共查询到20条相似文献,搜索用时 632 毫秒
1.
2.
3.
4.
新陈代谢GM(1,1)模型在兵团农机总动力预测中的应用 总被引:1,自引:0,他引:1
借助灰色系统理论,利用兵团农机总动力的历史数据,建立并对比分析了GM(1,1)模型和新陈代谢GM(1,1),对兵团农业机械总动力进行预测,为以后兵团农业机械化的发展提供一定的参考。 相似文献
5.
黑龙江省农机总动力进行预测,选用指数函数模型、多项式拟合模型、三次指数平滑模型、龚帕兹曲线模型为单一预测模型并以1980-2013年农机总动力数据为样本点进行拟合,其平均绝对百分比误差分别为12.5%、3.22%、3.43%、6.09%;然后,建立以误差平方和最小为目标函数的变权组合预测模型,并利用改进的实数遗传算法对变权组合预测模型进行优化,所得到的变权重组合预测模型的平均绝对百分比误差为1.98%,拟合效果较好。以2014-2016年农机总动力数据为预测时点对该方法进行验证,结果表明:不论是拟合精度还是预测误差都具有较好的效果。最后,对黑龙江省未来5年的农机总动力进行了预测,为相关部门对农业机械化的发展规划提供参考。 相似文献
6.
基于BP神经网络的农机总动力组合预测方法 总被引:5,自引:1,他引:4
鉴于单一预测模型和线性组合预测模型的局限性,在确定黑龙江省农机总动力单一预测模型的基础上,建立了基于BP神经网络的非线性农机总动力组合预测模型。误差分析表明,该非线性组合预测模型的拟合平均绝对百分误差为3.03%,低于一元线性回归模型、指数函数模型、灰色GM(1,1)模型和三次指数平滑模型的6.26%、4.65%、4.88%和3.72%;稍高于以误差平方和最小为原则构建的线性组合预测模型的2.86%。用2006~2008年黑龙江省农机总动力进行检验预测,结果表明该模型可以有效地提高农机总动力的预测精度,用该模型预测了黑龙江省2009~2015年农机总动力。预测结果表明,在未来几年黑龙江省农机总动力将保持快速增长趋势,到 相似文献
7.
8.
9.
10.
赵旭 《农业装备与车辆工程》2010,(2):11-13
利用山东省1986-2007年农机总动力和综合机械化水平统计数据,建立了基于3次指数平滑时间序列分析的农机总动力和综合机械化水平模型,并将该模型应用到2008-2011年山东省农机总动力和综合机械化水平的预测中,取得了良好的模拟预测效果,为农业机械化发展趋势预测和规划提供了一定的理论参考依据。 相似文献
11.
考虑自变及因变影响的农机总动力组合预测模型 总被引:2,自引:0,他引:2
为能获得精确预测农机总动力的方法,以灰色模型和多元线性回归模型为子模型,应用Shapley值法计算子模型权重系数,构建农机总动力组合预测模型。应用我国2000-2010年农机总动力数据,分别标定上述模型相关参数,并计算各模型年度相对误差和平均相对误差。其中,GM模型和多元线性回归模型的平均相对误差分别为0.68%和0.91%,组合预测模型的平均相对误差为0.59%,精度较高。同时,组合模型既能够反映数据自身变化规律的特征,又能定量反映农机总动力与其相关影响因数间的数理关系,具有较强的适用性。 相似文献
12.
为预测云南省农机总动力的发展变化趋势,提出一种将GA算法、LM算法与BP神经网络相结合的农机总动力预测方法,克服了BP神经网络易陷于局部极小的缺点。选取1985-2015年云南省农机总动力数据作为样本,建立GA-LM-BP神经网络模型进行仿真预测,结果表明:该模型的平均相对误差为0.313 362%,明显优于BP神经网络的0.926 674%、LM-BP神经网络模型的0.654 053%和GA-BP神经网络模型的0.493 122%,具有较好的预测精度。在此基础上,对云南省2016-2020年农机总动力的发展趋势进行了预测,结果表明:2 0 1 6年农机总动力达3 4 3 9.4 9万k W,超过云南省农业厅预测的3 4 0 9万k W,2 0 2 0年云南省农机总动力达3 952.78万k W,为云南省农机化的发展规划提供了理论依据。 相似文献
13.
以1979—2015年吕梁市农机总动力为研究基础,利用指数函数、三次多项式函数及BP神经网络分别建立农机总动力预测模型并进行样本比对。结果表明,BP神经网络和指数函数模型的平均绝对误差分别为1.11%和3.22%,低于三次多项式函数的平均绝对误差(8.05%)。利用BP神经网络模型和指数函数模型对2016—2021年吕梁市农机总动力进行预测,以期为农业机械化水平的发展提供参考。 相似文献
14.
15.
16.
基于Shapley值的农机总动力组合预测方法 总被引:4,自引:2,他引:2
应用合作博弈中的Shapley值方法,通过分配总误差来确定组合预测模型中各预测模型的权重,以此构建组合预测模型并对山西省农机总动力进行组合预测.结果表明,该组合预测模型的预测平均误差为1.81,低于选定的一元线性回归模型、三次指数平滑模型和BP神经网络模型的3.12、2.42和2.23;也低于基于方差倒数法以及基于离异系数法构建的组合预测模型的预测平均误差1.88和1.90. 相似文献
17.
农机总动力组合预测模型研究-基于密度算子 总被引:1,自引:0,他引:1
《农机化研究》2021,(6)
农机总动力的需求具有增长性、波动性及非线性的特征。采用基于密度算子的组合预测方法,对陕西省农机总动力进行预测。在确定单一预测模型的基础上,计算各模型的偏离度和准确度,进而确定聚类组的准确度和密度加权向量,建立基于密度算子的农机总动力组合预测模型,以及基于离差系数法和Shapley值法的组合预测模型。拟合结果表明:建立的密度算子组合模型的各项误差评价指标都低于选定的单一预测模型和基于离差系数法和Shapley值的组合预测模型,具有很好的预测效果。 相似文献
18.
农机总动力的预测研究对于农业机械的“供给侧”改革有着重要意义和研究价值,科学合理的预测结果对于职能部门的规划制定有着重要的指导意义。农机总动力数据具有时间序列性质,本研究应用灰色GM(1,1)模型对其进行有效的预测分析。为了提高预测的准确性,应用BP神经网络对灰色残差数据进行处理,补偿灰色预测结果,建立了相应的预测模型。实验表明:该模型对于吉林省农机总动力的预测科学有效,并对吉林省未来5年的农机总动力进行了预测,为相关政策制定提供了科学依据。 相似文献
19.
为了能够更好地确定黑龙江省农机总动力带来的影响,从提高黑龙江省农机总动力预测精度出发,运用黑龙江省1983-2014年农机总动力数据,以实数遗传算法训练神经网络对2015-2019年的黑龙江省农机总动力进行预测。预测结果表明:在达到相同精度的目标下,基于实数遗传算法来训练神经网络的农机总动力预测比标准BP神经网络对农机总动力的预测具有更快的收敛速度,预测速度优势明显,且拟合的精度也得到了很大提高。数据结果还表明:离需要预测的年代(2015-2019年)越近,预测数据的绝对误差越小,因此运用实数遗传算法训练神经网络有较好的预测性能。最后,运用2017年和2018年的预测数据来确定农机总动力对与其相关方的影响,并给了出参考建议。 相似文献
20.
河南省农用大中型拖拉机受国家政策、经济效益、市场需求等多种因素的影响,其需求量是一个复杂的非线性系统。为此,首先在灰色GM(1,1)模型基础上,利用BP神经网络修正残差,建立灰色 BP 神经网络组合预测模型,既克服了数据的非线性关系以及随机波动大对预测精度的影响,也增强了预测的自适应性。为此,对2002-2011年河南省农用大中型拖拉机的拥有量进行了检验预测,结果表明模型具有较高的拟合度。最后,应用该模型预测了河南省2012-2015农用大中型拖拉机的拥有量,并依此测算出河南省农用大中型拖拉机未来4年的需求量,可为河南省农机部门制定农机动力发展规划提供参考。 相似文献