共查询到18条相似文献,搜索用时 281 毫秒
1.
广西木薯生产潜力预测 总被引:2,自引:0,他引:2
采用数量化分析模型对广西木薯种植面积、单产和总产进行预测研究。以广西1985-2004年木薯种植面积、单位面积鲜薯产量和总产量为样本,建立了木薯单产、总产潜力GM(1,1)时序预测模型、木薯面积潜力自回归时序预测模型。经拟合及精度检验,拟合指数均在0.85以上,历史符合率达100%,木薯单产模型为一级精度,木薯面积、总产模型为二级精度。预测结果表明,2005和2006年广西木薯单位面积鲜薯产量分别为21.46 t.hm-2和22.45 t.hm-2,木薯鲜薯总产量分别为582.89万t和617.37万t,木薯种植面积分别为26.2万hm2和27.09万hm2。 相似文献
2.
3.
为更准确预测自来水厂的加矾量,弥补灰色GM(1,1)预测模型和神经网络预测模型在自动加矾系统中预测的不足,采用灰色GM(1,1)预测模型和BP神经网络预测模型相结合的方法,即灰色神经网络耦合模型,并运用于自来水厂自动加矾系统,根据实测数据计算预测值.结果表明:灰色GM(1,1)模型平均相对误差为0.016%,最大相差为0.025%,BP神经网络模型平均相对误差为0.037%,最大相差为0.069%,灰色神经网络耦合模型的平均相对误差0.006%,最大相差0.009%,其模拟精度远远高于其他2种模型的模拟值,具有广泛的实用性. 相似文献
4.
5.
6.
7.
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
8.
9.
提出将3种灰色模型(残差GM(1,1),无偏GM(1,1)和pGM(1,1))与神经网络模型进行有机组合,建立一种新的灰色神经网络组合预测模型,并以中国股票市场上证指数为例进行模拟预测.实证表明:组合预测模型的模拟预测精度较原有方法更为精确,可作为股市预测的有效工具. 相似文献
10.
《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
11.
12.
采用了一种基于时间序列数据的灰色—线性回归模型对广西某市的粮食作物播种面积的单产进行了预测,并将预测结果及预测误差与线性回归模型及灰色GM(1,1)模型的预测结果进行了比较。结果表明,灰色—线性回归组合模型进行粮食作物耕地需求量预测精度较高,具有科学可行性。 相似文献
13.
14.
根据灰色系统理论建立GM(1,1)模型预测路面的使用性能,结合实例讨论了具体的预测方法和过程,并与人工神经网络(ANN)预测方法进行比较。预测结果和质量分析表明,灰色系统理论预测效果较优。 相似文献
15.
用灰色理论预测青海湖裸鲤的年产量 总被引:1,自引:0,他引:1
刘军 《大连水产学院学报》2006,21(4):390-393
应用灰色理论与方法,以1991~1998年青海湖裸鲤Gymnocypris przewalskii przewalskii的年产量统计数据为基础,建立了灰色系统理论GM(1,1)预测模型,用该模型对1999年青海湖裸鲤的年产量进行了预测。结果表明:青海湖裸鲤年产量的时间响应函数模型为x^(0)(k 1)=4974.9670996e-0.232119k,多年平均相对误差为10.33%,后验差比值C=0.248352,小误差频率P=1,模型的预测精度达到一级;1999年青海湖裸鲤年产量的预测值为776.8 t,与实际产量(807 t)的相对误差为3.73%,模型的预测效果比较理想。 相似文献
16.
根据灰色系统理论建立 GM(1,1)模型预测路面的使用性能,结合实例讨论了具体的预测方法和过程,并与人工神经网络(ANN)预测方法进行比较。预测结果和质量分析表明,灰色系统理论预测效果较优。 相似文献
17.
秋冬连旱是影响宿州冬小麦、油菜等越冬作物生长发育的重要因素。以Z指数≤一0.8为标准,确定宿州市秋冬持续重旱年份序列,建立GM(1,1)预测模型,并应用BP人工神经网络(BP—ANN)对残差进行拟合,对GM(1,1)预测模型进行修正。结果表明,拟合结果较单一的GM(1,1)模型有一定提高。预测2008年后的下一个宿州市秋冬(10月-2月)持续重旱年度发生在2017~2018年,对当地农业生产和防灾减灾有一定的参考价值。 相似文献
18.
基于遗传算法优化的BP神经网络的组合预测模型方法研究 总被引:3,自引:1,他引:2
【目的】提出以传统猪瘟发病率为对象的组合预测模型。【方法】利用ARIMA模型以及灰色模型GM(1,1)进行数据初始化处理,将初步处理结果作为优化后的BP神经网络输入构建组合模型。【结果】利用组合模型对2000年到2009年的月度发病数据进行实例分析,结果表明预测数据精度达到97.379%,较ARIMA模型,灰色模型、BP神经网络模型分别提高了5.469%、3.499%、1.188%,模型平稳性增强,预测结果良好。【结论】本研究为动物疫情测报提供了有效的分析手段,验证了组合模型在动物疫情研究中的可行性,并可为其它动物疫病提供借鉴和参考。 相似文献