后可以得到随机误差的分布,实验表明,误差符合高斯分布。     

Making forecasts for chaotic physical processes

Making a prediction for a chaotic physical process involves specifying the probability associated with each possible outcome. Ensembles of solutions are frequently used to estimate this probability distribution. However, for a typical chaotic physical system and model of that system, no solution of remains close to for all time. We propose an alternative. This Letter shows how to inflate or systematically perturb the ensemble of solutions of so that some ensemble member remains close to for orders of magnitude longer than unperturbed solutions of . This is true even when the perturbations are significantly smaller than the model error.