组合预测法在林分断面积生长预估中的应用

林分断面积生长模型的研究是林分因子建模中的主要对象,研究提高林分断面积生长模型的预测精度十分重要。组合预测法能够对不同模型的预测结果进行组合,把不同模型的预测误差分散化,从而提高预测精度。基于北京山区油松定期清查数据,根据残差的方差最小原则确定组合预测中各模型的权重,将单木水平预测所得的林分断面积与林分水平预测所得的断面积进行组合预测。结果表明:组合预测法预测林分断面积的精度比单一水平(单木水平、林分水平)预测的精度都高,同时组合预测法也改进了林分断面积预测模型的兼容性。     

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。     

变权组合预测模型在洪水预报中的应用

【目的】研究洪水预报的多模型组合预报模式,丰富洪水预报的方式方法。【方法】将最优非负可变加权系数的组合预测方法应用于洪水预报中,分别建立最优加权组合预测模型和最优非负可变加权系数组合预测模型,以新安江模型、萨克拉门托模型、水箱模型和陕北模型为例进行组合预报,并用东洋河1982年8月的一场洪水实测流量值对2种组合模型进行了实例验证和比较。【结果】最优非负可变加权系数组合预测模型的3种误差指标均方误差(MSE)、平均绝对误差(MAE)和平均绝对百分比误差(MAPE)分别为18.394 0,51.317 2和0.131 4,明显小于最优加权组合预测模型的28.110 7,108.816 7和0.268 9,且前者的确定性系数(DC)为0.961 3,明显大于后者的0.909 5,表明应用最优非负可变加权系数组合预测模型的预测结果优于定权重的最优加权组合预测模型的预测结果。【结论】考虑变权重的最优组合预测能进一步提高洪水预测的精度。     

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。     

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。     

基于经验模态分解和小波神经网络的温室温湿度预测

温室温湿度的准确预测有助于及时调节温室小环境,温湿度预测模型是温室控制的重要基础,提高预测精度有助于提高生产水平。针对温室系统具有非线性、非平稳性等特点,提出一种基于经验模态分解(empirical mode decomposition,简称EMD)和小波神经网络(wavelet neural network,简称WNN)的温室温湿度组合预测方法。首先,利用经验模态分解方法将原始时间序列分解成一系列分量;然后对各分量分别构建小波神经网络模型进行预测;最后叠加各子序列得到预测值。结果表明,运用EMD-WNN组合的温度模型有效性为0. 993 4,湿度模型有效性为0. 978 1,且优于单独WNN模型和BP神经网络模型的预测结果,可有效提高短期温室温湿度预测的精度。     

基于GM(1,1)-BP神经网络的城市耕地数量预测研究

基于灰色理论和BP神经网络建立GM(1,1)-BP神经网络组合模型,把灰色模型的时序性、无序性等优点与BP神经网络自学习、自组织的特点相结合,对耕地数量进行组合预测。结果表明,组合模型对耕地数量的变化预测精度较单一的灰色预测法有提高,与实际值有较好的拟合度,且具有简单、易用的特点。     

试论组合预测的精度估计分析

在分析比较组合预测与单个预测的精度(误差)大小基础上,给出了组合预测精度高于单个预测精度的条件,并给出了组合预测的精度估计公式。     

粮食生产潜力短期预测的“趋势-波动模型”的验证

应用全国、31个省、6个典型地区和16个典型县的数据对粮食生产潜力短期预测的"趋势-波动模型"进行了系统性的验证和讨论。研究结果表明:(1)预测误差大小反映短期生产潜力的预测精度,预测误差大的主要原因是经济发达地区高产农田被大量占用和(或)蔬菜、水果种植面积大幅度增加而短期内使粮食单产下降;(2)小趋势修正方法是"趋势-波动模型"中不可缺少的一部分,它能将大趋势预测不能包括的短期如气象因素、科技投入、社会因素等影响纳入预测中,提高预测精度;(3)就我国近些年来的实际情况而言,越是经济发达的地区短期生产潜力的波动越大;同样发达地区短期潜力存在增加-下降-回升阶段;(4)就短期生产潜力预测精度而言:国家级大于省级、省级大于地区级、地区级大于县级;不同省、不同地区、不同县之间预测精度差别比较大,这与境内气候的互补性和农田抗御自然灾害的能力有关。     

基于组合模型的玛纳斯河流域农田土壤盐分反演

盐渍化是影响土壤质量和作物生长的重要因素之一，利用遥感技术大面积获取土壤盐分信息具有重大意义。以新疆玛纳斯河流域农田为研究对象，将偏最小二乘回归模型(PLSR)和BP神经网络模型(BPNN)相结合，构建组合模型来反演土壤盐渍化状况。结果表明，与土壤盐分相关性较高且具有代表性的遥感指数为归-化植被指数(NDVI)、比值植被指数(RVI)和土壤调整植被指数(SAVI)，其相关性系数分别为-0.746、-0.663和-0.733。单项预测模型中偏最小二乘回归模型的预测精度最高，其决定系数(R²)为0.759，均方根误差(RMSE)为3.159。组合模型R²为0.797,RMSE为3.611，其验证精度较单项预测模型有所提高，较PLSR模型提高了0.038，较BPNN提高了0.094。组合模型可更准确地预测出玛纳斯河流域农田土壤盐分空间分布状况。玛纳斯河流域农田土壤盐渍化以轻度和中度盐渍化为主，所占比例达到35.34%和25.66%，与实测结果一致。组合模型较单项模型可以获得更准确的土壤盐分空间分布状况，为新疆玛纳斯河流域农田土壤盐渍化治理和土地资源...     

组合预测模型在农业经济研究中的应用——以吉林省粮食产量为例

根据最优加权理论来确定权重,将时间序列模型、指数平滑模型和GM(1,1)预测模型加以组合,利用吉林省1952~2007年的粮食产量统计数据,建立了吉林省粮食产量的组合预测模型;并预测出了吉林省2008~2015年的粮食产量和年均增长率。     

粮食生产潜力中长期预测的验证

应用全国、31个省、6个典型地区和16个典型县的数据对粮食生产潜力中长期预测的"综合预测模型"进行了系统性的验证和讨论。研究结果如下:(1)预测误差大小反映中长期生产潜力的预测精度,预测误差大的主要原因是经济发达地区高产农田被大量占用或蔬菜、水果面积大幅度增加而短期内使粮食单产下降;(2)就"综合预测模型"中长期生产潜力预测精度而言:国家级大于省级和地区级、省级和地区级大于县级;不同省、不同地区、不同县之间预测精度差别比较大,这与境内气候的互补性和农田抗御自然灾害的能力有关;(3)粮食生产潜力中长期预测"综合预测模型"是科学的、准确的和实用的,可作为今后粮食生产潜力预测的理论和方法基础。     

陕西省苹果产量预报模型初探

根据陕西省苹果产业气象服务业务需求,利用气象条件、生态监测和种植面积3个指标,共13个子指标建立陕西省苹果产量预报概念模型,通过对各指标与去年及历年情况的对比,了解当年这些因素相较去年及历年的优劣程度,并以前1年情况为基准,定性判断当年苹果产量变化趋势及幅度,进而判断当年苹果产量。该模型目前已满足陕西苹果气象服务业务需求,并可为今后进一步完善苹果产量预报方法、指导其他省市开展各类特色经济林果产量定性预报提供参考。     

甘蔗糖分预测模型的探讨

在现有的两种甘蔗糖分预测模型基础上,利用按质论价产生的糖分数据,从单个榨糖企业的角度,对甘蔗糖分预测模型进行对比分析。通过对比二次曲线模型、分段Log istic曲线模型提出了单纯的Log istic模型,针对糖分积累峰值段低于模型预测值的情况,进一步推导出复合Log istic模型。复合Log istic模型能够模拟多种情况,较适合在实际生产中对甘蔗糖分进行预测。     

森林火灾蔓延多模型预测系统研究

该文通过对森林火蔓延模型的研究,建立了一种使用产生式原则的多模型森林地表火蔓延预测系统. 此预测系统通过与森林火灾实时监控系统连接,将数据流动由传统公式计算中的单向流动,变为计算数据流回输入端,进行反馈修正计算,从而形成一个对数据库的修正与补充的系统,以达到减小模型预测误差的目的. 与实测结果比较表明,该系统的预测结果可信,能够实现林火蔓延的预测.      

世界香蕉生产发展趋势预测分析

根据历史资料,利用预测模型,对世界各地区及有关国家的香蕉生产状况进行了中长期预测分析,同时,对各地区及这些国家的香蕉生产进行比较研究,给出了反映香蕉生产发展模式优劣性的一种指标,即发展效率,发展效率是环境与发展相结合的指标。美国与澳大利亚均属于以单产增长为主的高效率香蕉生产国家,其发展效率远高于发达国家平均水平。哥斯达黎加的发展效率也明显高于其他国家,其次是萨尔瓦多、波多黎各和尼加拉瓜,这4个国家的香蕉生产发展效率远高于拉美与加勒比地区的平均水平。东南亚4国印度尼西亚、泰国、菲律宾及越南居中。印度与中国的发展效率虽高于亚洲平均水平,但相对上述国家而言仍处于劣势。中国的香蕉生产效率目前仍处于偏下水平,属于较粗放的类型。因此,亟待调整或改进香蕉生产模式。     

河北省分季粮食产量预测研究

在综合分析河北省粮食产量影响因素的基础上,运用回归分析、时间序列分析和专家经验分析等预测和决策方法,建立了河北省粮食总产和夏粮的多因素预测模型,该模型的拟合优度高于其他模型。应用模型预测了2013年河北省粮食总产和分季粮食产量,结果表明,若不发生大面积的自然灾害,2013年河北省粮食总产将达到3311.7万t,比2012年增加65.1万t,增长2.0%。其中,夏粮产量约为1366.8万t,比2012年增加13.7万t,增长1.0%;秋粮产量约为1944.9万t,比2012年增加51.4万t,增长2.7%。     

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。     

多点季节性变形监测资料分析和预报方法研究

变形监测预报一直是变形测量的难点和重点。其结果的好坏直接影响人类的生产和生活。特别是复杂的季节性变化,往往给预报结果带来了波动性。提出了一种综合滑动平均去季节性和SCGM（1,m）模型的变形监测预报方法。该方法顾及了多点之间的空间关系,也兼顾了由季节性引起的时间变化,因此提高了预报的准确性。最后用美国南加州GPS网（SCIGN）提供的实测数据验证了该方法的可靠性。