牡丹的花期预测研究

依据物候学的顺序相关规律,采用回归分析的方法,利用牡丹（Paeonia suffruticosa）花期前的物候现象,建立花期的预报模型,预报牡丹始花日期,通过检验,预报效果良好。牡丹花期预报模型的建立,为相关景区的管理工作,以及游人的赏花活动提供了方便。     

高科技牡丹

一种可用计算机根据不同需要进行栽培的牡丹花在河南省培植成功。 牡丹花期较短而且集中,传统的种植工艺也比较复杂。郑州市西郊花卉基地用高新科技“牡丹高枝层下枝接法”培育的牡丹,可以使牡丹花的色彩、花期等按照每个人的爱好和要求进行定制。也就是说,你喜欢一株牡丹上开几朵花,有几种颜色,在什么时间开,只要提     

大坝水平位移的灰色预测

在大坝运营过程中,对大坝位移进行监测和预报的传统方法,是在大坝运营相当一段时间后,利用大量的水平位移观测数据由回归分析法建立预报模型.这种方法有需要数据量大、不能在较短的时间内建立预报模型、分布要较典型、计算量大等缺陷,而且只能建立递推模型.另外,传统方法也不能对变形系统作出全面客观分析,更不能对系统作长期预测.但灰色模型能对系统的发展变化作出全面分析,并能对系统作长期预测.笔者按照灰色理论,提出根据坝区水平位移观测资料,建立大坝水平位移变化预报的灰色GM(GKEY MODEL)模型.这种预报模型,计算简单,预报效果好.     

平稳时间序列模型优选及阶数比选研究——以年最高洪水位预报为例

水位预报因具有数据直观,复核方便,容易确定避险区域等优点而逐渐取代复杂的流量预报.平稳时间序列模型计算简单,容易操作,是水位预报的理想方法.本文对比分析自回归模型、滑动平均模型和自回归滑动平均模型,以简捷原则为原则建立了自回归模型的参数计算方法和水位预报模型.并以丹东一水文站25年水位资料为例进行了两个阶数对比,结果表明3阶预报精度高于5阶,比选结果认为一般情况下可只进行3阶预报就能满足精度要求.     

晚开的花儿更美

被遗忘在角落的那盆牡丹,细瘦的茎上挂着稀疏的几片叶儿,既寒碜,又寂寞.我在旁边打量了一会儿,心中不解:“为什么它还不开花呢?” 是啊,明明早已到了花期,这一株牡丹却迟迟不愿开放.于是,它成了母亲最厌烦的一个盆栽.当初,她是觉得牡丹花好看,才接受了朋友的馈赠.可如今,母亲对它失望透了.     

水文预报的时间序列神经网络模型

时间序列分析在水文预报中起重要作用 ,其关键是要建立一个合适的预报模型 .文章提出基于 BP算法的单输出和多输出水文预报时间序列神经网络模型 ,克服了以往多种基于随机分析预报模型的缺点 ,不仅能实现快速灵活的信息处理 ,而且具有很强的非线性映射和自学习、自适应能力 ,这为更精确描述复杂非线性水文过程提供了可能 .通过对历史数据的学习 ,模型可对水文径流量时间序列进行预报 ,两个实例分析表明模型的可行性和有效性     

水库入库水量分级预报的神经网络建模及应用

本文把人工神经网络方法应用于径流预报,建立了入库水量分级预报的神经网络模型,其有效性在实例中得到了验证.     

基于小波神经网络和自回归模型耦合的河道洪水预测方法

在分析非线性河道洪水预报方法中常用BP神经网络不足的基础上,采用具有快速收敛和更有效非线性逼近能力特性的小波神经网络.为适应洪水演进的时变特性,将所建立的用于河道洪水预报的小波神经网络与自回归实时校正模型耦合,校正值为小波神经网络预报值与自回归模型预报误差之和.自回归实时校正模型的参数通过自适应衰减因子递推最小二乘动态更新以提高校正效果.将该方法应用于西江高要断面洪水预报,计算结果验证了其有效性.     

基于非线性规划的多核RBF最优加权组合预报模型

在6种单核子预报的基础上,建立误差平方和最小原则下的最优加权组合预报模型,通过非线性规划寻优方法搜索出各单核子预测的最优加权系数,利用广西降雨历史资料进行建模,实验结果表明,预测结果的各项指标均优于6个单核模型的分别预报,预测精度高于同期的T213(中国气象局的全球中期天气数值预报产品预报值)模式预报,具有一定的参考价值.     

灰色神经网络在空调订单预报中的应用

将灰色系统与神经网络融合,建立了GM(1,N)灰色神经网络基本模型,推导了相应的编程算法,以空调订单的预报为例,利用MATLAB对GM(l,N)灰色神经网络模型进行编程.程序运行结果表明,灰色神经网络模型在少样本情况下也可以达到较高精度,且误差可控,可以作为空调订单预报的有效工具.