3) practical prediction model
实用预测模型
4) time and spatial forecast model
时空预测模型
1.
Based on studies on mechanism of soil secondary salinization in Huang-Huai-Hai plain as well as assessment to soil secondary salinization in waste material processing place of some mineral water production base, paper put forwards time and spatial forecast model about soil secondary salinization and its controlling measures.
本文在对黄淮海平原地区的土壤盐碱化机制进行研究的基础上 ,结合某矿泉水基地纳污场土壤盐碱化的评价 ,提出了土壤次生盐碱化的时空预测模型和防治土壤次生盐碱化的措施。
5) short-time forecasting model
短时预测模型
1.
The existing traffic forecasting models are analyzed,and a new short-time forecasting model based on chaos theory is developed.
将基于Lya-punov指数的一维预测模式具体化,建立了交通流短时预测模型,并对模型进行了改进,改进后的预测结果具有较高的精度。
6) real-time prediction
实时预测
1.
Based on the close relationship between seismic and logging information,a real-time prediction model of borehole stability is established using seismic,logging and geological data to control borehole wall sloughing instability.
该模型综合利用地震、测井和地质资料,从待钻目标井和已完钻邻井的井旁地震记录中分别提取最优地震属性组合,运用小波神经网络建立已钻井地震属性与测井数据之间的分层映射关系模型,利用当前待钻地层的地震属性并选取相应的映射模型实时预测钻头以下地层的声波和密度测井曲线。
2.
Aimed at the chaotic characteristic in urban traffic flow,authors introduced an improved prediction model of weighted one-rank local-region and applied the model to real-time prediction of traffic flow.
针对城市交通流普遍存在的混沌特性,介绍了一种改进的加权一阶局域预测模型,并将其应用于交通流实时预测中。
3.
By using the historic data sequence of the target position for building a straight line equation,and then using the equation for predicting the target s position and velocity at the future moment,the real-time prediction of the target is implemented.
对基于无线传感器网络(WSN)的目标跟踪机制进行了研究,采用一种分段线性拟合的方法对做正弦运动的目标进行跟踪,该方法是利用目标位置历史数据序列建立直线方程,用此直线方程预测目标未来时刻的位置及速度,实现对目标实时预测。
补充资料：电力系统实时负荷预测
电力系统实时负荷预测
real time load forecast-ing of electric power system
z(‘)一名a，关(‘)+，(‘)式中f，(t)为负荷时间序列自校正功能的特征函数，由近期负荷历史数据求得;氏为模型参数，也由负荷历史数据求得;F(t)为误差项，假定为白噪声. 谱分析方法能较为精确地描述非平稳随机过程.因此这个模型具有较强的适应天气因素变化的能力，具有较好的预侧精度。谱分析方法要由历史数据的负荷变化余t形成Q矩阵，求解Q矩阵的特征值及特征向量才能求解出特征函数关(·)及参数风，计算t比较大。 (2)鲍克斯一詹金斯模型。利用了时间序列方法，又称ARMA模型.预测负荷的形式为 z(t)，Y，(t)+Y(t)式中Y，(t)为正常天气棋式下各小时的负荷分t;Y(t)为附加的残差项.它反映天气模式与正常情况的差别及随机相关效应。在ARMA模型中，残差项可表示为 用山Y(t)一名a.Y(，一i)十艺名勺u.(t一j.)盛一12决·0+习C.W(‘一k) 盛.]式中u.(t)为‘个天气因素的输人，也可为系统中不同地区的天气效应;W(t)为零均值的白嗓声，反映负荷的随机变化，久、bj.、C.及，、n，、m.、H都是模型的参数，是未知常数，都需要由仿真法辨识. 短期负荷预侧及超短期负荷预侧的模型荃本相似，只是在所取历史数据的长短及采样间隔上有所不同。 节点负荷的预测节点的负荷不直接进行预侧。根据各个节点的历史负荷数据统计出两个比例系数:各节点在一天中几个时段的有功负荷与相应时段的系统总有功负荷的比例系数;各节点在一天中几个时段无功负荷与有功负荷的比例系数。由这些比例系数及各个时段系统总有功负荷即可计算出各个节点每个时段的预侧有功负荷及无功负荷。d ronl一x一torlg stl一shl{L{he丫一」ce电力系统实时负荷预测(real time load fore-easting of eleetrie power system)利用电力系统实时信息和历史数据对未来时刻的电力系统负荷进行预测。它是能量管理系统(energyn、anagomontsystem，EMS)中的一项实时功能。一般预测的对象是电力系统总有功负荷及系统中各个节点的有功负荷与无功负荷。 负荷预测的目的与意义对未来的系统负荷情况的预测是制定电力系统运行计划(或称发电计划)的依据。电力系统运行的特点是任何时刻发电机发出的功率必须紧密跟踪系统负荷的需求(包括电力网中的功率损耗及厂用电)，以保持电力系统频率恒定。根据预测负荷来制定发电计划.决定机组间的负荷分配、水火电机组的协调、机组起停及与相邻系统间的功率交换等。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条