基于数学模型预测森林病虫害的研究进展

阐述了我国森林病虫害预测预报的发展历程,介绍了近年来非线性模型和线性非线性组合模型在森林病虫害预测中的应用现状,综述了组合模型的建模方法、支持向量机回归原理及应用现状,总结了目前森林病虫害预测预报中存在的问题,并展望了其今后的发展趋势。     

基于灰色理论和回归分析的需水量组合预测研究

【目的】建立精度更高的需水量预测模型,为水资源规划提供理论依据。【方法】建立基于灰色预测和线性回归预测的需水量组合预测模型,以深圳大鹏半岛需水量为例,对组合预测模型的预测结果与单独采用灰色预测、线性回归模型预测的结果进行了比较。【结果】单独采用灰色预测模型和线性回归模型进行预测的平均误差分别为6.5%和2.5%,而基于灰色预测和线性回归的组合预测模型的平均误差仅为1%。【结论】组合模型的预测精度较单一模型的预测精度明显提高,并且该模型可以更全面地反映需水量的变化规律。     

利用分位数组合预测兴安落叶松枝下高

【目的】本文使用分位数回归和分位数组合对枝下高进行建模和预测,为单木枝下高模型的构建提供新的思路和方法。【方法】利用大兴安岭新林区4个林场的兴安落叶松天然林实测数据,采用非线性回归构建枝下高基础和广义模型并分别扩展到分位数回归。使用三分位数组合(τ=0.1,0.5,0.9)、五分位数组合(τ=0.1,0.3,0.5,0.7,0.9)、九分位数组合(τ=0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9)和4种抽样设计(抽最大树、抽最小树、抽平均木、随机抽取)进行预测,比较不同分位数组合的预测效果并分析不同抽样设计对预测精度的影响。同时使用双重交叉检验对非线性回归、最优位数回归和最优分位数组合进行比较。模型拟合和检验的评价指标主要包括平均绝对误差(MAE)、均方根误差(RMSE)、相对误差(MPE)和调整确定系数(R²_adj)。【结果】(1)无论是非线性回归还是分位数回归,广义模型的拟合MAE较基础模型可降低6%~12%,RMSE可降低6%~10%,检验效果也优于基础模型。枝下高与胸径呈负相关、与样地优势高和每公顷断面积呈正相关。(2)中位数回归在所有分位数中拟合能力最好,且效果与非线性回归相似。分位数回归可以描述枝下高的分布。(3)3种分位数组合都可以对枝下高模型进行预测且效果相差不大,三分位数组合就可以满足枝下高的预测精度。中位数回归的交叉检验结果与非线性回归相似,三分位数组合的预测能力最优,MAE和MPE较非线性回归和中位数回归分别下降了20%和4%左右,R²_adj提高了16%左右。(4)基础和广义分位数组合的最优抽样设计分别为抽平均木5株和抽大树7株。【结论】本研究基于三分位数组合(τ=0.1,0.5,0.9)的枝下高模型可以提高预测精度,具体应用基础和广义分位数组合模型的最优抽样设计分别为抽平均木5株和抽大树7株。综合预测精度和调查成本的考虑,在实践中应用分位数组合时,推荐在样地中抽取5株平均木对枝下高进行预测。     

柴油机连杆轴颈磨损量组合预测模型及应用

为了得到更合理、准确的柴油机的磨损预测结果,基于已有的柴油机连杆轴颈磨损数据,结合现代新的预测理论技术,提出一种指数回归灰色理论相结合的组合预测模型.实际应用情况表明,指数回归灰色理论相结合的组合预测模型在4个预测步长内,组合预测的相对误差在1.0%内,比单个预测的精度要高得多.     

地下水位粒子群优化神经网络组合预测模型

【目的】将粒子群优化神经网络组合预测方法引入地下水位预测中,以提高地下水位预测的精度。【方法】以回归分析法、指数平滑法、灰色GM（1,1）模型的地下水位预测结果及预测结果平均值作为网络的输入,以实际地下水位值作为输出,对3个单一模型进行非线性组合,建立地下水位的粒子群优化神经网络组合预测模型,应用实例对模型的预测结果进行了验证,并与3个单一模型及等权平均组合模型的预测结果进行比较。【结果】实例运用结果表明,粒子群优化神经网络组合预测模型的均方误差为0.740 9,平均绝对误差为0.657 6,均小于单一模型及等权平均组合模型的相应值。【结论】粒子群优化神经网络组合预测方法适用于地下水位的预测。     

基于灰色线性回归组合模型的河南省国内生产总值预测

根据灰色灾变预测原理,构建了基于GM(1,1)与线性回归的组合模型.对于具有数据跳变日期点的预测问题,用GM(1,1)模型;对非跳变日期点用线性回归预测.对河南省国内生产总值的预测结果表明,该模型克服了GM(1,1)模型和线性回归模型的缺陷,具有较高的应用价值.     

基于最优加权组合模型的枯季径流预测研究

【目的】研究最优的枯季径流预测模型,为流域水资源管理提供依据。【方法】建立基于差分自回归移动平均(ARIMA)、人工神经网络(ANN)和多元线性回归(MLR)3个单项模型的简单平均组合和最优加权组合预测模型,并将单项预报模型和组合模型应用到石羊河流域支流西营河的枯季径流预测中,采用相关系数、确定性系数以及均方根误差对各模型预测精度进行比较。【结果】单项预测模型中,仅ARIMA模型通过了确定性系数检验;最优加权组合模型的预测精度较简单平均组合模型高;组合预测模型中,仅ARIMA-MLR和ARIMA-ANN最优加权组合模型的确定性系数高于所有单项预测模型。【结论】最优加权组合模型的精度不但取决于各单项预测模型的精度,也与其之间的相关性有关,适合西营河枯季径流预测的最优加权组合模型是ARIMA-MRL和ARIMA-ANN组合模型。     

组合预测方法及其在土壤水分预测中的应用

本文简要介绍了当前较为流行的一种新的预测方法—组合预测方法及最优权数的计算。并利用此方法对预测土壤水分含量的两个单一预测模型进行综合处理,得到了土壤水分含量的组合预测模型,从统计分析和回归检验中可以看出,组合预测模型较原两个单一预测模型的预测精度有较大的提高。     

基于组合预测的农业用水量预测

在分析农业用水特性的基础上,提出了可有效克服单一预测模型预测精度不高的组合预测模型,并给出了农业用水量组合预测模型的权重确定方法,最后基于GM（1,1）模型、回归预测模型和指数平滑模型验证了组合预测模型对我国农业用水量的预测精度。     

GM(1,1)与回归预测相组合在安徽省农民人均纯收入预测中的应用

利用灰色灾变预测原理,解决预测中的历史数据跳变问题;利用传统的回归方法,对跳变点之间的情况加以预测,实现GM(1,1)和传统回归预测的组合预测。通过对安徽省农民人均纯收入的预测分析,结果表明:该法克服了GM(1,1)模型和传统回归预测各自的缺陷,使得预测结果更接近未来发展的趋势。     

组合预测方法在玉米施肥预测中的应用

为提高玉米施肥量预测的精度,利用拉格朗日乘数法,基于预测误差平方和最小这一目标,对肥料效应函数、神经网络施肥预测方法这2种单一施肥量预测模型进行加权组合,建立了玉米施肥组合预测模型。预测结果显示:肥料效应函数、神经网络施肥预测方法和组合预测模型的预测误差平方和分别为2789.40,653.79,421.72,说明玉米施肥组合预测模型优于单一施肥预测模型;采用组合预测方法对玉米施肥量进行预测,能够显著提高预测精度。     

基于多项式典型相关方法选择长江下游降雨量预报因子

非线性典型相关(NLCCA)问题是常见而又不易解决的问题,现在所用NLCCA模型的神经网络解法,编程复杂而又得不到变量间的解析表达式。分析讨论了长江下游降雨量预报因子的选择问题,提出NLCCA问题的多项式逼近模型及其2种解法:逐步选择法和主成分法。这2种方法都能很好地找到非线性典型相关的预报因子。在线性典型相关检验不通过的情况下,利用这2种方法可成功地找到非线性典型相关预报因子。     

Frank-Wolfe算法在输气管道内腐蚀预测中的应用

组合预测是对用多种预测方法进行预测的结果加权。建立了基于最小二乘法原理的组合预测模型,提出了求解此组合预测模型的一种新的算法,即Frank-Wolfe算法,并将其应用于四川某输气管道内腐蚀速度预测的研究,应用结果表明,Frank-Wolfe方法较适用于求解组合预测问题的权重。     

农产品市场价格短期预测研究进展

 论文系统概述了近百年来有关国内外农产品市场价格短期预测在理论、方法、实践应用等方面取得的进展,指出主要研究方法的优缺点,并对农产品市场价格短期预测方法研究的特点进行了总结,对今后研究的发展方向进行了展望。研究认为,随着数理统计学、计量经济学、模糊数学、神经网络等理论的发展及方法的广泛应用,目前在农产品市场价格短期预测领域已形成了众多模型,其中主要定量分析方法可概括为四大类,即计量经济预测法、数理统计预测法、智能分析法和组合模型法。在未来的一段时间内,农产品市场价格短期预测将呈现出以定量分析方法占主导、智能化组合化模型逐渐增多、分位数回归模型引入到农产品市场价格短期预测并形成趋势等发展特征。     

塞罕坝华北落叶松人工林断面积预测模型

如何实现林分水平和单木水平预测林分断面积的兼容性,并提高不同水平断面积模型的预估精度,在森林经营过程中是一个亟待解决的科学问题。本文以华北暖温带华北落叶松人工林为研究对象,运用105块连续观测的固定样地数据,首先采用Gauss-Newton算法建立林分水平和单木水平断面积生长模型;其次分别采用不同形式的逻辑斯蒂方程对单木生存概率方程进行拟合;最后将不同水平最优预测模型进行组合并建立组合方程,采用最小二乘法估计组合方程参数,以提高对不同水平断面积的预测精度。结果表明:在约束参数法中,林分密度模型、林分断面积预测模型和单木断面积模型均具有较好的预测效果,并均能解释90%以上的变异;在分解法中采用逻辑斯蒂方程来预测单木生存概率和林分密度,经检验获得的ROC曲线下面积为0.906,表明该方程可以较好地预测林木生存概率;在组合预测法中,采用不同水平的最优模型进行组合后的预测效果最佳。在预测林分密度和断面积时,组合预测方程预测精度最高,林分水平模型预测精度次之,单木水平模型预测精度最低。组合预测法能够预测不同水平下的林分密度、立木生存概率、林分断面积及单木断面积,提高了模型预测精度,为预测林分生长动态、空间结构变化及经营效果评价等提供参考依据。      

四川小麦穗期蚜虫发生程度预测研究

选用四川省有代表性的５个县（忠县，双流，宜宾，武胜，资中）１１年３月份气象因素和小麦穗期蚜虫发生程度资料，运用模糊综合决策方法，建立了预测模型，用预测因子回代，历史符合率达９４．１２％，１９９１～１９９４年，５月县市实际预测符合率为７５．００％，证明该模型对预测小麦穗期蚜虫发生程度有较好效果。     

大足鼠RatusnitidusHodgson的数量预测研究

】大足鼠６月和１０月高峰期的数量与上年３月的种群数量、性比和年龄结构有关。本文建立了线性回归，逐步回归和模糊相关的关系式。其中，模糊相关模型能最好地拟合原始数据，可作为预报手段     

组合预测方法研究及其在电力负荷预测中的应用

文章通过对组合预测模型权重求解方法的研究,给出了一种运用二次规划来求解组合预测模型权重的方法。该方法不仅克服了拉格朗日乘子法不能保证权重非负的不足,而且由于二次规划问题可借助MATLAB软件进行求解,从而简化了求解权重的计算过程。示例计算结果表明,组合预测模型的预测精度明显高于各单一预测模型,误差平方和小于各单一预测模型的误差平方和,从而验证了该方法的有效性。     

农产品市场价格短期预测方法与模型研究——基于时间序列模型的预测

为提高农产品市场价格的预见性,及早采取措施减缓价格波动,以全国西红柿月度批发市场价格为预测目标,综合利用季节虚拟变量法、Census X12法、移动平均比率法、Holt-Winters季节指数平滑法、SARIMA法等建立短期预测模型,并根据模型预测误差大小赋予不同的权重值,从而建立组合预测方法。实证分析结果表明:单一模型预测误差波动较大,总体上随着预测周期变长精度下降。在2009年的评估预测中,所建立的5个单一短期预测模型平均绝对误差百分比(MAPE)为10%左右,其中Holt-Winters季节指数平滑法建立的短期预测模型精度最高,MAPE为6.81%。如果预测提前期为3个月,SARIMA模型的预测精度更高,准确率达到95%以上。在实证分析的基础上,采用组合预测方法对2010年西红柿价格进行了预测。