共查询到20条相似文献，搜索用时 171 毫秒
1.
引入友精度指标,基于加权马尔可夫链(Markov)理论提出了灰色残差修正模型,并运用马尔可夫状态转移矩阵对未来残差的符号进行判定.以1994-2011年河南省渔业增加值为基础,建立预测模型,并在模型中不断加入新信息,进行实证分析.结果表明,与传统的灰色预测相比,预测值平均相对误差由8.33％降低为2.54％,较好地提高了预测的精度. 相似文献
2.
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
3.
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
4.
以虫眼、活节、死节3种缺陷的板材为研究对象,建立了小型样本库,采用数据增强方法,对图片进行旋转、平移、尺度变换、灰度变换等方式处理,使样本库扩容到10687张图片,其中7480张图片作为训练集、2137张图片作为验证集、1070张图片作为测试集;应用超分辨率测试序列(VGG)网络模型、谷歌网络模型(GoogLeNet)、残差神经网络模型(ResNet)对木质板材表面缺陷进行分类,依据分类精度,遴选识别效果较好的木质板材缺陷分类方法.结果表明:残差神经网络模型在不同的卷积层时分类精度均在80％以上,而改进的残差神经网络模型在模型结构为50层时的分类准确率高达98.63％,模型能较好地适用于木质板材表面缺陷分类. 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.
利用福建省将乐国有林场46株杉木(Cunninghamia lanceolata)的793组干形数据,根据十折交叉验证,采用最近邻法(KNN)、随机森林(RF)和人工神经网络(ANN)3种机器学习算法对杉木干形进行模拟,并与传统削度模型(TM)进行比较分析.采用决定系数(R2)、均方根误差(ERMS)、平均误差(EM)和平均绝对误差(EMA)4个评价指标对模型的拟合结果和预测结果进行排序,并结合残差图和相对偏差图等进行分析.研究表明:(1)4个模型的决定系数均大于0.95,最近邻法、传统削度模型和人工神经网络的均方根误差小于1 cm,能较好地描述杉木树干形状.(2)人工神经网络对绝大部分树干的估计最精确,R2分别在0.98以上.其检验集的绝大部分残差都在-2～1 cm,训练集的相对偏差在-50％～50％.(3)其次是最近邻法模型,其训练集的残差范围在4个模型间最小,但泛化预测能力不如人工神经网络模型.(4)随机森林模型精度最低,且其预测集残差分布有随直径(di)增大而增大的趋势.传统削度模型模型表现居中.结果表明:人工神经网络模型与最近邻法模型的拟合精度与预测精度均高于传统削度模型模型,能更精确地模拟杉木干形,且机器学习算法可以不满足传统回归的统计学假设前提.利用机器学习预测林木干形是一种可靠的方法,在生产经营中值得考虑. 相似文献
7.
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
8.
动态残差辨识法即误差估计法,是灰色系统的重要内容,此方法是通过对误差序列进行累加生成,从而建立误差修正模型,以提高预测精度的一种方法。这种方法,目前仅限于修正灰色GM(1,1)模型(即动态1阶1个变量的模型)。我们通过对动态残差辨识法的分析研究,把这种方法应用到线性回归预测中,扩大了灰色系统的应用范围,取得了良好的效果。 相似文献
9.
何剑宇 《沈阳农业大学学报》2012,43(2):253-256
为了提高灰色预测模型GM(1,1)在复杂系统模型中的预测精度,从原始数据和预测值两个方面对灰色GM(1,1)模型进行改进。根据原始数据的信息特点对模型作补充定义;预测值改进则利用背景值重构和粒子群优化算法对传统GM(1,1)模型的预测值进行改进,求出最佳预测值。结果表明:改进GM(1,1)模型的平均残差和相对残差都远远小于传统模型,其预测效能和可信度都有大幅提高。 相似文献
10.
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
11.
12.
【目的】建立马尾松Pinus massoniana-木荷Schima superba混交林树高-胸径模型,将树种作为哑变量引入模型,考虑模型残差空间自相关和异质性,为混交林树高-胸径模型构建和科学经营提供理论依据。【方法】基于贵州省开阳县马尾松-木荷混交林727组树高-胸径调查数据,构建普通最小二乘法模型(OLS)、广义可加模型(GAM)、线性混合模型(LMM)、地理加权回归模型(GWR)和地理加权回归克里格模型(GWRK)的树高-胸径全林木模型,在此基础上,将树种作为哑变量引入,选择全局莫兰指数(Moran’I)、局域Moran’I和组内方差分析5种模型残差空间自相关与空间异质性,并采用决定系数(R2)、均方误差(MSE)和赤池信息准则(AIC)对模型进行评价。【结果】(1)马尾松-木荷混交林全林木基础模型的拟合精度从低到高依次为OLS、GAM、LMM、GWR、GWRK。(2)将树种作为哑变量引入模型后,各模型拟合精度均高于全林木基础模型。(3)OLS和GAM模型残差的全局Moran’I在α=0.05水平下显著(Z>1.96),局域Moran’I分布图中存... 相似文献
13.
14.
典型柑橘种植区土壤有机质空间分布与含量预测 总被引：1，自引：0，他引：1
以湖北省宜都市红花套镇典型柑橘种植区采集到的329个土壤样本为研究对象,设置土壤有机质(SOM)进行普通克里格(OK)插值的结果为参照,借助地理探测器选取与SOM相关性最大的前5种主要影响因子,分别建立全局模型多元线性回归、偏最小二乘回归和局部模型地理加权回归(GWR),再深入分析模型残差的结构性,构造GWR扩展模型GWRMLR、GWRPLSR,讨论几种SOM预测模型的差异。结果表明:使用GWRPLSR模型预测研究区SOM含量的均方误差和均方根误差可分别降低到9.834和3.136,相对分析误差提高到1.468,实测值与预测值间的相关系数(r)达0.743,具有最高的预测精度,GWRMLR其次,说明除SOM与主要影响因子间存在空间相关性,分析模型残差可进一步消除预测的不平稳性。因此,将模型残差项纳入考虑的局部扩展模型更适宜进行区域化SOM空间分布预测与数字土壤制图。 相似文献
15.
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
16.
以2000~2007年新疆生产建设兵团棉花总产量为原始数据,建立GM(1,1)灰色预测模型。经过计算模型,通过相关的关联度检验、后验差检验、残差检验,表明模型精度很高,可以用来预测棉花总产量。依据模型,给出未来5年兵团棉花总产量的预测值。 相似文献
17.
【目的】研究华山松种源对树高生长模型参数的影响,为建立通用的华山松树高生长模型奠定基础。【方法】以湖北省宜昌市大老岭林场华山松种源试验林为研究对象,利用林龄4~10年、24年和32年的树高数据,建立华山松11个种源的基础模型、哑变量模型和非线性混合模型,并对各模型的拟合精度进行比较。【结果】在Richards、Logistic、Schumacher和Korf 4个最常用的树高理论方程中,以Richards方程的拟合效果最好,故选其作为基础模型。哑变量模型和非线性混合模型的检验结果均显示,华山松种源对树高生长模型的渐进参数有显著影响,而对生长速率参数和形状参数无显著影响。对比3种模型的决定系数R2、残差平方和SSE、平均绝对残差|E|和均方根误差RMSE4个精度评价指标发现,哑变量模型和非线性混合模型的精度比基础模型明显提高,二者平均精度的决定系数R2提高1.37%,残差平方和SSE降低18.27%,平均绝对残差|E|降低12.77%,均方根误差RMSE降低9.6%;哑变量模型的拟合精度比非线性混合模型稍高,决定系数R2提高0.1%,残差平方和SSE、平均绝对残差|E|、均方根误差RMSE分别降低1.8%,4%和0.9%。【结论】华山松种源对树高生长模型的渐进参数有显著影响,而对生长速率参数和形状参数无显著影响。在种源数量不多时,利用哑变量模型建立通用的华山松种源树高生长模型是一种较好的方法。 相似文献
18.
随着人们消费观念和膳食结构的改变,食用菌需要量大大增加,未来食用菌产量走向关乎着企业的资金投入以及政府政策制定。以河北省食用菌产量为预测研究数据,设计了灰色GM(1,1)模型,对模型预测精度进行残差、后残差检验,借助matlab平台验证模型具有较高的预测精度。运算结果表明,设计的模型精度能控制在2.82%以内,并且具有收敛速度快的特点,具有较高精度,运用此方法对未来5年河北省食用菌产量进行预测,通过分析预测结果,给出了确保河北省食用菌产量稳固增长、产业稳定发展的对策建议。 相似文献
19.
基于空间模型的白河林业局天然红松分布 总被引：2，自引：1，他引：1
根据长白山地区白河林业局的772块固定标准地调查数据,分别建立以最小二乘法为基础的全局模型(Logistic和Poisson)和以地理加权回归模型(GWR)为基础的局域模型(GWLR和GWPR)来预估该局天然红松的分布情况。结果表明:天然红松分布受坡度和小班内树木平均胸径的影响最为显著,主要分布在东部和西南部地区,在北部的部分地区也有分布,但数量相对较少。通过比较全局模型和局域模型的AIC值和模型残差的空间相关性指数发现:GWR模型的AIC值明显小于全局模型,并且能够产生更为理想的模型残差,即模型残差的空间相关性明显减小,因此,GWR模型可以有效解决样地间空间异质性问题,有利于提高红松分布的预测精度。本研究将为大区域森林经营中的天然红松分布及其株数估测提供理论依据。 相似文献
20.
基于ARIMA和GA-Elman神经网络的新疆年降水耦合预测研究 总被引：1，自引：0，他引：1
[目的]提高降水预报的预测精度,准确预测一个地区未来的降水量,可以提高该地区防灾减灾的能力,更好地为工农业生产生活提供决策参考.[方法]以年降水时间序列为研究对象,利用差分自回归移动平均(ARIMA)和GA-Elman神经网络技术建立一种耦合预测模型.该模型首先根据年降水时间序列建立ARIMA模型,拟合它的线性结构部分,基于原始降水序列和ARIMA模型的预测值、残差序列,利用GA-Elman神经网络技术进行耦合建模.将该模型应用于新疆年降水量的预测预报,并与单一的ARIMA模型、GA-Elman神经网络模型进行比较.[结果]耦合模型的归一化均方误差、平均绝对误差、后验差比值及小误差概率分别为0.287,9.581,0.241和1,均优于ARIMA模型、GA-Elman神经网络模型,预测精度得到了明显的提高,预测精度等级为好.[结论]基于ARIMA和GA-Elman神经网络的耦合预测模型具有更高的预测精度,可用于新疆的年降水量预报. 相似文献