基于灰色神经网络与马尔科夫链的城市需水量组合预测

【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。     

基于灰色马尔科夫模型的我国水果产量预测分析

随着现代社会民众饮食和健康观念的不断提升,人们对于水果的需求也是逐渐增加和变化的,而水果的产量由于自然天气和国内外环境的影响,呈现出随机性、非线性、波动性和复杂性,所以水果的产量预测具有很大困难性,因此有必要对我国的水果产量进行预测的评估。以灰色预测理论为基础,提出了基于灰色理论和灰色马尔科夫模型结合的新方法,重新预测了我国未来的水果产量,并将两种方法的精度进行比较,结果表明:灰色马尔科夫预测模型的精度和准确性均比单纯的灰色模型要高。根据灰色马尔科夫预测模型的预测结果,尝试提出我国未来水果的发展战略。     

基于CLUE-S的香溪河土地利用变化预测与总磷污染负荷分析

本研究旨在比较不同土地利用数量预测方法的适用性,并结合空间分布预测模型对香溪河流域未来的土地利用进行预测,以期为该区域的土地利用规划提供决策支持,有效控制总磷污染负荷的产生。结合土地利用数量预测的3种算法(线性外推法、马尔科夫链模型以及遗传算法)与空间预测模型CLUE-S(Conversion of land use and its effect at small regional extent),对流域内的土地利用变化进行预测,通过输出系数法对流域内的总磷污染负荷进行估算。结果表明,基于线性外推与马尔科夫链两种无约束预测模型,2020年流域内林地面积将比2010年减少约1%,绝大多数林地转变为水田与旱地,且大多发生在流域中部坡度较平缓区域。而基于存在自然社会经济约束条件的遗传算法优化情景下,水田面积减少1060 hm2、旱地面积减少3370 hm2,其面积主要转化为林地,且大多发生在流域高海拔、较陡峭的北部区域。基于输出系数法分析得到的流域内总磷污染负荷在线性外推与马尔科夫链预测情景下相比于2010年均有所增加,分别增加11 000 kg和8000 kg,而在遗传算法情景下,总磷负荷相比于2010年减少约24 000kg。空间分布上,在线性外推与马尔科夫链情景下增加的负荷主要位于流域中部区域,而在遗传算法情景下流域北部区域总磷负荷减少量最为明显。研究结果表明,遗传算法在土地利用优化预测方面表现优异,结合CLUE-S模型,可以对未来土地利用规划起到一定的支持作用,有效控制非点源污染负荷的产生。     

农村电网中长期负荷改进灰色预测研究

农网中长期负荷预测在农村电网发展规划编制中占有重要地位,而其关键是数学模型的建立,灰色模型是一种较好的预测方法,但传统的灰色预测精度不够好。通过分析一种改进方法,即通过对原始数据进行开次方处理降低预测模型的模型系数,再对数据平滑处理生成新的数据序列进行灰色建模预测,基于重庆地区农村用电量的实际数据分析表明,本改进方法比以往方法较大地提高了预测精度,其中改进无偏灰色模型开二次方预测精度最高,未来数年的农村用电量预测结果可为编写农村发展规划提供重要的参考价值。     

基于改进算法的灰色马尔科夫模型的建设用地预测

改进灰色系统理论GM（1,1）模型的算法,并且将改进后的灰色模型与马尔科夫模型结合。通过对灰色系统预测数据的修正,既发挥了灰色系统预测精确的特点,又利用了马尔科夫模型对预测波动性数据准确的优势。结合西安户县的实例,对在时间序列上展开的具有一定的波动性的建设用地数据进行预测,达到很高的预测精度。     

灰色GM（1,1）模型和Verhulst模型在青岛市海水养殖产量预测中的应用

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。     

基于新维无偏灰色马尔可夫模型的大坝沉降预测研究

【目的】基于组合预测思想,结合灰色理论与马尔可夫预测方法的特点构建一种新的预测模型,为大坝沉降量的中长期预测提供支持。【方法】通过对传统灰色系统模型的优化改进,简化建模步骤并提高模型预测精度。在此基础上,借助于马尔可夫模型处理时间序列的随机性波动,克服灰色模型对随机波动性大的序列预测精度较低的局限性,并利用新信息优先原理,构建新维无偏灰色马尔可夫组合预测模型。将构建的新维无偏灰色马尔可夫组合模型应用于大坝沉降量的预测。【结果】构建的模型预测平均误差由原来的1.7%降低为1.0%,且预测误差的变化波动性减小。同时,随着预测期数的增加,相对于传统灰色模型,改进后的组合模型的预测精度进一步提高。【结论】与传统计算方法相比,所建立的新维无偏灰色马尔可夫组合预测模型计算量小、预测精度较高,且该模型保留了传统灰色模型短期预测精度高的优点,提高了模型的中长期预测能力,适用于大坝沉降量的中长期预测。     

小波分解架构下降水量灰色预测方法研究

针对灰色模型在降水量预测中精度较低、稳定性差等问题,选取朝阳地区1996~2011年的降水量为试验数据,引入小波分析理论,对小波分解与灰色模型结合的方法进行研究,从而改进灰色模型的预测精度。运用小波强大的多分辨率分析能力,将降水量数据分解为不同的高频分量和低频分量,分别根据高、低频分量的不同特性选取不同的预测方法,对降水量低频部分进行灰色建模预测;降水量高频部分采用波形预测的方法进行预测,最后合成两部分预测结果。结果表明:低频分量数据的平均灰色模拟精度为0.066;高频分量数据的波形模拟精度为0.159,采用小波多分辨率分解与灰色预测模型相结合的预测方法结果比传统灰色预测精度提高53.4%。     

基于CA-Markov模型的乌梁素海地区苗八流域土地利用变化及预测

以乌梁素海苗八流域为研究区,基于1986—2008年的土地利用数据,利用时间加权数学平均法构建土地利用空间转移概率矩阵,应用CA-Markov模型探索流域土地利用空间格局变化规律。结果表明,CA-Markov模型在苗八流域的最佳模拟尺度为5 m,模拟精度较高。时间加权数学平均方法运用于土地利用变化转移矩阵的构建能够帮助CA-Markov模型准确模拟流域的土地利用空间格局变化。在此基础上,还对本流域未来40年的土地利用空间格局进行了模拟预测。结果显示,苗八流域未来40年内土地利用空间格局变化趋势与研究期间相同。     

多变量灰色预测模型在荔枝病虫害预测中的应用

荔枝病虫害易造成荔枝Litchi chinensis Sonn.产量少、品质劣、价格低，导致果农收益下跌，产业发展受制。因此，建立荔枝病虫害预测预报模型，开展病虫害发生程度预测，对荔枝产业高质量发展具有重要意义。基于2004—2020年广州市增城区第二代荔枝蒂蛀虫驻果率数据，以及前期气象要素数据，对影响蒂蛀虫驻果率的气象因子进行灰色关联分析，筛选出主要影响因子，采用多变量灰色预测模型GM(1,N)构建第二代蒂蛀虫驻果率预测模型。通过后验差以及小概率误差检验方法进行模型精度检验，并结合马尔科夫模型进行优化，以提高预测模型精度。研究结果表明，采用多变量灰色预测模型GM(1,N)进行荔枝蒂蛀虫驻果率预测，预测精度较高，可为荔枝病虫害预防提供决策参考。     

残差修正模型在森林火灾预测中的应用

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.     

基于CA-Markov模型的黄河流域土地利用模拟预测研究

【目的】分析黄河流域现有的土地利用数据，揭示黄河流域未来30年土地利用时空格局的演变趋势。【方法】基于黄河流域1980，1990，2000，2010和2015年5期土地利用数据，采用元胞自动机-马尔可夫模型（CA-Markov）对2000和2010年的土地利用格局进行模拟，在满足精度要求的基础上，对2020，2030，2040和2050年的土地利用变化情景进行预测，并借助GIS空间分析功能，剖析黄河流域2020－2050年的土地利用时空格局演变趋势。【结果】基于CA-Markov模型的黄河流域2000和2010年土地利用模拟误差均小于10%，Kappa指数高达0.872 8和0.897 0，证实了CA-Markov模型在黄河流域土地利用模拟上的可行性及精度的可靠性；未来30年间，黄河流域主要土地利用类型为耕地、林地和草地；耕地和草地将减少约10%，林地将增加约5%，建设用地将增加约150%，且主要集中于宁蒙河段以及中下游地区。【结论】CA-Markov模型可较好地模拟预测黄河流域土地利用的时空演变格局，模拟结果可为黄河流域未来土地利用规划和管理及生态修复提供科学依据。     

基于CLUE-S模型的洞庭湖区土地利用变化模拟研究

利用ETM+影像解译了湖南省洞庭湖区2001、2007和2011年三年的土地利用历史数据,运用CLUE-S模型,基于2001年的土地利用数据对2007和2011年土地利用格局进行了模拟,将模拟结果与2007年和2011年的土地利用解译数据进行了比较分析,并进一步分析了导致模拟结果误差的原因。结果表明:在(300m×300m)基本单元水平上,两期模拟的空间总体精度分别为82.45%和77.5%,Kappa系数分别是0.79和0.73,表明CLUE-S模型在洞庭湖区具有土地利用变化模拟能力,可用于洞庭湖区土地利用变化的预测模拟;精度分析发现,随着时间尺度增大模拟精度逐渐降低,要实现长时期、高精度的土地变化预测,可将CLUE-S模型与其他模型结合使用,并适当的加入动态驱动因子。     

基于CLUE-S模型和Markov模型的土地利用变化模拟预测——以德阳市为例

在四川省德阳市现有土地利用数据的基础上,充分整合自然和社会因素的影响,全面考虑各土地利用类型的供需平衡关系,以此对德阳市未来不同发展情景下的土地利用变化进行模拟预测。在地理信息系统(GIS)技术的支持下首先对CLUE-S模型的预测精度进行验证,然后利用CLUE-S模型和Markov模型相结合的方法对研究区未来4种不同情景的土地利用变化进行模拟预测,并系统分析各情景下土地利用变化的特征。CLUE-S模型能较好地运用于对德阳市的土地利用变化的模拟;在"历史趋势发展"和"经济优先发展"情景下,城乡工矿居住用地增幅明显,扩张趋势明显,尤其以东北部平原区最为明显;在"粮食安全"情景下,土地利用变化的趋势较为缓和,耕地向其他用地的转化得到了一定的限制,有效地满足了区域的粮食安全需求;在"生态安全"情景下,林地得到了有效的保护,水域和草地增幅明显,城乡工矿居住用地增幅减缓,进而有效地保障了地区的生态安全。CLUE-S模型和Markov模型相结合模拟的结果能够对区域规划和相关土地利用政策制定提供有力的技术手段和科学支撑。     

基于马尔柯夫模型的太谷县城乡结合部土地利用变化预测

为了区域有限土地的合理利用,根据1996~2005年太谷县城乡结合部各类土地利用数据以及各年土地类型转移数据得到年均转移概率,建立了马尔柯夫预测模型,对2006~2010年的土地利用变化趋势进行模拟预测。结果显示:在剔除政策因素影响的前提下,马尔柯夫模型对研究区土地利用变化的预测基本符合太谷县城乡结合部的实际情况,对未来土地合理利用有积极的指导意义。     

山地丘陵区土地利用格局演变模拟研究——以山西省晋城市为例

为分析山地丘陵区土地利用格局演变规律,以山西省晋城市为例,从地球系统科学的视角出发,通过改进后的CLUE-S模型对晋城市2010—2017年、2017—2024年2个阶段的土地利用格局演变进行模拟。结果表明:1)在验证阶段,使用Auto-Logistic回归改进的CLUE-S模型能够较好的模拟晋城市土地利用覆被变化,各土地利用类型AUC值基本0.8,对比2017年实际土地利用现状,全局Kappa系数值为0.71,总体上可用于模型模拟预测;2)在模拟阶段,综合考虑自然、社会、经济要素,对比规划与生态保护情景,2024年晋城市土地利用格局在空间上呈竞争关系。在"规划"情景下,当地城市、农业、生态均衡发展;"生态保护"情景下社会经济发展较为缓慢,但生态用地占比较大;3)分析不同情景下晋城市14年间土地利用覆被变化,总体趋势为东西部山区由草地转为林地,中部丘陵平原区由耕地转为林地。     

基于元胞自动机复合模型的村镇土地利用变化模拟

为向村镇土地利用规划和管理提供合理决策依据,开展村镇土地利用空间格局变化进行模拟研究。在元胞自动机模型基础上,引入马尔科夫模型和多标准评价方法,构建元胞转移数量规则及空间位置规则,从自然环境、社会经济与政策等3方面分析土地利用影响因子,构造元胞自动机复合模型;选取北京市房山区为研究区,以村镇为单元对其土地利用空间格局进行模拟。结果显示:房山区的耕地、林地面积不断减少,建设用地占用农用地现象突出;人口集中、农业资源丰富的平原区各村镇土地利用变化明显。研究表明,多标准评价方法使元胞转移空间位置有规律可循,并有效避免模拟结果中大量错误斑点的产生;以村镇为单元进行分析,模拟的结果更加精细和合理。     

基于CA-Markov模型的楚雄市土地利用动态监测及预测研究

运用RS、GIS等技术手段对楚雄市2002、2010、2018年3期的遥感影像进行分类,将土地利用类型划分为建设用地、耕地、林地、水体和未利用地,并根据土地利用现状图对楚雄市的用地结构变化进行分析;在此基础上运用IDRISI软件构建基于人工神经网络的CA-Markov模型,以2002、2010年土地利用状况为基础数据模拟2018年的土地利用情况,在精度检验符合要求后最终模拟2026年的土地利用情况.结果表明,楚雄市2002—2018年土地利用变化中耕地和建设用地是主导地类,但在不同研究时段变化具有差异性.林地转移到耕地和建设用地是楚雄市主要土地利用转移类型.2010年后政府出台政策支持乡镇耕地发展,个别乡镇在此期间耕地与建设用地得到了大力发展.CA-Markov模型对楚雄市2018年的土地利用情况模拟预测精度验证的Kappa系数为0.71.根据预测结果2026年楚雄市土地利用变化中耕地和建设用地仍是主导地类.     

基于GWR模型的土地利用变化模拟研究——以郧西县城关镇为例

模型模拟预测是研究土地利用变化的有效方法之一。该文以郧西县城关镇为研究区域,选用土地利用模拟常用模型CLUE-S模型作为土地利用变化模拟的模型。考虑到驱动因子对土地利用格局影响的空间不稳定性,用GWR(geographically weighted regression)模型取代常用的Logistic回归模型来建立各地类与其驱动因子之间的回归模型,实现了对CLUE-S模型的改进,并进行实证研究与模型比较。结果表明:运用GWR对CLUE-S模型进行改进,可以获得更高的模拟准确率,能够为未来城镇发展提供科学的决策支持。     

基于灰色理论的阜康市土地利用预测研究

研究土地利用的变化并做好预测,有利于了解土地变化的原因及发展趋势,有利于调整土地利用结构,使土地利用更趋于合理。依据2009~2013年阜康市土地利用变化数据,基于灰色关联度模型分析阜康市土地利用变化的主要影响因素,计算得到城镇居民可支配收入和人口因素是影响土地利用结构变化的主要因素,并在此基础上运用灰色系统预测理论对2015~2018年土地利用进行了预测,将预测结果和阜康市土地利用总体规划进行对比分析,找出阜康市土地利用可能存在的问题,并提出相应的对策建议。