共查询到20条相似文献，搜索用时 753 毫秒
1.
基于灰色神经网络与马尔科夫链的城市需水量组合预测 总被引：1，自引：0，他引：1
【目的】针对城市需水量预测系统具有非线性和随机波动性的特点,建立基于马尔科夫链修正的组合灰色神经网络预测模型,以提高模型的预测精度。【方法】比较分析灰色GM(1,1)模型、BP神经网络模型以及二者线性组合的灰色神经网络预测模型的预测效果,建立基于马尔科夫链修正的组合灰色神经网络预测模型,并以榆林市2000-2009年的用水量实际数据为研究对象,通过实例比较分析模型的检验预测精度。【结果】经马尔科夫链修正处理后,建立的基于马尔科夫链修正的灰色神经网络组合模型的预测精度更高,预测误差的绝对值均小于4%,且均方差σ为1.00,小于组合灰色神经网络模型与GM(1,1)模型、BP神经网络模型预测误差值的均方差。【结论】基于马尔科夫链修正的组合灰色神经网络需水量预测模型,对城市需水量的预测优于灰色神经网络及各单项预测模型,不仅预测精度高,而且能同时反映出数据序列发展变化的总体趋势和系统各状态之间的内在规律,适合描述随机波动性较大的预测问题。 相似文献
2.
3.
4.
基于灰色理论和回归分析的需水量组合预测研究 总被引：3，自引：0，他引：3
【目的】建立精度更高的需水量预测模型,为水资源规划提供理论依据。【方法】建立基于灰色预测和线性回归预测的需水量组合预测模型,以深圳大鹏半岛需水量为例,对组合预测模型的预测结果与单独采用灰色预测、线性回归模型预测的结果进行了比较。【结果】单独采用灰色预测模型和线性回归模型进行预测的平均误差分别为6.5%和2.5%,而基于灰色预测和线性回归的组合预测模型的平均误差仅为1%。【结论】组合模型的预测精度较单一模型的预测精度明显提高,并且该模型可以更全面地反映需水量的变化规律。 相似文献
5.
【目的】研究最优的枯季径流预测模型,为流域水资源管理提供依据。【方法】建立基于差分自回归移动平均(ARIMA)、人工神经网络(ANN)和多元线性回归(MLR)3个单项模型的简单平均组合和最优加权组合预测模型,并将单项预报模型和组合模型应用到石羊河流域支流西营河的枯季径流预测中,采用相关系数、确定性系数以及均方根误差对各模型预测精度进行比较。【结果】单项预测模型中,仅ARIMA模型通过了确定性系数检验;最优加权组合模型的预测精度较简单平均组合模型高;组合预测模型中,仅ARIMA-MLR和ARIMA-ANN最优加权组合模型的确定性系数高于所有单项预测模型。【结论】最优加权组合模型的精度不但取决于各单项预测模型的精度,也与其之间的相关性有关,适合西营河枯季径流预测的最优加权组合模型是ARIMA-MRL和ARIMA-ANN组合模型。 相似文献
6.
残差修正模型在森林火灾预测中的应用 总被引：1，自引：1，他引：0
基于1990-2013年福建省森林火灾发生次数建立残差修正模型,并与BP神经网络模型、马尔科夫链模型、赋权组合预测模型进行比较.结果表明:残差修正预测模型的预测精度达到95.33%,而BP神经网络模型预测精度是87.77%,马尔科夫链模型预测精度为74.85%,赋权组合预测模型预测精度为88.3%,残差修正模型预测效果优于其他3个模型,说明使用其对离散的森林火灾数据进行短期预测是有效可行的. 相似文献
7.
利用小波网络构造模型的优化组合函数,建立了城市用水量非线性组合预测模型.将非线性组合函数的拟合转化为小波网络参数的估计,采用遗忘因子法训练网络的权值,利用递推预报误差算法训练尺度因子和平移因子.实例表明,该方法具有很强的泛化能力与自适应数据和函数变化的能力,能够有效提高预测精度,克服了线性组合预测方法适应性不强的问题. 相似文献
8.
9.
【目的】建立基于马尔科夫链修正的组合灰色神经网络模型,为城市用水量的准确预测提供支撑。【方法】在运用灰色关联性分析法确定用水量变化的主要影响因素的基础上,建立了基于马尔科夫链修正的组合灰色神经网络模型,将该模型应用于包头市2009和2010年的用水量预测,并将其预测结果与灰色模型、BP神经网络模型和组合灰色神经网络模型的预测结果进行比较。【结果】包头市用水量受人口、国内生产总值、工业总产值、建成区绿化覆盖率、耕地面积及工业用水重复利用率的影响较大,利用建立的基于马尔科夫链修正的组合灰色神经网络模型对包头市2009和2010年用水量进行预测,并与实际用水量进行比较后表明,其相对误差分别为0.16%和2.16%,均方根相对误差为1.53%,而灰色模型、BP神经网络模型和组合灰色神经网络模型的均方根相对误差分别为4.34%,3.08%和1.99%。可见,基于马尔科夫链修正的组合灰色神经网络模型的预测效果最好。【结论】基于马尔科夫链修正的组合灰色神经网络模型结合了各模型的优势,预测精度较高。 相似文献
10.
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
11.
基于改进背景值的GM(1,1)模型的农业用水量预测 总被引：2，自引：0，他引：2
GM（1,1）模型可用于农业用水量的预测,但其精度还应提高。对传统的CU（1,1）模型进行原始数据序列光滑度和模型背景值构造方法的改进,先通过幂函数变换提高了原始数据序列的光滑度,在模型求解过程中采用改进的背景值算法,大大提高了模型的预测精度。将改进后的模型用于实际农业用水量的预测,结果证明改进后的模型具有很大优势。 相似文献
12.
[目的]运用投影寻踪回归分析法建立苹果树蒸腾量的预测模型,为更方便更好地预测苹果树蒸腾量提供指导。[方法]根据2009年5～9月气象站观测数据,对气温、相对湿度、风速、太阳辐射、大气压、土壤温度、叶温和水面蒸发量进行分析,并应用投影寻踪回归分析法建立了各气象因子与苹果树蒸腾量的预测模型。[结果]气象数据分析表明,大气水势随着气温增高呈减小的趋势,但随着气温降低和湿度增加而增加。气温、净辐射与作物叶水势均呈抛物线关系。随着净辐射的增大,作物消耗的水量增大,叶水势降低。由叶水势与土壤含水率关系可知,当土壤含水率减少时,苹果根系难以吸收到足够的水分,不能满足叶片蒸腾耗水的需求,导致叶片含水量偏低,叶水势也随着下降。苹果叶水势随着土壤含水率的降低而降低。[结论]运用投影寻踪回归分析法建立了气象因子对苹果树蒸腾量的预测模型,且预测精度较高。 相似文献
13.
青铜峡灌区耗水量是一个复杂的非线性系统,受多种因素的影响,而农业耗水量是耗水大户.将影响灌区农业耗水量的主要因素:引水量、排水量、降雨量、蒸发量和地下水位埋深作为影响因子,建立青铜峡灌区灌溉耗水量的BP神经网络预测模型.结果表明,应用此网络,对2001-2003年灌区灌溉耗水量进行了预测,误差满足要求,精度较高,说明网络函数的选取和结构设计较为合理,该模型可用于灌区农业耗水量的预测. 相似文献
14.
灰色等维新息模型在灌溉用水量预测中的应用研究 总被引：7，自引：0，他引：7
在分析现有灌溉用水量预测方法的基础上,运用灰色系统理论建立了等维新息模型GM(1,1),并用同步残差等维新息模型进行修正。结果表明,该模型能够及时更新数据信息,使模型保持良好的适应性,有效提高了预测精度。最后应用该模型对宝鸡峡灌区灌溉用水量进行预测检验,结果表明模型具有较高的预测精度。 相似文献
15.
16.
根据农业用水量为在某一区间内变化的实际情况,引入连续区间有序加权算子对区间数进行集结,并基于灰色预测建模思想给出一种处理不确定信息的陕西农业用水量预测模型。最后实例验证了该方法在陕西农业用水量预测中的可行性和实用性。 相似文献
17.
基于EXCEL建立人口灰色预测模型的研究——以天津市农业人口为例 总被引：1，自引：1，他引：1
以EXCEL为基础,建立人口GM(1,1)预测模型,通过在编制好的Excel表格中输入已知时刻的实际值,就可以预测出所需的结果.以天津市农业人口为例,并检验精度,取得了较好的预测结果,为人口预测提供了一种操作简单、精度较高的方法. 相似文献
18.
新疆奇台县粮食生产影响因素与模拟预测研究 总被引：1，自引：0，他引：1
[目的]分析奇台县粮食生产的影响因素,并对其产量进行预测.[方法]在分析奇台县58年粮食生产动态变化特点的基础上,利用主成分分析法(PCA)探讨了粮食生产的影响因素.[结果]农业科技进步和经济发展、制度政策是影响奇台县粮食生产的两个主要因子;分别建立GM(1,1)模型、ARIMA(1,3,3)模型以及两者的组合模型,拟合了奇台县粮食总产量的动态变化趋势.结果发现组合模型平均相对误差率仅为7;,说明组合模型的模拟精度较高,从而得出2010～2015年奇台县粮食总产预测值.[结论]GM(1,1)模型和ARIMA(1,3,3)模型两者组合的模型预测精度高于单个模型的预测精度.2015年该县粮食产量将达到52.1×104 t. 相似文献
19.
赵桂生 《北京农业职业学院学报》2017,31(6):53-57
以2005—2014年10年间我国居民生活用水资料为依据,应用灰色理论构建等维递补动态GM(1,1)模型,对我国居民生活用水进行预测.统计检验和误差分析结果表明,该模型预测精度高,可靠性强,结果符合实际,为制定城市居民生活用水标准和水价提供了科学依据. 相似文献
20.