共查询到20条相似文献，搜索用时 46 毫秒
1.
《江西农业学报》2022,(8)
以西安市1994～2016年土地利用数据为基础,分别采用DNGM(1,1)、TPGM(1,1)、IDGM(1,1)、DDGM(1,1)这4种模型对西安市各类景观类型面积进行预测模拟分析。通过比较这4种方法的预测结果和精确度,结果表明:(1)DNGM(1,1)和TPGM(1,1)模型具有完全相同的模拟误差且综合模拟性能最优,在选择灰色预测模型可以优先考虑两者;(2)西安市建设用地、林地和耕地面积在未来近10年波动变化保持动态稳定,其中建设用地面积减少到一定程度后呈现平稳发展,林地保持上升趋势,耕地保持较为缓慢的下降趋势。通过对4种灰色度预测模型的模拟性能进行比较分析,有助于西安市景观格局的优化。 相似文献
2.
基于灰色系统理论的城镇建设用地预测模型的研究——以湖北潜江市为例 总被引：3，自引：1，他引：2
针对我国现行城镇建设用地预测中存在的问题,在预测潜江市城镇建设用地规模中引入灰色系统理论中的灰色关联度和灰色GM(1,1)预测模型,用灰色GM(1,1)模型对城镇人口进行预测,并通过关联度综合分析各因素(人口、固定资产投资)对城镇建设用地的影响,结合建设用地控制系数进行再次调整,从而提出一种集约型的预测模型。 相似文献
3.
结合多元回归分析和GM(1,1)灰色预测模型,以康乐县为研究对象,通过2000年～2008年的城乡建设用地面积数据预测了2015年和2020年的康乐县城乡用地面积.结果表明:通过多元回归分析,灰色预测模型的2015年和2020年康乐县城乡建设用地预测结果分别为4 671.16、4 698.28hm2和4 783.04、4 827.81hm2,与城乡规划指标4 898.25、4 916.63hm2较为相近,预测可行. 相似文献
4.
《河北北方学院学报(自然科学版)》2015,(5)
以2000-2008年安徽省建设用地为数据源,在分析灰色DGM(1,1)模型理论基础上,建立灰色DGM(1,1)预测模型对安徽省建设用地情况进行预测,研究和分析安徽省建设用地变化趋势。实证结果表明,模型实际值与预测值吻合较好,经计算残差值和相对误差较小,平均相对误差为2.58%,精确可靠,该模型可应用于建设用地预测,具有重要的现实意义。 相似文献
5.
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
6.
依据西安市1996～2005年的人均公共绿地资料建立灰色GM（1,1）预测模型,并用该模型对西安市人均公共绿地面积进行了预测。结果表明,西安市人均公共绿地面积将会稳定增长。 相似文献
7.
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
8.
9.
灰色系统理论在林业用地预测中的应用 总被引：5，自引：0，他引：5
根据灰色系统理论,建立了辽宁省某市林业用地的常规GM(1,1)预测模型,并进行了模型精度检验,相对误差最大为0.53%,利用该模型对2003年的林业用地状况进行了预测检验,相对误差为3.65%,小于5%,证明该预测模型预测精度较高,预测效果较好。针对灰色系统理论及研究区域林业用地的特点,提出了在今后林业用地预测时可以在利用GM(1,1)模型进行预测的基础上,叠加国家规划中每年的生态退耕还林量而获得最佳林业用地量预测值的建议。 相似文献
10.
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
11.
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
12.
灰色预测是建立从过去引申到将来的灰色预测模型（Grey Prediction Model）,从而确定所研究系统未来发展变化的趋势,为决策者提供科学依据。以青岛市1998-2007年海水养殖产量统计数据为基础,分别利用灰色GM（1,1）模型和Verhulst模型对该市传统海水养殖产量变化作预测。预测结果表明,GM（1,1）模型和Verhulst模型都显示了青岛市海水养殖产量在未来5年呈逐年递增的趋势。但通过对GM（1,1）模型和Verhulst模型的模拟精度验证和模拟预测结果的比较,发现灰色Verhulst模型预测精度较高,Verhulst模型更适合对该市未来几年的海水养殖产量进行预测。该研究结果可为青岛市合理保护和利用海水养殖资源、制定海水养殖规划提供参考依据。 相似文献
13.
以长沙市2000—2015年土地利用变更数据为基础,引入双因素理论预测模型对长沙市建设用地需求量进行预测。以灰色系统理论为基础,利用长沙市2010—2016年固定资产投资统计数据建立灰色序列GM(1,1)模型。结果表明:到2020年末,长沙市城区建设用地需求预测值为2080.49km2,预测结果符合长沙市经济社会发展趋势,具有可行性。 相似文献
14.
利用河北省11个农业气象观测站1981—2018年农业气象、地面气象观测资料,基于线性回归和灰色系统模型GM(1,1)构建冬小麦返青期预测模型,并对模型模拟效果进行评估。结果表明,各站冬小麦返青期线性趋势模拟曲线不显著。用灰色系统模型G(1,1)模拟各站冬小麦返青期,11个站点中有10个站点模拟精度在二级及以上。通过分析积温序列与冬小麦返青期的相关性,确定10月1日至次年2月15日的负积温为冬小麦返青期关键影响因子。各站点综合冬小麦返青期序列与关键时期负积温一元线性回归方程极显著。单站线性趋势模型、灰色系统模型GM(1,1)模拟和以负积温为因变量的各站点综合线性回归模拟冬小麦返青期检验绝对误差小于7 d的概率分别为73%、94%和80%。单站数据变化比较平稳的条件下,冬小麦返青期预测可根据灰色系统模型GM(1,1)来构建;单站数据存在突变式波动时,可用线性方程构建预测模型;在气候变化波动较大的背景下,基于各站点综合数据序列的线性回归方程,用关键时期负积温来预测冬小麦的返青期适用于区域分析。 相似文献
15.
吐鲁番市建设用地需求量预测研究 总被引：1，自引：0，他引：1
结合吐鲁番市新一轮土地利用总体规划修编实际,采用2001-2010年10a的建设用地数据,通过对研究区建设用地利用特征分析,建立了趋势预测模型、指数平滑模型和灰色系统GM（1,1）模型,分别对研究区建设用地需求量进行预测研究,并对3种模型预测结果进行比较分析,综合各模型的优缺点,最终预测出规划年期2015年和2020年的建设用地需求量,为吐鲁番市新一轮的土地利用总体规划修编工作提供技术支持和决策依据。 相似文献
16.
17.
为提高涝灾预测模型的预测精度,针对GM(l,1)模型预测条件的局限性,提出离散灰色预测模型[称DGM(1,1)模型Ⅰ。应用离散灰色模型,以鞍山市1959~2006年的降雨量为依据,建立涝灾预测模型。结果表明:优化后的离散型DGM(1,1)模型的预测精度较原有的灰色GM(1,1)预测模型的预测精度有很大提高。并且该模型建模过程简单、适用性强,为涝灾的预测提供了新的方法。 相似文献
18.
《西南林业大学学报》2017,(3)
根据2007—2015年普达措国家公园游客数量的统计数据,基于旅游地生命周期理论,对普达措国家公园构建直线、指数、戈珀兹、Logistic回归、GM(1,1)、ARIMA(1,1,1)6个预测模型。结果表明:GM(1,1)模型的预测效果最好,总体效果为GM(1,1)Logistic回归直线趋势指数趋势ARIMA(1,1,1)戈珀兹模型;基于GM(1,1)灰色预测模型的模拟方程为:x(t+1)=49.157 119e~(0.159 615t)±27.302 081,对普达措国家公园未来10年的游客量进行预测,到2025年普达措国家公园的游客量可能会突破500万人。 相似文献
19.
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
20.
灰色线性回归组合模型在河南省粮食产量预测中的应用 总被引：7，自引：1，他引：6
河南省粮食生产变化的波动较大,单一的GM(1,1)模型不能详尽描述其变化规律及预测未来趋势,采用线性回归方程以及由GM(1,1)模型得到的时间响应序列方程和组成的灰色线性回归预测模型,弥补了线性回归模型中没有指数增长趋势和GM(1,1)模型中没有线性因素的不足。利用河南省2000-2007年的粮食产量统计数据,建立了河南省粮食产量的灰色组合预测模型,并根据模型预测出河南省2008-2012年的粮食产量,实例证明,该模型的预测精度为97.9%,模型的预测精度高。 相似文献