共查询到20条相似文献，搜索用时 31 毫秒
1.
《沈阳农业大学学报》2014,(2)
为了提高降水量预测的精度,采用BP神经网络与灰色模型相结合干旱预测的理论方法,研究数据的灰色建模与预测,再对模拟值与真值残差进行BP网络建模,利用残差模拟值修正总体降水量预测值,并对朝阳地区降水量进行预测。研究结果表明:BP神经网络与灰色模型预测相结合降水量平均预测误差为0.0799,比单纯用灰色模型预测误差降低0.1311,说明BP神经网络与灰色模型相结合的预测方法适合朝阳地区降水量的预测。 相似文献
2.
3.
灰色GM(1,1)模型是对某个指标的发展趋势所做的预测。残差建模方法修正,并且优化GM(1,1)预测模型。用修正后的模型预测西藏地区生活用水量发展趋势,既提高精度,又优化模型。 相似文献
4.
灰色模型在大武水源地水质预测中的应用 总被引：16，自引：2，他引：16
根据大武水源地的实际，运用灰色理论和方法进行GM（1，1）模型的建立、精度检验、模型修正的过程，并用该模型对大武水源地的水质变化趋势进行了预测。预测结果证明，该模型用于地下水源地水质预测，符合地下水系统色特性，适用性好，预测结果与环境状况吻合。另外，本文还就残差模型修正中的约束条件、残差阶次和随机成分较大变量 的预测精度相对误差的修正等提出了应注意的问题。 相似文献
5.
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
6.
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
7.
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
8.
台湾休闲观光农业之发展,使得乡镇各地旅游景点游客量也因诸多经营推销等因素而互有消长,然而农村地区的地域性旅游点,具有指标性之意义,而未来指标地区游客量的成长与衰减,与区域性旅游发展息息相关。因此透过有效的预测技术,可以正确地预知未来游客量变化情形并加以因应。本研究应用GM(1,1)、滚动检验法、灰色马可夫以及灰色傅立叶级数残差修正预测模型来预测南投埔里酒厂游客量,对研究结果进行比较与分析得出,灰色傅立叶级数残差修正预测模型之预测精确度高达97.66%,且其预测2009年4月之游客量与埔里酒厂所公布之游客量统计资料相比,误差仅为2.09%,相较其它预测模型,灰色傅立叶级数残差修正预测模型较适合此类周期波动较大的数据数据之预测。 相似文献
9.
10.
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
11.
12.
《江苏农业科学》2016,(12)
由于粮食生产受到社会、经济和气候等多方面因素的影响,造成粮食产量序列的复杂性、随机性和非平稳性。为了准确预测粮食产量,提出基于小波变换的灰度模型(GM)-反演(BP)神经网络[BP神经网络是人工神经网络(AMNN)的一种]相结合的预测方法,首先利用小波变换将非平稳序列转化为若干不同频率分量的平稳序列;然后针对各序列使用灰色GM(1,1)模型建立预测模型,为了进一步提高模型的预测精度,结合BP神经网络对预测残差进行修正;最后通过组合得到粮食产量的预测模型。通过对2011—2014年我国粮食产量数据的预测,表明所提方法的预测精度明显高于GM(1,1)和BP神经网络预测模型,4年的平均预测误差小于1%,能够较准确地预测我国粮食产量。 相似文献
13.
14.
【目的】建立一种对资料要求较少、精确度较高的非点源污染负荷多变量灰色神经网络预测模型,为有限资料条件下非点源污染负荷的预测提供支持。【方法】针对GM(1,N)模型在原始数据变化幅度较大且趋势不明显时预测效果较差的不足,提出并建立用人工神经网络对GM(1,N)模型的残差系列进行修正的改进模型,并将其应用于华县站总氮非点源污染负荷的预测。【结果】在华县站总氮非点源污染负荷预测中,灰色+BP神经网络组合模型拟合预测效果较好,建模阶段和检验阶段的确定性系数(Nash-suttcliffe模拟效率系数)分别为1.00和0.93,优于单独灰色模型或神经网络模型的预测效果。【结论】研究建立的多变量灰色神经网络模型综合了灰色理论和神经网络的优点,提高了模拟精度,为有限资料条件下非点源污染负荷的预测提供了一种有效的方法。 相似文献
15.
运用灰色系统理论和拓扑预测法建立灰色模型对新疆玛纳斯县小家鼠秋季数量动态进行预测,预测精度较高。表明该方法在种群动态预测中具有较高应用价值。 相似文献
16.
17.
本文根据国营八五五农场气象站实测年降水量数据列,在等维新息GM(1,1)建模基础上,根据残差序列经离散傅里叶变换建立灰色摆动GM(1,1,ω)模型,再对其残差信息进行周期分析来修正预测值,其模型的预测精度较高。 相似文献
18.
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
19.
田媛 《甘肃农业大学学报》1991,(1)
本文应用灰色系统动态建模的理论和方法,以甘肃省小水电年发电量统计资料为数据数列,建立了小水电年发电量的长期预测灰色动态模型。经误差检验,模型精度较高,可供我省制定小水电发展规划及决策时参考。 相似文献
20.
抗蚜威在黄瓜果实中的消解动态数学模型 总被引：1，自引：0，他引：1
采用气相色谱法测定抗蚜威在黄瓜果实中的残留量数据,建立指数负增长函数模型、Rayleigh动态模型、灰色预测GM(1,1)模型等不同类型的数学模型,然后对其进行拟合度检验,结果表明:灰色预测GM(1,1)模型的预测拟合度最好,农药在生态环境中的降解过程是一个典型的灰色系统,应用灰色预测GM(1,1)模型可以很好地模拟抗蚜威在生态环境中的残留消解动态. 相似文献