共查询到19条相似文献，搜索用时 171 毫秒
1.
为预测未来5年（2011-2015年）中国水产品的年总产量。本研究基于灰色系统理论和方法,首先分别构建常规GM(1,1)模型和灰色新陈代谢GM(1,1)模型,对2006-2009年中国水产品年总产量进行预测分析并比较两种模型的预测精度。然后选择预测精度较高的模型对未来5年中国水产品年总产量进行预测研究。常规GM(1,1)模型和灰色新陈代谢GM(1,1)模型对2006-2009年中国水产品年总产量预测的精度比较显示：灰色新陈代谢GM(1,1)模型预测精度更高,预测误差更小,更适用于水产品年总产量的预测研究。因此,选择灰色新陈代谢GM(1,1)模型对中国未来5年水产品年总产量进行预测,即2011-2015年中国水产品年总产量将分别达到5532.333、5746.315、5972.634、6202.738、6443.838万t,年均增长率达到3.7%,远高于《全国渔业发展第十二个五年规划（2011-2015年）》设定年均增长2.2%的目标。本研究结果表明：灰色新陈代谢GM(1,1)模型适用于水产品产量预测的研究;2011-2015年中国水产品总产量完全可以实现渔业“十二五”规划设定目标。 相似文献
2.
灰色系统理论在生猪价格预测中的应用 总被引：1，自引：0，他引：1
近年来生猪价格波动明显,波动幅度越来越大,引起社会各界广泛关注。鉴于生猪价格的特殊性,运用灰色系统理论,根据生猪价格的历史数据,建立基于弱化缓冲算子的GM(1,1)预测模型,并通过残差、级比偏差、关联度和后验差检测对模型的合理性和精度进行误差检验,最后应用模型预测了未来3年的生猪价格。结果表明：P0=97.33%＞90%、ρ(avg)=4.6613%＜10%、r=0.8441＞0.6和P=0.7778。由此可见,灰色系统理论GM(1,1)适用于生猪价格预测具有较高的精度。预测2014、2015和2016年生猪价格分别为16.72、15.26和17.42元/kg,与2013年相比较,分别上涨为14.84%、4.81%和19.64%。预测结果显示,未来生猪价格将在波动中上涨。 相似文献
3.
针对单一预测模型精度不高以及预测结果不能体现经济变量关系的不足,将灰色GM(1,1)模型与多元线性计量经济模型加以耦合,建立了灰色多元线性计量经济模型,并利用该模型对湖南省农村居民人均纯收入进行了预测。灰色多元线性计量经济模型的预测精度不仅明显高于单一的灰色GM(1,1)模型和多元线性回归模型,而且预测结果也能体现经济变量之间的关系。预测结果表明,未来几年湖南省农村居民人均纯收入逐年增长,但增长的速度较为缓慢。最后,给出了几点调控湖南省农村居民收入差距的建议。 相似文献
4.
福建省农民人均纯收入的组合预测分析 总被引：1，自引：1，他引：0
利用福建省1978-2011年的农民人均纯收入数据,在建立ARMA模型、Holt-Winters非季节模型、二次曲线模型、灰色GM(1,1)模型的基础上,以各个模型预测的MAPE调和平均数为权重建立组合预测模型,对福建省2012-2015年的农民人均纯收入进行预测。结果表明,组合预测的MAPE值为0.1821%,高于各个单项预测模型。且在2012-2015年期间,年均增长率达到10.85%。 相似文献
5.
摘要：针对稻瘟病在水稻生长过程中存在的严重危害,笔者基于四川资中地区1998-2008年的稻瘟病发生资料,运用灰色人工神经网络的方法（GBP ）,建立了稻瘟病发生的预报模型,结果表明：灰色人工神经网络模型的平均相对误差为0.0946,远远优于GM(1,1)模型的1.8857。灰色人工神经网络模型可以拟合任意一种函数关系,且该模型信息利用率高,避免了系统数据辨识方法在序列累加时因正负抵消而产生信息失真的现象。灰色人工神经网络模型的拟合和预测精度较高,可以用于该地区稻瘟病发生的预测工作。 相似文献
6.
7.
8.
为了建立水稻不同区域、不同生育期的水稻稻纵卷叶螟预测模型,利用103个植保站2000-2014年稻纵卷叶螟虫情资料与气象资料,采用SPSS软件进行相关分析与主成分分析,在逐步回归的基础上建立水稻稻纵卷叶螟不同区域、不同生育期的发生发展气象等级与迁入气象等级预测模型。结果表明：以华南早稻为例,影响早稻移栽分蘖期发生发展的关键因子包括3月下旬累积降水量、4月上旬平均气温、4月下旬平均气温、5月上旬平均气温以及5月上旬最高气温＞30℃天数;迁飞的关键因子包括4月平均相对湿度、3月下旬平均气温、3月下旬平均相对湿度以及4月上旬平均日照时数。通过2000—2012年数据回代检验发现,不同水稻种植区移栽分蘖期和抽穗开花期发生发展气象等级平均准确率能达到80%以上,迁入气象等级在85%以上。通过2013—2014年外推预报时,发生发展气象等级平均准确率在80%以上,迁入气象等级在78%以上;当预测站点样本数较少时,预报的准确率普遍下降,西南一季稻下降明显。预测模型可从气象角度对中国水稻稻纵卷叶螟发生发展和迁入进行预测。 相似文献
9.
10.
基于逐步回归与BP神经网络的日光温室温湿度预测模型对比分析 总被引：4，自引：2，他引：2
为构建较准确的日光温室温湿度预测模型,于2011-2013年冬季(1月、2月、12月)天津市宝坻区开展温室内外环境监测试验,并建立3种天气类型(晴、多云、阴)下3个时段(0-8时、8-17时、17-23时)逐步回归与BP神经网络温室内温湿度预测模型。结果表明:1)温室内气温逐步回归模型9种情况下模拟值与实际值的绝对误差小于3℃的平均准确率Rate(≤3℃)为88%,平均均方根误差(RMSE)为2℃;BP神经网络模型9种情况下模拟值与实际值的绝对误差小于3℃的平均准确率Rate(≤3℃)为94%,平均均方根误差(RMSE)为1.6℃。应用BP神经网络建立的气温预测模型相对更为准确稳定。2) 相对湿度逐步回归模型9种情况下模拟值与实际值的绝对误差小于6%的平均准确率Rate(≤6%)为81%,平均均方根误差(RMSE)为5.7%;BP神经网络模型9种情况下模拟值与实际值的绝对误差小于6%的平均准确率Rate(≤6%)为80%,平均均方根误差(RMSE)为6.7%。两类模型均不适宜预测8-17时日光温室相对湿度,而17-23时与0-8时应用逐步回归建立的湿度预测模型相对更准确稳定。 相似文献
11.
为了研究浮山县7—9月夏闲期降水量对翌年冬小麦产量的影响,做出翌年小麦产量的趋势预报,提出相应措施和对策,指导小麦生产趋利避害。通过对山西省浮山县1980—2009年7—9月夏闲期降水量与翌年冬小麦产量的分析,利用SPSS软件,分离趋势产量和气象产量,建立小麦趋势产量回归方程;通过气象产量与夏闲期降水量的分析,建立两者的对数方程,最终建立小麦产量预报模型：Y=2.995T+68.102lnX-254.578。结果表明：浮山县1980—2009年7—9月夏闲期降水量与翌年冬小麦产量拟合率较高,预测精度最高为99%,平均预测精度为80%。通过研究得出：浮山县7—9月降水量与翌年冬小麦产量相关性显著,预测精度较高,但因未考虑到小麦生育期降水量的影响,故如遇较大范围严重自然灾害时,预测精度会大大降低。 相似文献
12.
为了评估季节气候模式及多模式集合对黑龙江省汛期降水的跨季节预测能力,最终提高黑龙江省汛期气候预测准确率。基于1983—2017年中、美、欧三种季节气候模式的资料,将多模式集合预报技术应用于黑龙江省汛期降水预测,采用距平相关系数(ACC)、趋势异常综合检验(Ps)评估、分级评分(Pg)评估和距平符号一致率(Pc)4种定量评估方法全面评估了上述3种季节气候模式及多模式集合对黑龙江省汛期降水的跨季节预测能力,并最终给出适合于黑龙江省汛期降水的客观预测方法。结果表明：各家模式对黑龙江省汛期降水有一定的跨季节预报能力,但对于降水趋势的异常量级预测能力相对较差。各家模式预测评分比较来看,EC模式预测评分相对更好,在预测业务中可以重点考虑；多模式超级集合预测评分高于日常业务质量评分和多模式等权集合平均的预测评分,可以在汛期气候预测中参考。 相似文献
13.
为了开展地表温度预报业务,提高逐日地表温度预报准确率,利用2007—2012年的ECMWF和T213数值预报产品资料及抚顺市的逐日地表温度资料,采用逐步回归分析方法和BP神经网络模型分别构建抚顺市地表温度预报模型,并对模型的精度进行检验。结果表明,地表温度与ECMWF的高度场、海平面气压场、温度场和T213的散度场、高度场、海平面气压场、地面气压场、海平面K指数、水汽通量、相对湿度、温度场、地面气温和场涡度场均呈显著相关。对预报模型进行精度检验显示,地表平均温度和地表最低温度的预报效果较好,≤3℃预报准确率均达到79%以上。2种模型对比显示,BP神经网络预报模型总体上优于逐步回归预报模型;逐步回归预报模型较BP神经网络预报模型稳定。 相似文献
14.
针对稻瘟病严重影响黑龙江省东部地区水稻生产这一情况。试验于2006-2015年在黑龙江省东部地区9个地点进行定点、定期调查水稻稻瘟病的发生情况,并收集稻瘟病侵染期的气象因子,采用通径分析及逐步回归的方法对水稻稻瘟病的病情指数与气象因子之间的关系的进行了研究,明确了7月份、8月份的平均气温为影响稻瘟病发生流行的主要气象因子,并建立短期预测模型：Y=-85.171163 0.41315X1 1.23231X2-0.1817X4-0.09418X5 0.167333 相似文献
15.
建立适用于云南的一季稻产量动态预报模型,以期为及时准确预测云南省一季稻的产量提供理论依据和决策支持。利用云南省2000—2018年一季稻产量资料和一季稻生育期内逐日平均气温、日降水量和日照时数等资料,分别采用相似气象年型法和关键气象因子法建立一季稻动态产量预报模型。应用2种模型对2010—2018年云南省一季稻单产进行动态预报。结果表明：2种模型6月1日、7月1日、8月1日和8月21日的产量预报准确率均超过92%;相似气象年型法2016—2018年6月1日和8月21日的平均预报准确率为95.4%和97.5%,而关键气象因子法2016—2018年6月1日和8月21日的平均预报准确率均为97.4%。2种模型预报准确率均较高,能够满足云南一季稻产量预报业务服务的需要。 相似文献
16.
拉萨市空气质量预报方法 总被引：1，自引：1，他引：0
利用拉萨市地面气象观测资料、高空观测和数值天气预报产品,挑选了与空气污染物扩散有关的42个气象因子,进行标准化处理后,基于逐步回归方法利用拉萨市区2008—2012年3种主要空气污染物SO2、NO2和PM10日平均浓度建立不同季节的污染物浓度回归方程,并对宗教活动和节庆假日的焚香、焰火等人类活动作订正得出污染物浓度预报结果。利用2013年的数据作试报表明该预报方法的效果较好：SO2平均绝对误差为0.001~0.0022 mg/m3,平均相对误差在15.3%~27.0%之间;NO2平均绝对误差为0.003~0.005 mg/m3,平均相对误差在17.2%~27.5%之间;PM10平均绝对误差为0.006~0.019 mg/m3,平均相对误差在16.6%~28.6%之间,空气污染指数(API)预报准确率在78.2%~87.8%之间。该预报方法能够满足拉萨市空气污染物浓度预报的需要。 相似文献
17.
化州市晚稻稻飞虱主害代发生期及发生程度气象预测模型 总被引：4，自引：3，他引：1
化州是广东省重要的水稻生产基地。稻飞虱是化州市主要的水稻害虫之一。笔者就6代稻飞虱发生期和发生程度与气象条件之间的关系进行分析研究,利用气象因子预测稻飞虱的发生与发展,以提高稻飞虱发生期和发生程度预测的准确性。应用SPSS分析软件进行逐步回归分析,对广东省化州市1996—2011年的晚稻稻飞虱主害代调查资料和气象观测资料进行分析,筛选出适合的气象预报因子,分别建立晚稻稻飞虱主害代成虫高峰期、若虫高峰期、发生程度和发生面积统计预报模型,用2012年和2013年的资料作为独立样本用于模型效果检验。结果表明,上述预测模型均通过0.01显著性统计检验。将化州市1996—2011年各年度对应的气象观测数据代入各式,模拟值与实测值的逐年变化趋势比较吻合,相对准确率分别为87.5%、93.8%、90.9%、94.2%。对建模内预报值和2012、2013年预报应用效果进行验证,模拟值与实测值基本吻合,可以为该区稻飞虱预测预报服务。可见通过逐步回归分析法对化州市晚稻稻飞虱主害代（6代）的发生期及发生程度进行预测,只要所选择的气象因子与相应的实测值有较高的相关性,就能较准确预测出发生期及发生程度范围;在稻飞虱发生期和发生程度模型建立中,选取的气象因子取了前驱值,所建立的模型更具预测性。 相似文献
18.
地面气象因子对广东省稻飞虱危害的影响及其预测 总被引：3，自引：3，他引：0
为明确影响广东省稻飞虱发生的关键气象因子和关键时段,为地方政府及相关部门提供稻飞虱危害预测预警。采用相关分析法对广东省1992—2009年水稻稻飞虱发生面积率与同期地面气象因子进行研究,采用两段最小二乘法、曲线回归方法分别建立6、9月份广东省稻飞虱发生面积率长期预测模型。结果表明：稻飞虱发生的关键时段是6、9月份,关键因子是6月份温雨系数、大雨日数、平均风速＜5 m/s的日数;9月份平均气温、平均风速＜5 m/s的日数。稻飞虱发生等级模型预报准确率为83%,2010年发生等级预报结果正确,预报效果较好,能够满足业务服务的需要。 相似文献
19.
基于气候适宜指数的湖南早稻产量动态预报 总被引：1，自引：0，他引：1
早稻生长发育和产量形成过程与气象条件密切相关,开展早稻产量动态预报对湖南农业生产和粮食安全具有重要意义。从湖南早稻生长发育的上限温度、最适温度、下限温度、需水量、需光特性等生物学特性出发,建立湖南早稻气候适宜度模型,采用权重系数的方法构建湖南早稻气候适宜指数。选取15个代表站点,统计分析1961—2009年不同时段湖南早稻气候适宜指数与产量丰歉值的关系,建立了基于气候适宜指数的湖南早稻产量动态预报模型,并从模型预测值与实测值增减趋势一致的样本百分率、预报准确率等方面进行回代检验。利用2010—2012年资料进行外推检验。检验结果表明,建立的预报时间为4月30日、5月20日和6月20日的基于气候适宜指数的湖南早稻产量预报模型预报值与实测值增减趋势一致的样本百分率为64%~73%,预报准确率平均为94.7%~96.3%。研究结果表明,建立的基于气候适宜指数的早稻产量动态预报模型,能够满足湖南早稻产量预报业务服务的需要。 相似文献