粮食产量灰色模型预测

根据灰色系统理论,建立了GM(1,1)模型,并对粮食产量进行了预测。结果表明:用GM(1,1)模型预测粮食产量,从理论上讲比数理统计模型严谨,计算比较简单,弥补了中小地区不能实现依靠气象预测和遥感预测的缺陷,因此具有一定的可行性。     

中国粮食产量的无偏灰色GM(1,1)模型与预测

根据《中国统计年鉴-2008》等最新统计数据,建立改进的无偏灰色GM（1,1）模型,并对2009～2015年中国粮食产量进行实证分析和预测。结果表明,所建模型简化了建模步骤,提高了预测精度,预测结果符合中国粮食生产实际。     

线性回归与BP神经网络方法的山东粮食产量预测比较研究

山东省是我国传统农业大省,粮食产量对我国粮食总产量的影响较大,因此对山东省粮食产量进行预测具有重大意义.分别利用多元线性回归方法和BP神经网络两种预测方法对山东粮食产量进行预测,并对两种方法的预测结果进行分析比较,实验证明,BP神经网络平均预测精度高于多元线性回归模型,且各期预测精度较多元线性回归模型更稳定,但随时间推移,误差增大,因此BP神经网络预测模型较适用于近期粮食产量预测.     

灰色GM（1，1）模型群及其粮食产量的预测

科学准确地预测粮食产量，对于制定国民经济计划十分重要。目前粮食产量的预测方法很多，本文提出了粮食产量预测的灰色ＧＭ（１，１）模型群，并根据某县１９８１年～１９９０年的粮食产量资料，对该县１９９１年～１９９５年的粮食产量进行了预测。经分析，其预测结果可靠、预测精度比ＧＭ（１，１）模型大大提高。     

基于灰色区间预测和GM(1,N)模型的我国粮食供需结构平衡分析

在农业供给侧改革背景下为更全面准确地分析预测我国粮食供需结构平衡性问题,首先对我国主要粮食进口量及生产现状进行分析,然后利用灰色区间预测和GM(1,N)预测方法分别对我国主要粮食的需求量和粮食产量进行预测和分析。结果表明,我国主要粮食的需求量、产量在2017、2018、2019年持续增长,但供需依然存在较大缺口,其中大豆需求量日益增长,而生产远远跟不上。应该针对不同粮食的供需情况制定不同的生产策略,根据不同粮食影响因素的影响程度进行针对性生产,及时把握粮食消费需求情况,引导粮食合理消费。     

灰色GM(1∶1)模型在定西县粮食产量预测中的应用

以7年为一周期对定西县43年粮食产量进行平滑处理,消除了不确定因素的影响,建立了定西县1958~2000年粮食平均产量的GM(1∶1)灰色模型,并应用该模型对定西县粮食生产变化趋势做了预测,结果表明:1999~2006年和2007~2013年两个周期中定西县粮食产量预测值分别为:1 719 kg/hm2和2 229 kg/hm2。     

灰色模型GM(1,1)在建筑物沉降预测中的应用

建筑施工中,沉降观测是监测建筑物是否安全的重要环节,将灰色系统理论应用于建筑物沉降变形的数据分析,结合沉降观测实例,进行沉降预测结果的分析和检验,在一定程度上证实了建筑物沉降变形分析中采用灰色GM(1,1)预测方法的可行性.     

灰色残差GM (1 , 1)模型在大气二氧化硫预测中的应用

应用灰色GM (1 , 1)模式理论与方法, 建立了临安市大气二氧化硫质量浓度的灰色残差预测方程x (t +1) =-0.107 432 e-0.095 872 t +0.123 917 , 并进行了预测。预测结果与实测值的相对误差绝对值介于0.56 %～ 14.51 %之间, 预测结果后验比与小误差概率分别为0.280 2 和1.0 。表明模型与实测值拟合程度好, 达到了较高精度。表3 参10     

非点源污染负荷预测的多变量灰色神经网络模型

【目的】建立一种对资料要求较少、精确度较高的非点源污染负荷多变量灰色神经网络预测模型,为有限资料条件下非点源污染负荷的预测提供支持。【方法】针对GM(1,N)模型在原始数据变化幅度较大且趋势不明显时预测效果较差的不足,提出并建立用人工神经网络对GM(1,N)模型的残差系列进行修正的改进模型,并将其应用于华县站总氮非点源污染负荷的预测。【结果】在华县站总氮非点源污染负荷预测中,灰色+BP神经网络组合模型拟合预测效果较好,建模阶段和检验阶段的确定性系数(Nash-suttcliffe模拟效率系数)分别为1.00和0.93,优于单独灰色模型或神经网络模型的预测效果。【结论】研究建立的多变量灰色神经网络模型综合了灰色理论和神经网络的优点,提高了模拟精度,为有限资料条件下非点源污染负荷的预测提供了一种有效的方法。     

灰色理论与BP神经网络耦合的粮食产量预报

以河南省为例,选取影响粮食产量的8个农业生产条件为指标,以2000~2007年8个序列的数据分别建立新陈代谢GM(1,1)模型,得到一系列预测值。将8个指标1990年至2007年的原始数据作为BP神经网络的输入样本,粮食产量实际值作为输出样本,然后对网络进行训练,构建了BP神经网络。再将各新陈代谢GM(1,1)模型得到的8个农业生产条件的预测值作为BP神经网络的输入,得到的输出即为最终预测值。仿真实验表明,用灰色理论与神经网络耦合模型研究河南粮食产量的拟合精度和预测准确度都比较理想。     

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。     

基于灰色模型GM(1,1)的荆州市耕地动态变化分析

以湖北省荆州市1997～2004年耕地数据为基础和平台,运用灰色预测GM(1,1)模型,探讨耕地数量动态变化,为可持续发展规划提供参考.结果表明,GM(1,1)模型对荆州市耕地资源数量的历史趋势拟合程度较高,预测结果符合荆州耕地数量变化规律.荆州市耕地面积在未来几年内仍将呈现出持续减少的趋势.因此保护耕地资源,合理利用和保护耕地都是刻不容缓的任务.     

应用GM(1,1)模型对天然橡胶期货价格进行预测的实证分析

运用灰色系统理论的原始GM(1,1)模型与新陈代谢GM(1,1)模型,对上海期货交易所的天然橡胶期货品种的价格进行预测,研究在不同的GM(1,1)模型下的精确度。结果显示,新陈代谢GM(1,1)模型要比原始GM(1,1)模型精确度高,在进行价格预测时,可以根据精确度高低的要求选取合适的模型。     

优化GM(1,1)模型在预测地下水埋深中的应用

合理的开发和利用地下水对农场的可持续发展具有重大的意义。本文采用优化GM(1，1)模型，对地下水埋深进行了预测，拟合精度较高，预测效果较好，对于指导创业农场合理开发利用地下水提供数量指标和科学理论依据。     

GM(1,1)模型的改进及应用

根据GM(1,1)模型建模原理,对GM(1,1)模型的模拟方法作了一些改进.新模型克服了序列增速过快对模拟效果的影响,扩大了GM(1,1)模型的应用范围,经实例验证,其模拟方法是可行的.     

GM(1,1)建模机理与应用条件分析及其改进方法

GM(1,1)拟合的原始序列为非负齐次指数函数,对任何呈指数变化的序列x(k),可采用x~(0)(k)=x(k)—M或x~(0)(k)=M—x(k)将其转换为非负齐次指数函数变化。GM(1,1)建模的背景值生成Z~(1)=xx~(1)(k)+(1—α)x~(1)(k+1),应满足α=1/α—1/(e~0—1)。当|α|较小时,α非常接近0.5,但当|α|较大时,α偏离0.5值较大,这是在|α|较大时GM(1,1)传统建模方法失效的原因。文中基于建模机理与应用条件的分析,提出了改进的计算方法。     

牡丹江市农民人均收入的GM(1,1)预测

运用灰色系统理论中的GM(1,1)灰色预测模型,以牡丹江市2005～2010年的农民人均年收入额为例,对其2011～2014年的人均收入状况进行了科学预测,为相关决策部门提供科学依据。     

河南人均国内生产总值预测分析

运用GM（1，1）模型和经济周期理论，定量分析和定性分析相结合，对2001-2009年河南人均国内生产总值进行了预测分析，结果表明，在对区域经济的发展趋势进行预测时，在经济周期的不同发展阶段中样本数目的选择可能会对预测结果产生显著的影响，对样本数据进行适当处理，能使预测结果和现实相符。     

和田绿洲蒸发能力预测的多因素GM(1,3)模型

在灰关联分析的基础上，找出了影响和田绿洲蒸发能力变化的主要影响因子为平均气温与相对湿度。根据灰色GM（1，N）建模原理，对和田绿洲蒸发能力建立了GM（1，3）预测模型，经检验模型预测结果较好，同时也说明了GM（1，N）模型在中长期水文预报中的适用性。