共查询到18条相似文献，搜索用时 250 毫秒
1.
组合预测在吉林省粮食产量预测中的应用 总被引：1，自引：0，他引：1
利用吉林省1952~2009年粮食产量的统计数据,将指数平滑模型和GM（1,1）预测模型加以组合,建立了吉林省粮食产量的预测模型。同时,对吉林省2010~2015年粮食产量和年均增长率进行了预测,为吉林省未来的农业发展规划提供合理依据。 相似文献
2.
最优加权预测在吉林省粮食产量预测中的应用 总被引：2，自引：0，他引：2
根据最优加权理论来确定权重,将时间序列模型、指数平滑模型和GM(1,1)预测模型加以组合,利用吉林省1952-2007年的粮食产量统计数据,建立了吉林省粮食产量的组合预测模型,并预测出吉林省2008-2015年的粮食产量:2008年的粮食产量为2798.8万t,2015年将达到3377.01万t,年均增长率为2.72%. 相似文献
3.
吉林省是我国重要的商品粮生产基地,时间序列分析中的ARIMA( p,d,q)模型可以很好地反映吉林省的粮食生产状况。利用吉林省1978—2012年的粮食产量数据,根据时间序列分析法,通过Eviews软件得到吉林省粮食产量预测模型,由该模型预测吉林省未来粮食产量呈现稳中增长的势头,但增产幅度逐渐减弱。 相似文献
4.
为提高粮食产量预测的准确性,针对我国粮食产量的数据特点,采用灰度和极限学习机相结合的组合预测模型对我国粮食产量进行短期精准预测。首先从原粮食序列中选取适量距离待预测年份较近的产量数据构成子序列,对该序列建立灰度预测模型,并计算模型预测误差。然后对原序列进行归一化处理,进而建立序列的极限学习机预测模型并计算模型的预测误差,以反映序列的长期变化规律。最后,根据2个模型的预测误差得到模型的权重系数,进而由2个模型的预测值组合得到最终的粮食产量。通过应用1949—2013年我国粮食产量数据对该模型进行验证表明,该组合方法能够准确预测3年的粮食产量,预测平均误差约为1.19%,预测精度明显好于灰度模型和极限学习机模型。 相似文献
5.
毕节试验区粮食产量组合预测模型研究 总被引：3，自引：0，他引：3
以贵州毕节试验区1987～2007年的粮食产量为基础,在建立单项预测模型的基础上,采用主成分回归建立了毕节试验区粮食产量组合预测模型,并利用模型对毕节试验区2010～2015年的粮食产量进行了预测,以期为毕节试验区"十二五"的农业发展规划提供参考。 相似文献
6.
灰色线性回归组合模型在河南省粮食产量预测中的应用 总被引：7，自引：1，他引：6
河南省粮食生产变化的波动较大,单一的GM(1,1)模型不能详尽描述其变化规律及预测未来趋势,采用线性回归方程以及由GM(1,1)模型得到的时间响应序列方程和组成的灰色线性回归预测模型,弥补了线性回归模型中没有指数增长趋势和GM(1,1)模型中没有线性因素的不足。利用河南省2000-2007年的粮食产量统计数据,建立了河南省粮食产量的灰色组合预测模型,并根据模型预测出河南省2008-2012年的粮食产量,实例证明,该模型的预测精度为97.9%,模型的预测精度高。 相似文献
7.
《河北农业大学学报》2021,44(3)
科学统计粮食产量数据并合理预测其发展趋势有助于稳定粮食生产、保障粮食安全。本文基于差分整合移动平均自回归(ARIMA)模型、广义回归神经网络(GRNN)模型以及长短期记忆人工神经网络(LSTM)模型,运用皮尔逊相关性分析方法选出影响粮食产量的主要因素并进行预测。以河北省保定市在1996—2014年粮食产量及16个粮食产量影响因素等历史数据为例,预测2015、2016和2017年粮食产量。试验结果表明,基于ARIMA模型预测的平均相对误差为0.96%,基于LSTM模型预测的平均相对误差为2.20%,基于ARIMAGRNN组合模型预测的的平均相对误差为0.47%。相比于其他预测模型,ARIMA-GRNN组合模型可有效地对粮食产量进行预测,并为粮食产量的预测提供了1种新方法。 相似文献
8.
在介绍最小二乘法的基本原理的基础上,给出一种Chebyshev多项式进行数据拟合方法,利用此方法对1952～2008年吉林省粮食产量进行了数据分析。结果表明,在进行农业经济研究数据分析时,应用Chebyshev多项式线性最小二乘较优;通过建立的吉林省粮食产量的Chebyshev多项式最小二乘法的预测模型,预测出2009～2015年吉林省的粮食产量分别为2 900.4万、2 983.6万、3 068.1万、3154.0万、3 241.2万、3 329.8万、3 419.7万t;2009～2015年吉林省的粮食产量的年均增产率为2.78%,低于2000～2008年7.12%的年均增长率。 相似文献
9.
《江苏农业科学》2016,(12)
由于粮食生产受到社会、经济和气候等多方面因素的影响,造成粮食产量序列的复杂性、随机性和非平稳性。为了准确预测粮食产量,提出基于小波变换的灰度模型(GM)-反演(BP)神经网络[BP神经网络是人工神经网络(AMNN)的一种]相结合的预测方法,首先利用小波变换将非平稳序列转化为若干不同频率分量的平稳序列;然后针对各序列使用灰色GM(1,1)模型建立预测模型,为了进一步提高模型的预测精度,结合BP神经网络对预测残差进行修正;最后通过组合得到粮食产量的预测模型。通过对2011—2014年我国粮食产量数据的预测,表明所提方法的预测精度明显高于GM(1,1)和BP神经网络预测模型,4年的平均预测误差小于1%,能够较准确地预测我国粮食产量。 相似文献
10.
为提高粮食产量的预测精度,针对粮食产量的数据特点,提出了在小波变换的基础上,结合GM(1,1)模型与ARIMA模型的优点,建立GM(1,1)-ARIMA组合预测模型。首先,通过小波变换对非平稳序列进行分解,得到近似分量和细节分量;针对各分量序列的不同特征,采用灰色GM(1,1)模型对近似分量进行趋势预测,为进一步提高趋势信号的预测精度,使用灰色GM(1,1)模型对预测序列进行残差修正;然后,采用ARIMA预测模型对分离出的细节分量进行预测;最后,通过小波重构得到粮食产量的预测值。预测结果表明,基于小波变换的GM(1,1)-ARIMA模型的拟合平均误差为0. 69%,通过对2011—2014年粮食产量的预测,其预测平均误差低于1%,为粮食产量预测提供了一种新的技术途径。 相似文献
11.
冯明 《华中农业大学学报》2008,27(1):144-147
为探讨湖北省粮食总产气象预报模型,选用高空大气环流资料、地面气象资料和统计局历年产量资料,从全年粮食总产量的构成进行分析,提出并比较了4种粮食总产气象预报模型.预报模型采用线性或非线性方程进行模拟.从理论和实际两方面分析了每种模型的可行性.通过2 a的试运行和2006年的实际应用,效果很好,3 a来,此模型对湖北省粮食产量预测预报的准确率达98.1%～99.3%.确定用"分组模型"的方法建立湖北省粮食产量气象预报模型. 相似文献
12.
尝试将组合预测法应用于我国未来粮食产量的预测,以提高预测精度。通过赋予合理权重,将C-D生产函数模型、多元回归模型和指数平滑模型加权组合。对各模型进行平均绝对百分误差(MAPE)、希尔不等系数(Theil IC)和均方根误差(RMSE)等指标的比较,证明单一模型经过组合能够提高预测精度。 相似文献
13.
中国人均食用粮食消费量的时序预测 总被引：1，自引：0，他引：1
常平凡 《山西农业大学学报(自然科学版)》2005,25(1):87-92
粮食消费预测是安排粮食生产、调整粮食种植结构、制定粮食安全和农业可持续发展战略的重要理论依据。利用粮食消费量与时间之间的相关关系, 采用SPSS程序包进行筛选, 建立我国人均食用粮食消费的时序预测模型。研究结果表明, 所建立的三个时序预测模型的拟合度等统计指标高度显著, 运用所建模型对所获资料进行的内推预测比较准确, 但外推预测结果因影响因素多, 其准确性有待时间和实际的检验。 相似文献
14.
森林火灾蔓延多模型预测系统研究 总被引：3，自引：0，他引：3
该文通过对森林火蔓延模型的研究,建立了一种使用产生式原则的多模型森林地表火蔓延预测系统. 此预测系统通过与森林火灾实时监控系统连接,将数据流动由传统公式计算中的单向流动,变为计算数据流回输入端,进行反馈修正计算,从而形成一个对数据库的修正与补充的系统,以达到减小模型预测误差的目的. 与实测结果比较表明,该系统的预测结果可信,能够实现林火蔓延的预测. 相似文献
15.
16.
灰色系统理论在林业用地预测中的应用 总被引：5，自引：0，他引：5
根据灰色系统理论,建立了辽宁省某市林业用地的常规GM(1,1)预测模型,并进行了模型精度检验,相对误差最大为0.53%,利用该模型对2003年的林业用地状况进行了预测检验,相对误差为3.65%,小于5%,证明该预测模型预测精度较高,预测效果较好。针对灰色系统理论及研究区域林业用地的特点,提出了在今后林业用地预测时可以在利用GM(1,1)模型进行预测的基础上,叠加国家规划中每年的生态退耕还林量而获得最佳林业用地量预测值的建议。 相似文献
17.
崔岘 《甘肃农业大学学报》1992,(3)
本文以甘肃省1952年至1990年的猪肉销售量统计资料为背景,应用时间序列分析方法,建立了甘肃省猪肉需求自回归预测模型AR(P),经统计检验,该模型予以接受。作者运用该模型对甘肃省1991年,1992年,1993年的猪肉需求进行了预测,指出了所建模型的应用条件与后果。本研究结果为有关部门指导猪肉生产、调整畜牧业生产结构、加强商品经济的科学管理提供理论依据和决策数据。 相似文献
18.
本文应用灰色系统理论,根据乌鲁木齐地区46年(1941—1986年)气温资料,建立了一套灰色动态模型,对未来33年气温趋势进行了研究,并用1981—86年资料进行验证,得到理想的结果,可为水稻、棉花、瓜类产量预测及制定农业规划提供科学依据。 相似文献