导读:本文包含了智能预报模型论文开题报告文献综述及选题提纲参考文献，主要关键词:果蝇优化算法,广义回归神经网络,日长变化参数,地球定向参数
智能预报模型论文文献综述
王潜心,王志文[1]（2019）在《一种基于人工智能方法的日长变化参数预报模型》一文中研究指出广义回归神经网络(GRNN)是一种新型的前馈神经网络模型,具有训练次数少、耗时短、非线性参数的预报能力较强等优点。GRNN对日长变化参数(LOD)进行预报能够取得良好的预报效果,但GRNN唯一调节参数即光滑因子无法自动获取,则限制其进一步应用。针对该缺陷,本文采用果蝇优化算法(FOA)与GRNN相结合构建FOAGRNN模型对GRNN进行优化,以自动获取光滑因子。通过将FOAGRNN与其他模型(主要包括GRNN、BPNN、Modified BPNN和FIS)的预报结果进行比较与分析,结果显示:①在超短期1～10天内预报中,FOAGRNN预报结果与其他预报模型的预报结果相当;②在短期1～30天内预报中,除GRNN模型与FOAGRNN预报结果相当外,FOAGRNN结果优于其余预报模型;③在中长期1～360天内预报中,FOAGRNN模型优于所有模型的预报结果。同时,试验结果表明,针对LOD参数短期预报,FOAGRNN模型可获得与当前国际预报精度相当的预报结果。(本文来源于《卫星导航定位与北斗系统应用2019——北斗服务全球 融合创新应用》期刊2019-09-10）
崔晨耕[2]（2019）在《神经网络算法与机理模型融合的冷连轧轧制力智能预报模型》一文中研究指出冷轧带钢的生产模式正在向多品种、小批量、低库存转变,这直接导致了轧制过程中需要更频繁地切换品种规格。由于变规格过程中轧制工艺状态变化较大,传统机理模型加常规自学习和自适应方法很难保证规格切换后首卷产品设定精度。为提高变规格过程中轧制力预报精度,本文提出一种机理模型与轧制过程海量历史数据相融合的复合模型。该方法建立在轧制力理论模型的基础上,采用遗传算法优化BP神经网络的方法对模型轧制力进行校正。使用该算法进行轧制力预报,使变规格后首卷钢轧制力预报的平均相对误差控制在±5.5%内,远高于常规机理模型的设定精度,该方法具有现场应用价值。(本文来源于《计算机与现代化》期刊2019年08期）
刘昌军[3]（2019）在《基于人工智能和大数据驱动的新一代水文模型及其在洪水预报预警中的应用》一文中研究指出洪涝灾害是我国最严重的自然灾害之一,中小流域洪水预报是防洪减灾最重要的非工程措施,山洪灾害防御的核心技术难点是小流域暴雨洪水计算问题,而无资料小流域产汇流非线性和参数区域化问题是小流域暴雨洪水计算的关键技术难题。随着全国山洪灾害调查评价、水文实测、遥感遥测和高分辨率地形等构成的遥感水文大数据日(本文来源于《中国防汛抗旱》期刊2019年05期）
韩焱红,苗蕾,郝淑会,吴英,赵鲁强[4]（2019）在《基于林区智能网格的精细化森林火险气象预报模型及应用》一文中研究指出基于智能网格气象产品、全国森林植被分布数据,选取动态气象因子和静态植被因子,建立了精细化森林火险气象预报模型并开展业务应用。利用火灾个例以及重点防火期内森林火灾实际过程,对模型预报效果进行评估,结果表明:①火险预报模型通过加入静态植被因子,考虑了不同类型的可燃物特征,基于GIS研发了精准到林区网格的精细化森林火险气象等级客观预报产品;②我国西南、华南、东北、华北等林火高发地区的重点防火期期间,降水晴雨准确率较高,采用的智能网格气象预报产品为模型提供了可靠、精细的动态气象背景场;③模型对火险气象条件模拟效果较好,对森林火灾的发生具有较好的指示意义;④模型实现了基于植被的森林火险气象等级网格化预报,产品空间分辨率5 km,预报时效为10 d,在国家级森林火险气象等级短、中期无缝隙精细化预报以及火场保障服务中取得了良好的应用效果。(本文来源于《中低纬山地气象》期刊2019年02期）
张茜,蒋志鑫,陈丽梅[5]（2018）在《中小型智能炼钢转炉碳温预报模型》一文中研究指出近年来,我国转炉炼钢生产流程工艺与装备技术的进步幅度明显提高.在"去产能"背景下,需要突破中小转炉炼钢技术瓶颈,开启智能炼钢模式。(本文来源于《中国金属通报》期刊2018年08期）
许小峰[6]（2018）在《从物理模型到智能分析——降低天气预报不确定性的新探索》一文中研究指出本文回顾了气象预报技术发展的进程,人们不断通过创造性的智慧发挥,从传统的经验判断到依靠现代数学物理方法,实现通过模式方程组求解大气演变过程,取得了成功。但面对复杂的天气气候系统,许多非线性不确定问题仍难以解决。随着人工智能(AI)技术的发展,有希望助上一臂之力。文中介绍了一些初步设想和进展,在观测识别、数据处理、短时临近预报、模式参数化、预报结果集成分析等环节都有初步成果,进一步的研发、拓展值得期待。(本文来源于《气象》期刊2018年03期）
严翠云[7]（2015）在《基于汀江流域智能发电调度系统的水电站径流预报及水箱模型的应用研究》一文中研究指出目前,国内关于大中型水电站优化调度的研究,技术较成熟,研发单位多,成功研制大中型水调优化调度、洪水调度系统等。但主要适用于调节能力较好的大中型水电站群,具有开发投资大,维护成本高等特点。随着水电资源的深度开发,中小流域水电资源(特指单机容量小于50MW的径流或中型调节库容的水电站)由于民间资本开发,点多面广,地(县)规划权隶属不同以及建设时间不同等原因,常见发电流量不匹配、雨水情测报系统不完善等问题。靠天吃饭,凭经验调度,缺乏信号支撑的粗犷型管理,在多年运行中遗留下水耗高、弃水多等共性问题,水资源得不到充分利用。本文以国网龙岩供电公司“汀江流域智能发电调度一体化系统”为工程背景,从径流预报与调度优化的角度,对这两个问题展开研究。在来水预报方面,针对中小流域人工拦蓄复杂、水文资料不完整等问题,采用复杂水箱模型做为来水预报模型,研制出动态模型实时智能校正软件提高测报精度。针对汀江流域梯级水电站群优化问题,采用动态规划法研究适用于实际工程的需求。以电厂需求为导向,兼顾电网利益,重点研究影响发电效益因数,逐步提高水能发电效益、提高水电在电网运行中的削峰能力。主要内容包括:1、阐述课题研究背景及研究意义,同时综述国内外的研究动态。2、详细论述汀江流域智能发电调度系统功能框架,包括系统设计原则、系统技术特点等。3、提出了汀江流域径流预报模型,结合流域特点建立水箱模型,对该模型进行参数率定检验,提高预报精度。研制成果表明水箱模型能较好解决中小流域多电站、多断面、多区间、人为调控频繁、复杂多变的洪枯水过程数值预报,满足中小流域水电站群对来水精确计算的需求。采用动态规划法解决水电站有功负荷的最优化分配问题,建立发电效益分析模型,自动跟踪统计不同时段单千瓦时发电量耗水率,并用曲线直观展示,改变靠天吃饭的传统理念,引领中小型径流水电向管理精益化健康发展。(本文来源于《华侨大学》期刊2015-04-08）
苑希民,冯国娜,田福昌,薛文宇[8]（2015）在《黄河内蒙段凌情变化规律及智能耦合预报模型》一文中研究指出由于特殊的地理位置、水文气象条件及河道特性的影响,黄河内蒙段几乎每年都会发生凌汛。对黄河内蒙段主要控制站的气象水文等实测数据进行分析后,发现近年来随着凌期气温升高,流量增大,流凌、首封日期推后,开河日期提前,且最大冰厚明显变薄。为此,以黄河内蒙段巴彦高勒站为例,通过相关分析选取合适的预报因子,采用基于遗传算法的神经网络方法建立了凌情智能耦合预报模型(GA-BP模型),对流凌、封河、开河日期进行预报。对比不同模型的预报结果,发现多元线性模型、BP模型和GA-BP模型合格率分别为80%、86.7%和93.3%,GA-BP模型的预报精度较高。因此,GA-BP模型可以为黄河内蒙段的凌汛灾害防治提供重要支持。(本文来源于《南水北调与水利科技》期刊2015年01期）
黄颖,金龙,黄小燕,史旭明,金健[9]（2014）在《基于局部线性嵌入的人工智能台风强度集合预报模型》一文中研究指出利用局部线性嵌入算法通过学习挖掘高维数据集的内在几何结构,高效地实现维数约简和特征提取的能力,论文以2001—2012年共12年6—9月西北太平洋海域内生成的台风样本为基础,将气候持续因子作为台风强度的基本预报因子,采用局部线性嵌入的特征提取与逐步回归计算相结合的预报因子信息数据挖掘技术,以进化计算的粒子群算法,生成期望输出相同的多个神经网络个体,建立了一种新的非线性人工智能集合预报模型,进行了分月台风强度预报模型的建模研究。在建模样本、独立预报样本相同的情况下,分别采用人工智能集合预报方法和气候持续法进行预报试验。试验对比结果表明,前者较后者在6、7、8和9月24 h台风强度预报中,平均绝对误差分别下降了23.34%、24.46%、19.41%和27.45%,4个月的平均绝对误差下降了23.10%;48 h台风强度预报中,6—9月平均绝对误差分别下降了44.82%、16.73%、0.89%和49.26%,4个月的平均绝对误差下降了25.54%。进一步研究发现,在变动局部线性嵌入算法忌近邻个数的情况下,建立的台风强度集合预报模型,其预报结果稳定可靠,相对于气候持续法均为正的预报技巧水平,为台风强度客观预报提供了新的预报工具和预报建模方法。(本文来源于《气象》期刊2014年07期）
王子奇[10]（2014）在《200吨LF炉精炼过程钢水温度智能预报模型研究与在线控制》一文中研究指出随着钢铁行业的飞速发展,其自动化程度也越来越高,“一键式”炼钢已经成为现代化钢铁企业的趋势。LF钢水温度预报模型可以对精炼过程中的钢水温度进行实时预报,对于钢铁企业提高温度控制水平,降低生产成本,提升产品质量具有重要意义。本文以某钢厂200吨LF炉为研究对象,在数值模拟的基础上,采用理论分析与现场调节相结合的方式,利用Ⅵsual Studio2005编制开发出LF精炼过程温度预报模型。该模型具有自动校正功能,并成功用于LF精炼实际生产的在线控制,实现了对温度的实时预报与智能控制功能。本文主要内容和结论如下：(1)利用CFD软件Fluent对LF精炼过程流场进行数值模拟,研究结果表明：采用双底吹氩的钢包,随着氩气流量的增加,混匀时间逐渐变短,但气量达到600NL/min后,这种趋势开始不明显；吹开100mm厚的渣层临界氩气量在150NLmin～200NL/min之间,并且吹氩量200NL/min增加到500NL/min时,相应的渣圈直径从320mm增加到520mm。(2)通过对包衬的热模拟研究发现：钢包热周转状态不同对精炼阶段钢水温降和包衬散热存在显着影响,D级钢包(在线包)包衬散热引起钢水平均温降速率约为0.7℃/min,与A级钢包(新包)相比,处理时间35min内钢水温度少降低约30℃C,平均温降速率相差0.75℃/min.根据上述结果,利用ongm对不同包衬热状态下的钢水温降分别进行拟合,得到钢水温降随精炼时间的表达式为：△Tlining=a+bt-ct2+dt3-et4式中：a,b, c, d, e为与钢包包衬的热状态相关的常数。(3)根据数值模拟的结果,对不同吹氩流量下钢水的裸露面积进行拟合,获得了钢水的裸露面积随吹氩量变化的拟合方程,并据此计算出吹氩辐射散热造成的钢水温降速率。(4)在数值模拟和生产数据统计的基础上,建立了LF炉精炼过程中钢水温度智能预报模型,该模型可根据加热档位,自动调整加热时间并上传数据；同时通过现场实测数据对模型进行验证。结果表明：精炼结束钢水预测温度与实测温度的相对误差在±5℃和±10℃内的命中率分别为82%和90%,模型预报温度与实测值吻合较好,能够满足生产要求。(本文来源于《东北大学》期刊2014-06-01）
智能预报模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
冷轧带钢的生产模式正在向多品种、小批量、低库存转变,这直接导致了轧制过程中需要更频繁地切换品种规格。由于变规格过程中轧制工艺状态变化较大,传统机理模型加常规自学习和自适应方法很难保证规格切换后首卷产品设定精度。为提高变规格过程中轧制力预报精度,本文提出一种机理模型与轧制过程海量历史数据相融合的复合模型。该方法建立在轧制力理论模型的基础上,采用遗传算法优化BP神经网络的方法对模型轧制力进行校正。使用该算法进行轧制力预报,使变规格后首卷钢轧制力预报的平均相对误差控制在±5.5%内,远高于常规机理模型的设定精度,该方法具有现场应用价值。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
智能预报模型论文参考文献
[1].王潜心,王志文.一种基于人工智能方法的日长变化参数预报模型[C].卫星导航定位与北斗系统应用2019——北斗服务全球融合创新应用.2019
[2].崔晨耕.神经网络算法与机理模型融合的冷连轧轧制力智能预报模型[J].计算机与现代化.2019
[3].刘昌军.基于人工智能和大数据驱动的新一代水文模型及其在洪水预报预警中的应用[J].中国防汛抗旱.2019
[4].韩焱红,苗蕾,郝淑会,吴英,赵鲁强.基于林区智能网格的精细化森林火险气象预报模型及应用[J].中低纬山地气象.2019
[5].张茜,蒋志鑫,陈丽梅.中小型智能炼钢转炉碳温预报模型[J].中国金属通报.2018
[6].许小峰.从物理模型到智能分析——降低天气预报不确定性的新探索[J].气象.2018
[7].严翠云.基于汀江流域智能发电调度系统的水电站径流预报及水箱模型的应用研究[D].华侨大学.2015
[8].苑希民,冯国娜,田福昌,薛文宇.黄河内蒙段凌情变化规律及智能耦合预报模型[J].南水北调与水利科技.2015
[9].黄颖,金龙,黄小燕,史旭明,金健.基于局部线性嵌入的人工智能台风强度集合预报模型[J].气象.2014
[10].王子奇.200吨LF炉精炼过程钢水温度智能预报模型研究与在线控制[D].东北大学.2014