基于ARIMA和GA-Elman神经网络的新疆年降水耦合预测研究

[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.     

ARIMA模型和灰色模型在农产品价格预测中的应用比较

以遵义猪肉价格为例进行预测模型分析,构建了ARIMA模型和灰色模型,对2种模型的具体步骤进行对比分析。结果表明,ARIMA(1,1,0)模型和灰色模型GM(1,1)为最优预测模型;在农产品价格模型中,ARIMA模型适合短期预测,灰色模型适合中长期预测。     

ARIMA模型在马尾松毛虫发生面积预测中的应用

[目的]为了研究ARIMA模型在马尾松毛虫发生面积预测中的应用。[方法]利用时间序列对郁南市1975~2002年马尾松毛虫发生面积数据进行了分析。经过数据平稳化、模型识别及参数估计确立了ARIMA(2,2,2)模型,对郁南市1975~2002年的马尾松毛虫发生面积作了回测。[结果]ARIMA(2,2,2)模型预测值的动态趋势与实际情况基本一致,特别是1990年以后的预测效果更佳,实际值都落入了预测值的可信区间范围,结果比较理想。[结论]ARIMA模型假定未来的发展模式与过去的模式是一致的,更适用于作短期的预测。     

变桨距风力发电系统模糊控制

提出了一种基于灰色-ARIMA的金融时间序列智能混合预测模型。首先建立金融时间序列灰色预测模型,并采用PSO算法对灰色模型的三个参数进行优化;利用ARIMA算法对预测模型的残差进行分析,同时采用遗传算法对ARIMA的系数进行优化;最后用ARIMA的残差预测结果对灰色预测模型进行补偿。结果表明,以较好的精度拟合一段时期内MA＜107的时间序列,预测误差控制在5%以上,与单纯的灰色预测算法和神经网络算法相比,在平均绝对误差、均方根误差和趋势准确率三项评价指标上,具有明显优势。     

基于ARIMA模型的新疆阿克苏地区棉花价格分析与预警

选取1983～2017年的阿克苏地区棉花价格,结合经济波动周期理论,借助价格指数、拟合指数和波动指数,对棉花价格波动特征进行分析,并通过构建ARIMA模型预测未来棉花价格。结果表明,阿克苏地区棉花价格能够在较短时间内由复苏进入繁荣,具有较强的经济恢复能力,但衰退后会持续较长的时间才能复苏;预计未来几年棉花价格将呈现缓慢下降趋势。用ARIMA模型对阿克苏地区棉花价格的波动分析与预测,能较好地反映其动态变化,为政府制定棉花产业相关政策提供决策参考。     

基于组合预测模型的水质数据预测研究

对时间序列水质预测问题进行研究,提出了基于最优加权法的组合预测模型.综合利用了ARIMA预测模型、人工神经网络模型和指数平滑法对水质数据进行预测,再将它们的结果利用最优加权组合法进行组合,得到组合预测模型结果.将组合预测模型应用到广州长洲水质预测工作中,得到了较好的预测结果.组合预测模型结果的精度高于单一模型结果.组合预测模型能平衡单一模型的偏差,具有更好的适用性和更高的精度.     

科技成果转化过程分析

选取2002~2013年我国石油进出口贸易量的数据进行建模分析。首先运用小波分析理论将贸易量数据进行分解,识别出数据的主要特征和细节特征,针对不同特征进行识别和平稳性检测和参数估计,建立相应的ARIMA模型,并进行预测加权合成。仿真结果表明,小波分析结合ARIMA组合模型的预测精度远远大于为改进的ARIMA预测模型,从而为科学合理的决策提供更为精确的预测模型。     

时间序列组合预测模型研究:以农业机械总动力为例

[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。     

比利时CARAH马铃薯晚疫病预测模型在宁夏南部山区的应用

[目的]寻找适合宁夏南部山区应用的马铃薯晚疫病预测模型。[方法]采用比利时CARAH预测模型于2006年、2007年对宁夏西吉县马铃薯晚疫病进行预测并对田间发病情况进行观察,研究该模型的应用效果。[结果]采用比利时CARAH模型预测马铃薯晚疫病的发生更接近实际的情况,预测结果与田间实际发病观察结果时间误差仅2~3 d。从有效防治马铃薯晚疫病的角度来看,宁夏南部干旱山区应采用4 h湿润持续期评分的标准进行预测,它能更准确的反映田间病害发生情况,利用其预测结果指导田间防治更准确及时。[结论]比利时CARAH马铃薯晚疫病预测模型是适合预测宁夏南部山区马铃薯晚疫病发生的理想模型,可以直接应用于生产中。     

基于传递函数模型的台风中心气压动态预测

[目的]通过ARIMA模型和传递函数模型的预测精度比较找到广东省台风预测中心气压的最好方法。[方法]利用时序图和相关系数对台风的风力、最大风速和中心气压进行相关性分析,得到它们具有很强的相关性。[结果]使用台风风力和最大风速作为输入变量的传递函数模型对样本内数据具有更好的预测效果。[结论]将现代时间序列分析的理论与方法应用于气象预报具有重要的实际意义。     

广西桑蚕原种净种率的时间序列分析

【目的】了解广西桑蚕原种净种率的发展规律,为原种生产管理提供决策依据。【方法】采用时间序列ARIMA模型及季节性结构分量（Seasonal structure component）模型,对广西桑蚕原种净种率的发展规律进行分析研究。【结果】运用SPSS软件对广西2001~2007年每年12批的桑蚕原种净种率序列进行时间序列分析,建立了一个反映广西桑蚕原种净种率规律的ARIMA（1,0,0）统计预测模型,且该模型通过白噪声序列检验;利用该模型对2008年的12个批次桑蚕原种净种率进行预测,发现预测值与实际值较接近。而季节性结构分量模型分析结果表明,广西桑蚕原种净种率在7年里呈逐年下降的趋势,客观反映了广西桑蚕原种的生产规律。【结论】应用时间序列分析方法分析广西桑蚕原种历年生产数据并研究其潜在规律,是一种行之有效的分析方法。     

组合时间序列模型及其在我国农业总产值预测中的应用

基于组合预测理论,首先建立了我国农业总产值的ARIMA和Holt双参数线性指数平滑单项时间序列预测模型;对模型进行检验后,根据标准差法对各模型进行权重分配,建立我国农业总产值组合预测模型。通过对比证明,组合时间序列模型能在一定程度上克服单项模型缺陷,提高预测精度。     

北方半干旱区的PDSI和SPI比较研究

以北方半干旱地区老哈河流域为研究区域,利用流域内及其周边15个气象站1957～2008年的长序列日观测资料,计算逐月的帕默尔干旱指标(Palmer Drought Severity Index,PDSI)和不同时间尺度(1、3、6及12月)的标准化降水指标(Standard Precipitation Index,SPI)。结果表明,52年间分别有6段主要的湿润期和干旱期,持续时间都在1年以上,说明老哈河流域旱涝持续性较强。将不同时间尺度的SPI与PDSI进行对比发现,随着时间尺度的增大,SPI对干旱持续性的表现能力增强,12个月时间尺度的SPI与PDSI一致性较好。     

时间序列分析在辽宁朝阳地区干旱灾变中的应用

介绍时间序列分析的应用,并综合运用时间序列分析对辽宁朝阳地区干旱年份进行预测。经检验,平稳时间序列模型可预测干旱灾害发生的时间,并具有较高的精度,在此基础上提出若干抗旱措施,为辽宁朝阳地区干旱研究及其治理提供依据。     

投影寻踪自回归模型及其在新疆春旱期降水量长期预测中的应用

降水量长期预测问题,至今从理论到方法均不够成熟。本文对一种新兴的时序分析模型——投影寻踪自回归模型作了简要介绍,并用其试做了乌鲁木齐1991～2001年的春旱期降水趋势长期预测,成果令人十分鼓舞。     

基于季节ARIMA模型的铜陵市气温序列的预报

运用EVIEWS软件,对铜陵市48年来的月平均气温时间序列进行统计分析,并对该动态数据进行建模和预测。采用差分方法对样本数据进行预处理,然后定阶,并进行参数估计,建立季节ARIMA模型对铜陵市气温数据进行预报。预报结果显示,季节ARIMA模型的平均绝对误差值为0.875。将ARIMA模型预报结果与径向基(radial basis function,RBF)神经网络模型的预报值比较可知,其预报结果优于RBF神经网络的预测结果。     

时间序列分析模型及其在GDP预测中的应用研究

分析了时间序列模型中求和自回归移动平均模型ARIMA（p,d,q）的建模过程,依据1970~2008年广西南宁市GDP数据,建立了ARIMA（1,1,0）模型,并结合Eviews 5.0统计软件实现对模型的检验,结果显示,模型具有较好的预测效果和现实意义,可为南宁市制定经济发展目标提供决策参考。     

PDSI与降水Z指数在贵州省应用的对比分析

本文基于1980～2018年逐日气象资料计算了PDSI干旱指数与降水Z指数并对两种指数场进行了EOF分析并与干旱实况进行了比对。结果表明：(1) PDSI指数能很好地表征贵州省的冬春秋三个季节的干旱特征，降水Z指数在夏季应用效果较好贵州省四季旱涝特征具有全区一致变化的特征。（2）四个季节的年代际变化特征明显，仅冬季和秋季的有由涝变旱的趋势，其中冬季倾向率达到0.2，冬旱有所抬头；夏季的旱情从整体上看还是呈现略有减缓的趋势，但年际变化较大；2011年以后就没有出现过明显的春季旱情，呈现由干变湿的趋势，春旱近些年有所缓解。（3）冬春秋季在1980年前后发生突变后干旱化趋势一度在加重，而春季在2016年、秋季在2014年突变后干旱都有减缓的趋势，夏季则相对复杂多次反复后在2014年再次发生突变，干旱化趋势减缓。（4）Z指数与PDSI指数反映出的周期基本一致，冬春夏有2-3年的周期，秋季有3-4年周期。