共查询到20条相似文献，搜索用时 15 毫秒
1.
《农业环境科学学报》2007,(14)
运用灰色系统理论和方法，以北京市密云县檀营乡1999—2003年畜禽粪便猪粪当量年产量为依据，构建灰色GM（1，1）预测模型，模型为X(1)(t+1)＝ 3.528 4e0.161 7t-3.088 4,后检验比值C=0.181 2,P＝1，模型的预测精度达到一级，1999—2003年平均相对误差为4.38％，模型的预测效果比较理想。 相似文献
2.
针对小麦产量具有较大波动性的特点,结合灰色预测模型和马尔可夫理论,同时利用新信息优先的思想,以河南省2010—2019年小麦产量作为原始数据建立无偏灰色GM(1,1)模型、无偏灰色马尔可夫模型和新维无偏灰色马尔可夫模型,并对比3种模型的预测精度.结果表明,新维无偏灰色马尔可夫模型能提高预测精度,适合中长期预测,并预测出河南省未来5年的小麦产量数据. 相似文献
3.
基于熵值法的玉米产量组合预测模型 总被引：2，自引：0，他引：2
为了提高玉米产量预测的精度.利用熵值法为每种单一预测模型分配加权系数;将各单一预测模型的预测结果加权求和得到了组合预测模型的预测结果,建立了玉米产量组合预测模型.利用2000-2006年玉米产量资料进行模型精度检验,结果表明,组合预测模型的精度有明显提高,说明应用组合预测方法进行玉米产量预测是可行的. 相似文献
4.
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
5.
为提高粮食产量预测的准确性,针对我国粮食产量数据的特点,提出基于马尔科夫的新陈代谢灰度模型对我国粮食年产量进行短期精准预测。该方法首先利用传统灰色模型对产量进行预测,并计算预测误差,通过对误差序列灰色建模修正产量预测数据;其次,通过粮食年产量预测精度,将年产量数据划分成若干状态,进而得到各阶状态转移概率矩阵及历年产量对未来年份粮食产量的影响权重;最后通过建立新陈代谢灰度模型对未来年份的粮食产量进行预测。结果表明,在使用2000—2010年年粮食产量数据对2011—2015年年粮食产量进行预测时,预测误差均小于0.40%,平均误差低至0.19%,能够实现粮食产量的短期精准预测。 相似文献
6.
早稻叶瘟灰色灾变长期预测模型 总被引：2，自引：0，他引：2
利用灰色系统理论的灾变预测方法，以广东省化州市1978～1990年早稻叶瘟发生程度为例，拟定用发生程度≥4级为灾变阈值，建立了早稻叶瘟灰色系统GM(1．1)长期灾变预测模型：X(k 1)=1571212．51le^0．001259508k -1569234．511。后验差和小误差概率检验达“一级”的精度。应用该模型对1991～2002年进行预测，除1998年报而未出成为空报外，其它各年份的预测结果与实况吻合，预报准确率达91．7％。 相似文献
7.
8.
商空间理论框架下的SVM产量预测模型研究 总被引：1，自引：0，他引：1
针对目前预测农作物产量只利用年产量或其变形,而没有考虑气象因素对产量预测的影响导致误差偏大的问题,在基于商空间粒度理论框架下的农作物产量预测中,考虑气象因素如光照、平均气温、降水量对农作物产量的影响,提出利用支持向量机方法构造模型对气象时间序列进行数据挖掘(产量预测)。粒度分析和实验结果表明:混合粒度预测模型不仅降低了问题求解的复杂性,而且误差较低,其预测值平均绝对百分误差为0.884 9,均方根误差37.3,希尔不等系数为0.004 4,与其他预测模型相比误差最小。基于商空间理论的支持向量机产量预测模型可较好地应用于产量预测中。 相似文献
9.
应用灰色GM (1 , 1)模式理论与方法, 建立了临安市大气二氧化硫质量浓度的灰色残差预测方程x (t +1) =-0.107 432 e-0.095 872 t +0.123 917 , 并进行了预测。预测结果与实测值的相对误差绝对值介于0.56 %～ 14.51 %之间, 预测结果后验比与小误差概率分别为0.280 2 和1.0 。表明模型与实测值拟合程度好, 达到了较高精度。表3 参10 相似文献
10.
11.
为准确反映肉类产量的波动特征,基于加权马尔可夫链理论提出了灰色残差修正模型,采用均值-均方差分级法,将残差灰拟合精度指标划分为4个状态,利用加权马尔可夫链理论对残差预测值进行修正.以1994-2011年郑州市肉类产量为基础,建立预测模型进行实证分析,并在模型中加入等维信息,结果表明,与传统的灰色预测相比,预测平均相对误差由21.88％降低为1.312％,较好地提高了预测精度. 相似文献
12.
灰色预测模型通常是GM(1,1)模型,但预测精度有时不令人满意.因此利用以下两种方法的结合对模型GM(1,1)做了进一步的改进,提出了一个预测精度较高的新灰色预测模型。第一步:利用"幂函数变换"模型,它能提高离散数据的光滑度,从而提高了灰色预测模型预测结果的可信度.第二步:分析GM(1,1)预测模型存在的理论缺陷,指出在形成预测公式时规定为∧X(1)(1)为已知条件是不合理的,应当根据实际情况选用其他数据。 相似文献
13.
基于GM(1,1)模型的四川粮食产量预测研究 总被引：2，自引：0，他引：2
中国人口众多,粮食安全关系到国计民生,加强粮食产量预测有利于确保粮食安全。根据2001—2015 年四川粮食产量的历史数据,运用灰色系统理论,建立基于弱化缓冲算子的GM(1,1)预测模型,通过残差、级比偏差、关联度、后验差检测、模拟数据检查对模型的合理性和精度进行误差检验,并应用模型预测未来3 年的粮食产量。研究结果表明,灰色系统理论GM(1,1)适用于粮食产量预测且具有较高的精度。预测了2016、2017、2018 年的粮食产量同比增长分别为-2.11%、-0.39%和1.21%,由此得出未来粮食产量将在波动中增长。 相似文献
14.
对常用作物产量预测模型进行了简要评述,建立了基于最小二乘支持向量机的灌区产量预测模型。最小二乘支持向量机,采用二次规划方法代替传统的支持向量机来解决函数估计问题。最小二乘支持向量机在利用结构风险原则时,在优化目标中选取了不同的损失函数,即误差ξ_i(允许错分的松弛变量)的二范数。这使得最小二乘向量机的优化问题为:min(1/2)‖w‖~2+C(1/2)sum from i=1 to 1ξ_i~2(ξ_i是松驰变量;C为正则化参数)。用于函数估计的最小二乘SVM为:y(x)=sum from k=1 to Nα_k K(x,x_k)+b。采用等式约束可以将求解的优化问题转化成线性方程,大大减少算法的复杂性,另外,采用径向基核函数的最小二乘SVM仅需确定γ、σ2个参数(γ为可调参数,σ为核函数宽度系数),参数的搜索空间由标准SVM的三维降低到二维,极大地加快了建模速度。对γ,σ2个参数通过模型评估来确定参数最优值,大大提高了预测的精度。对河南省人民胜利渠灌区作物产量进行模拟计算,并用检验样本与灰色预测和神经网络模型的预测结果进行了比较。结果表明,最小二乘SVM预测的最大误差7.12%,平均误差4.81%;灰色理论预测的最大误差38.36%,平均误差17.52%;神经网络预测的最大误差10.40%,平均误差6.80%。可见,最小二乘支持向量机模型有较高的预测精度和良好的推广能力,预测结果优于灰色预测理论和人工神经网络,可作为灌区粮食产量预测的一种新方法。 相似文献
15.
16.
灰色理论GM（1，1）模型在畜禽粪便产量预测中的应用 总被引：2，自引：1，他引：2
运用灰色系统理论和方法，以北京市密云县檀营乡1999-2003年畜禽粪便猪粪当量年产量为依据，构建灰色GM（1，1）预测模型，模型为X^（1）（t＋1）=3．5284e^0.1617t-3．0884，后检验比值C=0．1812，P=1，模型的预测精度达到一级，1999-2003年平均相对误差为4．38％，模型的预测效果比较理想。 相似文献
17.
18.
灰色新陈代谢模型在农民收入和消费预测中的应用 总被引：1，自引：0，他引：1
运用灰色系统理论和方法,建立了灰色新陈代谢GM（1,1）宁夏农村居民人均纯收入和人均生活消费模型。在MATLAB环境下对该模型的精度以及误差进行了分析,并利用该模型对宁夏农村人均纯收入和人均生活消费进行预测。预测结果表明,灰色新陈代谢GM（1,1）预测模型能够明显地提高预测精度,增加预测的可靠性。 相似文献
19.
组合预测方法在玉米施肥预测中的应用 总被引：4，自引：0，他引：4
为提高玉米施肥量预测的精度,利用拉格朗日乘数法,基于预测误差平方和最小这一目标,对肥料效应函数、神经网络施肥预测方法这2种单一施肥量预测模型进行加权组合,建立了玉米施肥组合预测模型。预测结果显示:肥料效应函数、神经网络施肥预测方法和组合预测模型的预测误差平方和分别为2789.40,653.79,421.72,说明玉米施肥组合预测模型优于单一施肥预测模型;采用组合预测方法对玉米施肥量进行预测,能够显著提高预测精度。 相似文献
20.
时间序列组合预测模型研究:以农业机械总动力为例 总被引：1，自引：0，他引：1
[目的]本文旨在提出更有效的时间序列组合预测模型的构建方法,建立预测精度较高的时间序列组合预测模型。[方法]以1978—2013年新疆农业机械总动力为数据源,建立了源序列的曲线回归、自回归积分滑动平均、3次指数平滑和灰色模型,并构建了预测对象和预测模型的关系数据库。提出了基于百分误差的计算属性重要度方法,依据该方法计算单一模型在组合模型中的权重,构建了单一模型预测值及其权重为输入的组合预测模型,使输出结果中完整的涵盖了时间序列不同单一预测模型的输出值特征。以误差分布特征为指标,对组合预测模型和各单一模型的预测性能进行分析。以组合预测模型拟合优度和预测值平均绝对百分误差(MAPE)作为评价指标,对基于百分误差、粗糙集、Shapley和熵权法的组合预测模型构建方法进行定量分析。[结果]预测周期内提出的组合预测模型的最大及平均误差与各单一模型最优值相比,分别降低了27.35和6.43,误差平方和(SSE)减少了73%,平均绝对百分误差降低了1.56%。基于百分误差的组合预测模型的拟合优度与基于粗糙集、Shapley和熵权法的组合预测模型拟合优度相比,分别提高了2.40%、5.10%和2.27%,粗糙集、Shapley和熵权法的预测值的平均绝对百分误差分别为1.673 0、3.726 1和2.702 4,而本文提出的模型的平均绝对百分误差为1.298 4。[结论]基于百分误差的组合预测模型在农业机械总动力和类似时间序列预测分析中,降低预测误差波动幅度及提高预测精度方面与其他单一模型和组合模型相比具有显著优势。 相似文献