共查询到20条相似文献，搜索用时 264 毫秒
1.
基于混沌时间序列的重构相空间、遗传算法的良好全局搜索和神经网络精确的局部搜索特性,以重构相空间中的饱和嵌入维数作为神经网络输入层节点数,通过采用遗传算法优化神经网络初始权重,将重构相空间、遗传算法、神经网络三者有机地结合,提出并建立了相空间遗传BP神经网络预测模型。将该模型用于黄河上游月径流预测,结果表明,该模型应用在水文时间序列的预测中是合理、可行的,并具有较高的精度。 相似文献
2.
小麦生产是河南省农业生产中的重要环节，在维持粮食供应和安全方面发挥着重要作用。对小麦产量进行准确预测可以为农业经济调控、政策制定提供重要性信息。为提高小麦产量预测精度，综合考虑影响小麦产量的相关因素，基于皮尔逊相关系数分析特征变量与产量之间的相关性。选取支持向量回归(support vector regression, SVR)模型解决小麦估产中的复杂性、非线性及小样本等问题。引入粒子群算法(particle swarm optimization, PSO)对SVR模型的惩罚因子(c)和核参数(g)进行优化，提高SVR模型的预测精度。以河南省1978—2019年小麦产量数据及其特征变量数据构建数据集，并与BP、Elman等神经网络模型及优化模型进行对比仿真试验。结果表明，PSO对SVR模型的优化效果明显高于传统的神经网络，PSO-SVR模型预测结果的4项评价指标均优于其他模型。其中，PSO-SVR模型的平均绝对百分比误差MAPE为0.87%,与SVR模型相比误差降低了57.4%、与PSO-BP模型相比误差降低了64.8%。PSO-SVR模型能够提高小麦产量预测精度，稳定性好，可为小麦产... 相似文献
3.
为了提高害虫发生量预测的精度,提出一种基于混沌理论的害虫发生量非线性预测模型(PSR–LSSVM)。通过相空间重构对害虫发生量时间序列进行重构,将重构后的害虫发生量序列输入到最小二乘支持向量机进行学习,建立害虫发生量预测模型,采用云南省普洱市思茅区和浙江省仙居县的松毛虫发生面积数据对模型性能进行检验。结果表明,松毛虫发生面积预测值与实际发生值十分接近,2个地区松毛虫发生面积预测结果的平均绝对百分误差分别为0.90%和2.44%,预测结果要优于BP神经网络、线性预测模型。 相似文献
4.
5.
【目的】揭示径流时间序列变化规律并进行预测,为水库调度提供指导。【方法】针对径流时间序列的非线性特点,利用重构相空间的嵌入维数确定神经网络的结构,建立了基于混沌相空间重构的径流量预测BP网络模型,并利用该模型对位于陕西省汉江上游的石泉水文站的径流时间序列进行了预测。【结果】实例计算结果表明,石泉水文站月平均流量的时间序列具有混沌性,最大嵌入维数为12,依此构建的BP神经网络收敛速度快、预测精度较好。【结论】利用重构相空间中的最佳嵌入维数,可合理确定BP神经网络的输入层节点数。 相似文献
6.
《内蒙古农业大学学报(自然科学版)》2017,(1)
在布朗(Brown)单一参数线性指数平滑法、ARIMA和GM(1,1)模型的基础上,利用我国农用化肥施用量数据,以绝对预测误差和达到最小建立组合预测模型。所得到的预测结果误差优于各个单一模型的单行预测,说明组合预测模型在时间序列数据的预测中更有可信度的优势。 相似文献
7.
【目的】国内大豆的价格易受到多种因素的影响,具有非线性等特点,很难进行准确的预测。为
了提高预测精度,提出一种优化的 EEMD-SVR 集成预测方法。【方法】为解决 EMD 分解中存在的模态混叠和
端点效应问题,使用 EEMD 和平行延拓法结合的优化方法,加入白噪声并在原始序列两端延拓出多个极值,将
大豆原始价格分解为多个 IMF 分量,从而使数据趋于平稳。运用支持向量回归（SVR）算法对各分量进行预测,
引入遗传算法寻找参数最优解,对各分量的预测结果进行再次集成,重构大豆市场价格预测值。【结果】为了
检验优化组合模型的预测效果,采取多种模型进行比较,结果发现预测指标 MSE、RMSE、MAPE 都有明显提高。
【结论】采用优化的 EEMD 分解算法和支持向量机的组合模型,可以有效抑制 EMD 分解的端点效应和模态混叠
问题,相对于其他传统预测模型,预测效果更好。 相似文献
8.
基于ARIMA和DSVM组合模型的松毛虫发生面积预测 总被引：2，自引：0，他引：2
向昌盛 《湖南农业大学学报(自然科学版)》2010,36(4):430-433
提出一种基于ARIMA和动态ε支持向量机(ε-DSVM)的组合预测模型(ARIMA-ε-DSVM),预测松毛虫发生面积.先采用ARIMA模型进行时间序列线性趋势建模,为非线性部分确定输入阶数,根据确定的输入阶数进行时间序列样本重构,再采用ε-DSVM模型进行时间序列非线性特征建模,将这两模型预测值相加得到组合模型预测值.对辽宁省朝阳市松毛虫时间序列进行仿真试验,结果表明,ARIMA-ε-DSVM模型预测精确度比单一模型ARIMA和SVM及简单组合模型ARIMA-SVM要高,ARIMA-ε-DSVM模型大幅度改善预测效果,显著地减少预测误差,泛化能力强. 相似文献
9.
支持向量机(Support Vector Machines,SVM)是一种具有坚实理论基础的新颖小样本学习方法。采用支持向量机回归(Support Vector Machine Regression,SVR)算法,用libsvm-2.89软件包对我国近年来的粮食产量进行回归预测,选择交叉验证法进行参数寻优,建立粮食产量和其影响因素的支持向量机回归模型。粮食产量预测平均相对百分误差为1.209%,均方根误差为581.191,相关系数为0.962 24。将预测结果与指数平滑模型、生产函数模型及多元线性回归模型进行了比较,用平均绝对百分误差、希尔不等系数及均方根误差对4种模型预测结果进行评价。结果表明,基于支持向量机的径向基核函数(RBF)模型预测粮食产量的精度优于其他预测方法。 相似文献
10.
为提高叶尔羌河中长期径流预测精度,基于小波分析的基础上建立遗传算法优化BP神经网络的耦合模型,对60年叶尔羌河年径流时间序列进行研究。结果表明:耦合模型综合了两者的优势,在保留神经网络优良非线性拟合能力的同时,又融入遗传算法的容错性和全局搜索能力,提高预测径流时的学习速度和泛化能力。在对年径流进行预测时,其预测平均误差为-2.69%,而采用传统单纯的BP神经网络模型预测的平均误差为-10.25%。从预测误差检验以及模型的对比结果可知此模型合理、可行,因此该算法有助于解决叶尔羌河中长期径流预测问题。 相似文献
11.
12.
[目的]研究基于粒子群算法优化支持向量机SVR的黄河宁蒙段封河、开河日期预报模型。[方法]采用相关分析和成因分析相结合的方法选取合适的冰情预报因子组合,并运用粒子群算优化方法确定最优参数构建预报模型,将其运用到黄河宁蒙段封开河日期预报中。[结果]该模型预报精度高、运行时间短,预报平均误差为3.51 d,平均运行时间为10.464 s,预报效果明显优于遗传算法优化的支持向量回归与反向传播式神经网络,能够较准确地对封开河日期做出预报。[结论]基于粒子群算法优化支持向量回归的方法可以用于冰情预报。 相似文献
13.
利用R/S分析法研究密云水库潮河流域大阁水文站1969-2013年的径流数据的变化趋势，以BP神经网络为背景，EEMD分解为辅助，建立分解-重构-预测的组合模型对月径流序列进行预测，利用蝴蝶算法（BOA）优化组合模型，综合得到最优预测模型。结果表明，大阁站年、月径流序列均呈现下降趋势；对月径流序列预测，BPNN预报合格率为60.0%，不能用于预报作业，但可作为参考使用（MAE=0.406，RMSE=0.539，MAPE=0.349 7）；引入BOA算法优化BP网络参数，得到EEMD-BOA-BP模型预报合格率为83.3%，可以用于预报作业（MAE=0.257，RMSE=0.347，MAPE=0.219 5）。通过EEMD分解得到分解-重构-预测组合模型对提高模型精度有一定的作用，同时在组合模型中引入优化算法能进一步提高模型精度。 相似文献
14.
遗传算法优化BP网络的汛期降水预测模型 总被引：1，自引：0，他引：1
针对BP算法易陷入局部极小、收敛速度慢等缺点,遗传算法是全局优化算法和具有很强的全局搜索能力,遗传算法优化BP神经网络初始连接权值和阈值形成混合算法.以安徽宣城市为例,将汛期降水量作为预测对象,前期74项大气环流特征量、500 hPa、100 hPa月平均高度场、月平均海平面气压场和月平均海温场资料中选取预测因子,建立汛期降水短期气候预测模型.结果表明,该方法计算稳定,预报误差小,具有实用价值. 相似文献
15.
仔猪猪瘟母源抗体消长规律的研究 总被引：1，自引：0，他引：1
试验采用ELISA抗体检测法,对仔猪猪瘟母源抗体进行检测,研究其消长规律,并用准确的试验数据来确定仔猪的首免日龄,使仔猪能在最佳时期进行免疫。试验结论表明,仔猪出生后的3～10d内猪瘟母源抗体维持在较高水平,保护值是OD450nm值0.93;第20d时的抗体水平比第10d明显降低;到第25d时,抗体水平下降到更低,保护值降到OD450nm值0.41。此保护值常常是最低保护的临界值,鉴于该猪场仔猪猪瘟母源抗体的消长情况来看,在不进行超前免疫时,20～25日龄是较佳的首免日期。 相似文献
16.
[目的]检验分析GFS和T639模式的气温预报能力。[方法]采用2012年徐州站最高气温和最低气温资料,对GFS模式和T639模式0~168 h最高气温和最低气温预报产品进行检验。[结果]无论是最高气温还是最低气温,GFS和T639 2个模式气温预报产品的预报准确率均随着时效的延长呈现波动下降,夏季最低气温的预报准确率整体上均高于其他季节;各个模式不同季节不同时效的气温预报的偏低率和偏高率明显不同;随着预报时效的增加,2个模式预报气温产品平均绝对误差逐渐增大,但总体上,夏季的误差小于其他季节。总体上来看,GFS模式预报效果优于T639模式。[结论]该研究为预报员合理使用数值预报产品、提高气温的预报准确率提供指导。 相似文献
17.
为提高中长期径流模拟精度,提出使用完备总体经验模态分解(CEEMD)产生更低噪信号作为模拟模型输入。应用CEEMD方法对径流序列作信号分解,时间序列被分解为若干子序列,每一子序列通过最小二乘支持向量机(LSSVM)模型分别模拟,之后将每个子序列模拟结果重构以获得最终径流模拟结果。以石头峡水库入库径流模拟为例,试验结果表明,与LSSVM模型相比,CEEMD-LSSVM模型可提高水库汛期入库径流模拟精度。对于整体序列和汛期序列,其纳什效率系数、平均相对误差和均方根误差模拟效果均明显提高;但在枯水期模拟精度不理想,主要由于枯水期径流量数值波动较小、序列平缓所致。因此,CEEMD方法对于汛期径流序列分解更具优势,对枯水期径流序列分解效果有待提高。将适用于枯水期径流模拟的最近邻抽样回归模型(NNBR)与CEEMD-LSSVM结合成组合模型CEEMD-LSSVM-NNBR,可用于全年入库径流模拟。 相似文献
18.
为探索在线评论数据中蕴含的顾客感知产品信息对生鲜产品需求量预测准确度的影响，针对生鲜产品电商平台中大量评论数据，利用网络爬虫技术和Word2vec模型建立产品特征词库，提取主要需求预测影响因素，并基于产品特征词库对评论文本分类将影响因素量化，构建多变量SVR需求预测模型，同时运用粒子群算法对SVR模型中的主要参数进行优化，在此基础上进行实证分析。结果表明:1)Word2vec模型能挖掘在线评论数据中顾客关注的产品特征，有效提取顾客感知的需求预测影响因素；2)与单变量SVR模型相比，加入评论中顾客感知因素的多变量SVR在预测产品需求量时误差更小。利用在线评论中顾客感知因素建立多变量SVR需求预测模型能有效提高生鲜产品需求量预测准确度。 相似文献
19.
20.
时间序列预测分析方法是进行预测预报的有效工具,有着广泛的应用。针对时间序列的非线性、动态变化等特征,基于RBF神经网络对时间序列预测方法进行改进,并以安徽省池州市1959～2009年来的月降水量为时间序列数据样本,用MATLAB软件编程,采用基于随机选取中心的RBF神经网络预测方法,对池州市的月降水量进行预测,并选择不同的扩展速度参数,用均方误差进行检验。通过与BP网络模型的预测结果比较分析,表明RBF模型的预测效果较好。建立的基于随机选取中心的RBF神经网络模型,不需要计算原始时间序列数据的复杂函数关系,具有操作简单、学习速度快、短期预测精度高等优点,用于时间序列预测方面能够获得十分满意的结果,具有很高的应用价值。 相似文献