GM(2,1)模型在玛纳斯河流域绿洲区气温、降水预报中的应用

根据灰色系统理论,利用1964~2007年玛纳斯河流域绿洲区5个气象台站逐月气温、降水数据,通过数据质量控制,建立灰色预测GM(2,1)模型预估玛纳斯河流域绿洲区未来3年气温和降水变化情况,并与实际值进行比较。结果表明,采用5年原数据建立模型进行预测相对误差最小,后验差检验结果显示,温度、降水预测模型的方差比均小于0.35,相对误差概率均大于0.95,表示模型精度好,可用于对气温和降水进行预测;预测结果显示,今后3年玛纳斯河流域绿洲区年平均气温逐渐升高,到2010年可能达9.34℃,而降水量呈减小趋势;将预测值与利用一元线性回归方程求得的变化倾向率的结果对比后得出,GM(2,1)对气温预测的结果较好,而对与波动较大的降水序列预测还存在一定弊端。     

基于小波神经与随机分析的径流预测

【目的】分析水文不确定性因素对径流预测的影响,提高中长期水文预报方法模拟预测结果的精度。【方法】将小波分析(WA)、人工神经网络(ANN)和随机分析联合使用建立径流预测模型,即在小波分析(WA)揭示流量时频特性的基础上,将径流原序列分为高频部分和低频部分,然后利用人工神经网络(ANN)对低频部分进行模拟预测,利用随机分析对高频部分进行分析,最后将各部分结果叠加作为最终预测结果。将所建立的径流预测模型用于渠江二级支流后河的径流预测,并与传统BP人工神经网络方法的预测结果进行对比。【结果】根据《水文情报预报规范》,以预测值的相对误差小于10%为标准,传统BP人工神经网络预测结果合格率为46.67%,而基于小波神经与随机分析的径流预测模型在正常水文年模拟预测结果的合格率为73.33%。【结论】基于小波与随机分析的径流模型预测精度好、合格率高,能得到更好的复杂水文条件下的径流预测值。     

基于混沌理论的害虫发生量非线性建模与预测

为了提高害虫发生量预测的精度,提出一种基于混沌理论的害虫发生量非线性预测模型(PSR–LSSVM)。通过相空间重构对害虫发生量时间序列进行重构,将重构后的害虫发生量序列输入到最小二乘支持向量机进行学习,建立害虫发生量预测模型,采用云南省普洱市思茅区和浙江省仙居县的松毛虫发生面积数据对模型性能进行检验。结果表明,松毛虫发生面积预测值与实际发生值十分接近,2个地区松毛虫发生面积预测结果的平均绝对百分误差分别为0.90%和2.44%,预测结果要优于BP神经网络、线性预测模型。     

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。     

一种黔南州烤烟产量到户预测模型的构建河南农

随着大数据技术的深入推广与应用,如何借助科学的方法来对海量的基础数据进行加工处理,从中获得一些能够为相关决策活动提供参考指导的信息成为研究者高度关注的问题。本文重点围绕一种黔南州烤烟产量到户预测模型展开研究,通过实际烤烟生产中得到的数据,建立了一个R^2为0.679的多元线性回归预测模型,建立的预测模型在偏差率[偏差率=(预测值-实际值)/实际值]上,单户平均偏差率0.39%,可用于实际生产预测。本文仅为如何有效运用该模型提出相关的指导和建议,以促进该模型在烤烟产量到户预测方面发挥更大的价值。     

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。     

基于高光谱图像技术的新疆红富士苹果重量预测

以新疆红富士苹果为研究对象,初步探讨应用高光谱图像技术预测其重量的研究方法。首先采用高光谱成像仪采集苹果侧面和赤道面投影图像,提取苹果高光谱图像中前景与背景光谱偏差最大的波长图像（733 nm）,对其图像分割后获得目标区域的面积（像素数）特征。随后,采用不同的特征和建模方法,建立不同的重量预测模型,对比后确定最佳模型。结果表明,采用两个体积特征建立多元线性回归重量预测模型,苹果重量预测值与实际值间相关系数为0.9927,预测均方根误差为4.3393 g。     

基于GM（1，1）灰色模型的江西省农村人均年收入预测研究

通过对江西省2004～2008年农村人均年收入数据进行分析,建立GM（1,1）灰色系统预测模型,运用灰色预测方法对江西省2009和2010年农村人均年收入水平进行预测。结果表明,2009年的预测值与实际值相差很小,模型具有较高的精确度,由该模型预测的2010年江西省农村人均年收入为5774元。     

水文时间序列的系统自记忆模式研究

将“系统自记忆模式”引入到水文时间序列预测中,推导了描述水文系统动力特性的微分方程,建立了水文时间序列预测的系统自记忆预测模型,并以黄河上游贵德水文站1919~1997年径流资料对该模型进行了验证。结果表明,该模型具有预测精度高,稳定性好,观测误差对预测值影响小的优点。     

重庆市城市生活垃圾产生量预测

提出了用于预测垃圾产生量的变权重组合预测模型,该模型通过把单项预测模型进行组合分析,以误差平方和最小为准则,求出最优加权组合系数,建立组合预测模型.通过实例分析,表明其预测精度高于各单项模型预测值,在城市生活垃圾产生量的预测工作中有一定的应用价值.     

乌尔吉木伦河流域降水与地表径流关系研究

气候变化对径流的影响机制极为重要1。本文主要研究乌尔吉木伦河流域降水对地表径流影响。用SPSS软件将乌尔吉木伦河流域的两个站点:沙那水库站、富河站降水和地表径流进行相关分析,通过对乌尔吉木伦河流域降水与地表径流关系研究,分析乌尔吉木伦河流域不同降水条件下地表径流变化特点,进一步完成同期降水与径流量数学回归模型。     

上海青菜价格短期预测模型的比较研究

为了增强对青菜价格的短期预见性,利用SARIMA模型、X-12-ARIMA模型、Holt-Winters乘法模型与双指数平滑模型,分别建立了上海市批发市场青菜月平均价格预测模型。研究表明:四种模型中,SARIMA模型预测的精确度较好,且优于这四种模型的组合模型,使用该模型对2015年1—8月上海市批发市场青菜月平均价格进行预测,发现预测值与实际值之间的误差总体在4.47%—28.11%,预测月份中约75%月份的预测误差在20%之内,平均误差为14.8%,价格波动幅度在可接受范围。     

基于时间序列和多元模型的集约化猪舍温度预测

目的 从挖掘猪舍历史环境参数数据时序信息角度出发,提出基于时间序列模型和多元模型序列的猪舍温度预测模型。方法 采取缺失部分环境因子统计预测,评估猪舍环境中相对湿度、二氧化碳浓度、氧气浓度等环境因子对温度预测的影响程度。针对猪舍温度时间序列进行数据预处理,滤除错误值和缺失值,采用时间序列模型构建基于门控循环单元网络(Gated recurrent unit,GRU)的猪舍温度预测模型,采用多元模型建立基于梯度提升决策树(Extreme gradient boosting,XGBoost)缺失值重要程度的猪舍温度预测模型。将该预测模型用于预测广东省某集约化猪场母猪分娩舍温度,并与循环神经网络(Recurrent neural network, RNN)模型、反向神经网络(Back propagation neural network, BPNN)模型进行对比试验。结果 对比温度预测值与实测值发现,基于GRU模型对应的猪舍温度均方根误差和平均绝对误差分别为0.25和0.19 ℃,平均绝对百分比误差为0.65%;基于XGBoost多元模型的猪舍温度均方根误差和平均绝对误差分别为1.21和0.71 ℃,平均绝对百分比误差为2.50%。在时间序列的温度预测模型中,GRU模型表现出更优的预测效果;在多元模型的温度预测中,XGBoost模型的预测效果更优。结论 本研究使用的GRU模型在时间维度上对母猪分娩舍温度的变化起到了预警作用,确定了各种环境参数对温度的影响程度,为养殖环境的精细调控提供了参考。     

黄河源区河川径流短期预测的ANFIS模型

【目的】建立径流短期预测的自适应神经模糊推理系统(ANFIS)模型,以提高预测精度,进而为黄河源区水资源开发和工程规划提供参考。【方法】以黄河源区出口站军功水文站为研究对象,以ANFIS为基本方法,建立ANFIS日尺度径流预测模型。基于输入变量、训练次数、隶属度函数类型与数目、预见期等参数设置了9个方案,通过实测径流与预测径流的对比和评价指标(均方根误差RMSE、相关性系数R)验证确定最佳方案,并分析不同参数对预测结果的敏感性,获得基于最优参数的ANFIS模型。【结果】采用神经网络+Sugeno型模糊推理算法建立了ANFIS日尺度径流预测模型,在预见期为1d时,利用ANFIS模型进行的径流短期预测,其相对误差最大为4.36%,平均为0.21%,预测结果合理可靠;当预见期延长至2~4d时,预测结果均满足精度要求,相对误差平均值均小于3.00%。【结论】将ANFIS用于短期径流预测,既可提高预测精度,又能延长预见期,可为黄河源区水库群规划、施工、调度和全流域水资源配置提供指导。     

磨盘山水库总氮、总磷变化倾向的灰预测

氮和磷是磨盘山水库水体非点源污染最主要的污染物。根据汇入水库的支流水体中TN、TP的历年实际监测结果,可以模拟虚构历年水库水体中TN、TP的浓度,并以此作为灰预测所需数据,运用灰色模型预测水库水质TN、TP的变化倾向。经4种检验证明,建立的GM(1,1)模型精度较高,预测结果与实际监测浓度接近。从利用单一的GM(1,1)模型和GM(1,1)模型群预测比较可以看出,以模型群统计平均值作为最终预测值,使得预测精度更加准确,提高了预测结果的可信度,从而避免由于信息不稳定性在单一灰色模型所造成的缺陷。     

基于PCA-BPNN的温室番茄果实直径预测模型

【目的】 研究温室番茄果实直径变化量的动态预测模型,为番茄所需水肥规律提供数据支持。【方法】 选择番茄果实横径为研究对象,以5株番茄果实膨大期的数据建立模型,采用主成分分析法对植物生理生态信息和环境信息进行分析,提取主要成分,以主成分为自变量,输出变量为因变量,建立一个包含空气温度、空气湿度、土壤含水率、叶片温度及果实横径的BP神经网络回归动态预测模型,并以3株番茄果实膨大期内所测的数据作为测试数据进行预测,比较预测值和实测值。【结果】 第1株番茄预测值与实测值的决定系数为(R²)0.964,均方根误差(RMSE)为0.238,第2株番茄预测值与实测值的决定系数(R²)为0.960,均方根误差(RMSE)为0.051,第3株番茄预测值与实测值的决定系数(R²)为0.951,均方根误差(RMSE)为0.047。【结论】 该模型可以预测温室短时内番茄果实直径变化量,可以用于新疆连栋温室内的秋季番茄果实直径变化预测,可根据预测量与实测量之间差值对水肥实行微调。     

基于近红外漫反射光谱的规模化奶牛场粪水氮磷定量分析及模型构建

为建立规模化奶牛场粪水中氮磷含量现场快速检测方法,以实现准确预测的同时替代常规监测程序,选取23家天津市典型种养结合模式的规模化奶牛场,围绕粪水处理全过程环节依次开展样品采集、实验室常规化学检测、近红外漫反射光谱采集,并进行主成分分析和偏最小二乘分析,建立多种动态复合影响因素条件下的全局、全程快速检测定量分析模型。结果表明:主成分分析不仅反映出同一奶牛场粪水有机组分随处理环节的变化,而且也反映出不同奶牛场粪水样品的差异性,以及在粪水处理过程中各因素对后续模型的影响程度。建立的全过程环节定量分析模型对总氮含量预测结果与实际含量的线性拟合相关系数R为0.96,预测均方根误差RMSEP为187.80;对总磷含量预测结果与实际含量的线性拟合相关系数R为0.91,预测均方根误差RMSEP为3.59。建立的全局定量分析模型对总氮含量预测结果与实际含量的线性拟合相关系数R为0.96,预测均方根误差RMSEP为238.59;总磷含量预测结果与实际含量的线性拟合相关系数R为0.91,预测均方根误差RMSEP为6.56。研究表明,基于近红外漫反射光谱和偏最小二乘法对规模化奶牛场粪水处理全过程环节粪水样品中氮、磷含量进行定量分析是可行的;纵向模型比横向模型能提供更好的预测结果;近红外漫反射光谱技术可实时、快速、高效地对规模化奶牛场粪水处理全过程总氮和总磷进行跟踪和监控。     

基于GARCH模型的沪深300指数收益率统计预测研究

综合利用GARCH模型对沪深300指数的收益率和波动率进行统计预测方面的研究。为了研究GARCH模型在沪深300指数波动率方面的实证效果以及沪深300指数的统计特征,先对原始数据进行对数差分,经过统计分析得到具有杠杆效应、尖峰厚尾性和异方差性等重要统计特征;然后对差分平稳后的数据建立模型并做预测,通过预测值与实际值的对比表明,该模型预测效果很好。     

基于WA-SVM的水库溶解氧预测

【目的】提出一种基于小波分析-支持向量机(WA-SVM)的水库溶解氧预测模型,以期提高水库溶解氧的预测精度。【方法】通过小波分解,将原始复杂的溶解氧浓度序列分解到不同的高频和低频层次,对每层得到的分解重构序列分别采用支持向量机回归方法进行预测后,合成原始序列的预测值,将该模型应用到于桥水库溶解氧浓度序列的预测中,并与单独支持向量机(SVM)回归方法预测结果进行比较。【结果】WA-SVM方法预测精度较SVM方法有较大提高,其平均绝对百分比误差和均方根误差分别为0.04937和0.3453,而SVM方法的分别为0.08493和0.6319。【结论】WA-SVM方法综合运用了小波分析的多分辨特性和支持向量机的非线性回归功能,能够较准确地预测水库溶解氧浓度。     

基于河流分段与分季节的涑水河水环境容量计算及模型预测

【目的】建立适合于干旱和半干旱地区季节性河流的水环境容量计算模式及预测模型。【方法】以山西省涑水河为例,基于河流分段(上游(横水铁路桥断面以上)、中游(吕庄水库断面至横水铁路桥断面)、下游(吕庄水库断面以下))和分季节(丰水期、平水期、枯水期)的原则,在传统水环境容量计算模型的基础上,利用涑水河流域现有的水文资料、环境资料及生态、经济等资料,探索影响干旱和半干旱地区河流生态环境容量的主要因素,构建涑水河水环境容量计算模式与自适应调整粒子群-RBF神经网络预测模型,并用涑水河流域监测数据、历史资料进行验证。【结果】水体原污染物质量浓度、当前水环境的质量标准、河流距离、河流流量、排放污水量和排放时间是影响干旱和半干旱地区河流生态环境容量的主要因素。在丰水期、平水期、枯水期涑水河3个断面之间水环境容量计算值与预测值均非常接近,计算值相对误差为0.12%~1.47%,预测值相对误差为0.09%~2.02%,可见计算方法和预测方法的精度均较高。【结论】涑水河水环境容量预测值可用于指导涑水河水资源优化配置和水环境污染控制,对推动干旱和半干旱地区流域的可持续发展具有积极意义。