作物产量灰色马尔柯夫链预测模型

以黑龙江垦区１９４９－１９９２年小麦单产资料为例，用灰色系统ＧＭ（１，１）动态预测模拟和预测趋势产量，用马尔柯夫链动态预测模型预报气象产量，从而组合一套完整的作特意一灰色马尔柯夫链预测模型。以此模型对黑龙江垦区小麦单进行预测，其结果均怀实况基本相符。     

基于COSIM模型的新疆棉花产量动态预报方法

该文在对棉花生长模拟模型COSIM进行模型调试、验证实现本地化应用的基础上,探讨运用作物模型进行棉花产量动态预报的方法,重点解决未知气象数据替代问题。作物模型应用于产量预报时,未来天气的不确定性是影响预报准确率的关键因子,该影响随着当年实际天气数据增多而减小。该文以近50 a的气象数据,依次替代预报日至收获期的气象数据(即预报日之前使用预报年当年气象数据,预报日之后使用替代年气象数据),模拟棉花生长发育和产量形成过程,以近50、40、30、20、10、5 a历史气候数据依次替代预报日之后的逐日数据获得的模拟产量平均值作为预报产量,根据对预报准确率进行比较,最终确定以近10 a实测数据替代获得的模拟产量平均值作为最终预报产量。经验证该预报方法对不同播种时间棉花产量动态预报的准确率在81.3%~99.6%,预测精度较好。作为案例分析,该文仅进行每月1次预测分析,实际应用中可进行逐日替代动态预报,经过进一步改进,提高预报精度,未来可望达到业务应用水平。     

产量阶段的划分及应用

针对较长产量序列时序可比性差产量预报方程回归误差率较高、气象产量序列不符合正态分布等问题,提出了产量阶段概念。认为产量序列是由一个个相对稳定变化着的产量阶段组成,两个产量阶段之间存在跳跃现象,宜分阶段处理。并提出用量优分割法划分产量阶段,结合周期分析结果确定产量阶段段娄和霜冻最后,用划分产量阶段的方法,建立了河南省冬小麦产量预报方程;并好河南省夏玉米丰、平、歉产量年型。     

世界粮食研究模型在黑龙江省作物产量预报中的应用

在现有研究成果的基础上，提出世界粮食研究（WOFOST）模型在黑龙江省四大作物产量预报应用中的参数分区处理方法，运用WOFOST的模拟产量和趋势产量对黑龙江省四大作物产量进行了预测分析。研究表明：该方法效果理想、可行，具有理论研究和实际应用价值，克服了只用一组参数在复杂气候区域进行作物产量模拟的局限性，拓宽了WOFOST模型在复杂气候条件下的应用领域。     

基于聚类法筛选历史相似气象数据的玉米产量DSSAT-CERES-Maize预测

根据陕西杨凌、合阳、长武3个站点各2 a玉米试验,在对玉米生长模拟模型CERES-Maize进行调试、验证的基础上,探索在生育期内进行动态产量预测的方法并验证.研究将目标生育期内未知气象数据分别用试验地的多年历史同期数据代替,结合生育期实时数据对应生成多个完整的气象数据序列运行模型预测产量.随着生育期的推进,逐日在气象数据序列中融入目标年实测的气象数据,从播种至收获动态模拟玉米产量.此外该研究使用改进前后的K-NN算法从历史气象年份中筛选目标年的气象相似年份进而预测产量.通过对3种方法预测精度及预测效率对比,确定改进的K-NN算法最优.研究表明,玉米生育前期产量预测可靠性和准确率均较差,抽雄后预测精度迅速提高;利用改进的K-NN算法在3个站点全生育期预测产量的平均绝对相对误差的均值分别为9.9%、19.8%、17.9%,抽雄后预测产量的平均绝对相对误差在0.2%~12.6%之间,相比于使用全部历史年份数据进行全生育期产量预测,模拟所需时间从61 min缩短至25 min.对该方法中降雨因子的筛选进一步改进可提高预报精度,未来有望达到业务应用水平.     

BP神经网络模型在广西原料蔗产量预报中的应用

将广西甘蔗种植区气象台站的光温水资料采用膨化处理后按旬依次组合成不同时段值,通过相关分析方法普查选出与广西原料蔗产量相关系数通过0．01水平显著性检验的因子作为预报因子,分别用逐步回归方法和误差反传前向网络（BP神经网络）建立广西原料蔗产量预报模型,模拟结果对比分析显示,BP神经网络预报模型的拟合精度和预报精度均高于逐步回归模型。     

基于关键气象因子的中稻单产动态预报

利用重庆市1986-2009年中稻单产和中稻生育期内旬平均气温、旬降水量、旬日照时数等资料,采用统计分析法建立中稻气象产量动态预报模型,在此基础上预报中稻单产。用5a滑动平均方法分离中稻趋势产量,在分析气象产量与中稻全生育期逐旬气象要素相关性的基础上,以3月中旬平均气温、5月下旬日照时数、7月中旬平均气温、7月中旬降水量、7月中旬日照时数、7月下旬平均气温、7月下旬降水量和8月上旬平均气温等作为关键气象因子,建立中稻气象产量动态预报模型,并应用该模型实现中稻单产动态预报。对1986-2009年的中稻单产做模拟检验,平均准确率在96%以上,95%以上的年份预报准确率超过90%。对2010年的单产进行预报,准确率为91.5%～92.8%,预报准确率较高,基本能满足业务服务的需要。     

获嘉县小麦产量的灰色预测预报模型

小麦产量的形成系统可视为一个灰色系统。本文根据灰色系统理论,以获嘉县的小麦产量为例,用GM(1,1)动态模型来模拟和预报趋势产量Yt,用GM(0,m+1)静态模型来预报气象产量Yw,从而组建了一套完整的小麦产量预报模型,而且回报和试报效果均比较理想。     

基于历史产量丰歉影响指数的黑龙江省水稻产量动态预报

水稻是黑龙江省主栽作物之一,开展水稻产量动态预报对黑龙江省粮食生产具有重要意义。利用黑龙江省水稻主产区产量资料、发育期资料、日最高气温、日最低气温、日降水量和日照时数等资料,根据历史年水稻产量丰歉气象影响指数,建立黑龙江省水稻产量丰歉趋势动态预报模型。另外,采用相关分析的方法,确定影响产量的关键气象因子,建立相应的产量预报模型,对产量丰歉趋势动态预报模型进行修订。通过对1997-2006年水稻产量进行动态预报,结果表明,5月31日、6月30日、7月31日和8月31日预报的水稻产量增减趋势的预报正确率平均为90%、70%、90%和80%,产量预报准确率为84%、90%、94%和93%,预报准确率较高,能够满足业务服务的需要。     

分布式水文模型在陕西省冬小麦产量模拟中的应用

利用分布式水文模型和作物模型模拟了不同深度的土壤含水量,以及在连接分布式水文模型和不连接分布式水文模型两种方式下,利用作物模型分别对冬小麦叶面积指数、干物重增量和产量进行了模拟,最后采用连接分布式水文模型的作物模型模拟了全流域内冬小麦产量的空间分布。模拟结果经对比检验表明,分布式水文模型在土壤水分模拟方面准确性高于作物模型;连接分布式水文模型的作物模型对冬小麦生长过程和产量的模拟结果准确性均高于作物模型独立模拟的结果;连接分布式水文模型的作物模型在流域内对冬小麦产量的空间分布模拟结果也与农业试验站观测产量和社会统计产量基本一致,高产区、低产区分布与实际基本相吻合。这为分布式水文模型和作物模型耦合应用,以及通过引进分布式水文模型来推动作物模型和产量预报研究进一步发展提供了基本的试验支持。     

土地利用规划修编中粮食产量预测方法比较

为探索提高土地利用总体规划修编中粮食产量预测精度的方法,该文应用1988-2005年晋城市粮食产量相关数据的分析,对线性回归模型、灰色GM(1,1)模型和灰色多元线性回归组合模型3种粮食产量预测方法进行了研究.首先,运用灰色关联分析对影响粮食产最的影响因素作出关联因子排序;其次,在灰色关联分析的基础上选取主要影响因子;再次,利用灰色GM(1,1)模型得到主要影响因素的预测值,同时,利用原始数据建立多元线性回归模型;最后,将灰色GM(1,1)模型的预测结果作为多元线性回归模型的输入值,得到灰色多元线性回归组合模型.通过比较这3种粮食产量预测方法的预测结果,得出灰色多元线性回归组合模型最适宜于晋城市粮食产量的预测.该研究可提高土地利用总体规划编制的科学性.     

灰色预测方法在山东省粮食总产量预测中的应用

以1995年~2004年山东省粮食总产量为原始数据,建立GM（1,1）灰色预测模型。对模型进行一次残差序列分析后,经精度检验小误差概率p=0.8889,后验比c=0.4830,模型精度等级达到合格水平,可以用来进行预测。用该模型预测未来3年山东省粮食总产量分别为3335.735万t、3247.150万t和3161.735万t,粮食产量有逐年下降的趋势。     

GM(1,1)模型改进技术在咸阳市地下水动态预测中的应用

针对地下水埋深变化离散性程度较大的咸阳市,采用GM（1,1）模型改进技术对其地下水动态进行预测研究,为地下水埋深的准确预测提供支持。以灰色理论GM（1,1）模型为基础,运用滑动平均法对离散性程度较大的原始序列进行改造,使原始数据的变化变得缓慢,再利用改造后的序列建立GM（1,1）^*模型,以咸阳市地下水埋深资料为研究对象,进行地下水动态预测,并与未改进的GM（1,1）模型的预测结果进行比较。咸阳市地下水动态的预测结果显示,该区地下水埋深有逐年减小的趋势,说明该区地下水资源得到了有效的保护与利用。利用2001-2007年的地下水埋深资料建立GM（1,1）^*模型进行预测,相较于实测数据,GM（1,1）^*模型的预测结果科学合理;相较于未改进的GM（1,1）模型的预测结果,改进后的GM（1,1）^*模型具有更高的预测精度和实用性。GM（1,1）模型改进技术的应用,减小了原始序列的离散性程度,提高了预测精度,为地下水动态预测提供一种新思路。     

三江平原地区粮食产量预报模型研究

运用聚类分析方法依据农业气候条件对三江平原地区进行分类,在此基础上,选取玉米、大豆、小麦三种作物产量的预报点,建立了作物产量的定性和定量预报模型,即年景趋势预报模型、逐步回归周期分量预报模型和多层递阶预报模型。统计检验和实际预报结果表明所得到的预报模型是有实际意义的。     

基于灰色系统理论的收益还原法在农用地估价中的应用

收益还原法是农用地估价中的常用方法，但是目前利用此法评估农用地地价时，采用实际纯收益代替预期纯收益而导致评估的地价不合理。该文系统地论证了利用灰色系统建模来预测农用地预期纯收益的可行性，并分析了整个建模过程。最后将模型应用到湖北省武穴市农用地估价中。结果表明，应用此模型预测的后验差比值为0.21，小误差频率为1，精度达到一级。利用预测得到的预期纯收益来评估农用地地价与传统方法相比更趋合理，具有实际的应用价值。     

Evaluation of Different Predictor Models for Detailed Soil Particle-Size Distribution

An accurate mathematical representation of soil particle-size distribution (PSD) is required to estimate soil hydraulic properties or to compare texture measurements using different classification systems. However, many databases do not contain full PSD data, but instead contain only the clay, silt, and sand mass fractions. The objective of this study was to evaluate the abilities of four PSD models (the Skaggs model, the Fooladmand model, the modified Gray model GM (1,1), and the Fredlund model) to predict detailed PSD using limited soil textural data and to determine the effects of soil texture on the performance of the individual PSD model. The mean absolute error (MAE) and root mean square error (RMSE) were used to measure the goodness-of-fit of the models, and the Akaike''s information criterion (AIC) was used to compare the quality of model fits. The performance of all PSD models except the GM (1,1) improved with increasing clay content in soils. This result showed that the GM (1,1) was less dependent on soil texture. The Fredlund model was the best for describing the PSDs of all soil textures except in the sand textural class. However, the GM (1,1) showed better performance as the sand content increased. These results indicated that the Fredlund model showed the best performance and the least values of all evaluation criteria, and can be used using limited soil textural data for detailed PSD.     

宿州春季重旱发生年份的灰色神经网络预测模型

宿州春季严重干旱序列数据偏少,可用传统GM（1,1）模型进行预测,但由于序列变化幅度较大,预测效果不理想。本文利用灰色与BP神经网络组合模型对宿州春季重旱发生年份进行预测,即首先弱化序列变化幅度,并改进GM（1,1）模型导数信息处理方式,构建可逼近精度目标的m—GM（1,1）预测模型,然后应用BP神经网络对m—GM（1,1）模型的残差进行拟合,对m—GM（1,1）预测模型进行修正。结果表明,灰色神经网络组合模型的精度（｜Q｜=0．0045）比单一的1．7-GM（1,1）模型（｜Q｜=4．18）和传统的单一GM（1,1）模型精度（｜Q｜=9．36）提高许多。预测2005年后的下一个宿州市春季严重干旱发生年份为2009年,可以作为预报当地春季干旱时的参考,并结合其他方法作进一步预测,为当地防灾减灾提供科学依据。     

农业机器完好率的灰色建模与预测

现有农机配备理论的一个重大缺陷——未考虑农业机器完好率,利用灰色理论建立起农业机器完好率的ＧＭ（１,１）模型,并阐述了其研究意义。此模型具有很高的精度,可用于预测。     

基于Credal网络的农作物单产预测模型研究

现存农作物单产预测方法往往是在历史数据完备的前提下进行精确数值预测,未能真实体现农作物单产系统的不确作定性,而且无法对既成现实进行诊断分析.在决策需求仅仅要求产量等级水平的假设下,本文把不确定性信息处理方法Credal网络模型引入到农作物单产预测系统,通过分析农作物单产系统各影响因素之间的关系,提出类要素和影响因子的概念,构建了进行农作物单产预测的通用Credal网络模型.把农作物单产量的等级水平状态作为概率事件,通过Credal网络前向推理功能预测其状态发生的概率,把高概率事件发生的等级状态作为其单产预测等级,实现了在已知部分事实发生情况下的知识推理.此外,利用Credal网络的后向推理功能,实现对农作物低产事实下的诊断分析,找出影响低产的关键类要素和影响因子.最后结合算例,采用基于扩展关系模型的近似推理算法阐述了利用该模型对农作物单产进行预测和诊断的应用过程,推理结果合理,表明该方法是可行的,且具有可释性,为农业生产科学决策提供了方法指导.