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。     

科技进步增产的“多年平均产量移动模型”的验证

应用全国、31个省、6个典型地区和16个典型县的数据对科技进步增产的"多年平均产量移动模型"进行了系统性的验证和讨论。研究结果如下:(1)定义了用相邻10年平均单产之差表示科技进步对单产的贡献及其趋势,结论是科技进步是单产增加的主要驱动力;(2)分别定义了用每年单产与5、10、20年平均单产对比关系的概率作为短、中、长期单产稳定性的指标;稳定性研究结果表明国家级大于省级、省级大于地区级、地区级大于县级,不同省、不同地区、不同县之间稳定性差别比较大,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)就全国而言,越是经济发达的地区科技进步增产加速的时间越早;发达地区单产存在增加-下降-回升阶段,下降原因是经济快速发展初期高产农田被大量占用和(或)蔬菜、水果面积大量增加,回升原因是科技进步持续作用于中、低产田而使其单产得到稳步提高。     

粮食产量预测理论、方法与应用Ⅱ.粮食生产潜力短期预测理论、模型及其应用

粮食生产潜力短期预测结果可以检验粮食中长期生产潜力预测的准确性和为国家提供制定粮食生产战略的科学依据。粮食生产潜力短期预测理论即"趋势-波动理论",它建立在粮食或作物"现状生产潜力"概念和"天-人-地概念模型"基础上,预测模型为最佳移动步长条件下的多年单产移动平均趋势模型,实际预测时采用系统预测方法。11个研究案例预测的平均误差为0.77%,最大误差为2.99%,预测精度高。本研究初步结论是:粮食生产潜力短期预测理论和模型是科学和实用的。     

粮食产量预测理论、方法与应用Ⅲ.粮食生产潜力中、长期预测理论、模型及其应用

粮食生产潜力中、长期预测的目的是为国家中、长期粮食生产规划提供科学依据。粮食生产潜力中、长期预测的"双向预测理论":从若干个预测模型中选择出2个模型,一个模型预测的未来产量是持续增加的,体现产量持续增加的科技进步力量;另一个模型预测的未来产量是先增加后减少或持续减少的,体现影响产量持续增加的负面综合因素力量。应用结果表明:模型可预测未来1~10年的粮食生产潜力,平均预测误差在5%以内。大量案例证明粮食生产潜力中、长期预测的"双向预测理论"是科学的、方法是通用的、结果是实用的。     

粮食估产的“通道-概率模型”的验证

本文应用全国、31个省、6个典型地区和16个典型县的数据对粮食估产的“通道-概率模型”进行了系统性的验证和讨论。研究结果如下：（1）国家级估产由于地域空间尺度足够大,不同地区气象条件对产量影响的互补性强,所以估产误差小,因此国家级可以不使用小趋势修正和气候年型修正;省级、地区级和县级的估产由于同处一个气候区,因此气象条件对产量影响的互补性不强,必须使用小趋势修正和气候年型修正,县级估产还必须增加根据作物适时长势和专家经验的修正。（2）小趋势修正有两个公式：当预测误差小于10%时,使用Y×（1-K）修正;当预测误差大于10%时,使用Y/（1+K）修正。（3）估产单元气候年型可以自动划分,一般分为5级,波动大的预测单元可以使用7级,其中超丰年和超欠年的修正参数必须根据实时气象条件和作物实时长势具体确定。（4）研究表明：“通道-概率”估产理论和方法是科学的、实用的和准确的;在小趋势修正和气候年型修正基础上,如能结合作物长势调查和当地专家经验,估产误差可以达到3%以下。     

北方夏玉米农田土壤水分预测模型的研究

【目的】检验和比较4个夏玉米农田土壤水分预测模型的预测精度。【方法】根据农田土壤水分平衡原理,建立北方夏玉米农田土壤水分预测模型,其中潜在蒸散量子模型分别用国内彭曼修正式(简称国内法)和FAOPenman-Monteith(简称FAO法)方法,作物发育期子模型分别用多年平均发育期法和积温法。用2002年6~9月中国气象局农业气象试验基地的21个不同水分处理小区的夏玉米全生育期观测资料(包括土壤湿度、作物发育期、气象和灌溉等资料),对模型进行检验和比较。【结果】在土壤湿度中等和较低的情况下,土壤水分预测模型中潜在蒸散量子模型采用国内法对不同预测时效下夏玉米农田土壤水分的平均预测精度高于FAO法,而在土壤湿度较高的情况下则反之;国内法和FAO法在不同预测初始日期下,对所有试验小区土壤水分的平均预测精度均随着预报时效的增加而降低。土壤水分预测模型中,作物发育期子模型采用积温法或多年平均发育期法均可对北方地区夏玉米农田土壤水分进行预测,两者对0~100 cm土层土壤水分预报的最大绝对差值小于5 mm。【结论】土壤水分预测模型中潜在蒸散量子模型采用国内法对夏玉米农田土壤水分的预测精度高于FAO法;土壤水分预测模型中作物发育期子模型采用多年平均发育期法和积温法对夏玉米农田土壤水分的预测精度基本相同。利用该模型还可对北方夏玉米农田进行灌溉预报和排渍预报。     

基于灰色马尔科夫模型的四川省耕地面积及耕地压力指数的分析与预测

基于四川省36年的耕地数据,采用改进的灰色马尔科夫预测模型对总耕地面积和耕地压力指数进行分析与预测。结果表明:(1)研究期内,四川省耕地总面积及人均面积均呈现下降趋势,但是由于粮食单产和复种指数的提高,最小人均耕地面积呈波浪式递减趋势;(2)耕地压力指数总体呈上升趋势,说明实际人均耕地面积的减速低于最小人均耕地面积的减速;(3)灰色马尔科夫模型预测比单一灰色预测模型的预测精度提高了1.14%,可见其对中长期具有波动性的数据预测拟合度更高;(4)随着二胎政策出台,将面临更大的人口压力,未来10年四川省耕地面积仍有下降趋势,耕地压力指数呈波动上升趋势。     

流向统计法分析中国粮食安全状况及高标准农田需求预测

加强高标准农田建设,提升国家粮食安全保障能力已经成为国家战略。为预测2020—2030年高标准农田需求量,本研究基于中国国家统计局、海关总署等相关数据,利用流向统计法从粮食、谷物和口粮自给率3个角度分析了中国粮食安全现状,并建立了预测模型,对2020、2025和2030年中国粮食、谷物和口粮的需求量进行预测;基于各省级行政区可建高标准农田面积、农业用水量、单位面积高标准农田粮食产能提高量和复种指数,预测了2020、2025和2030年保障我国粮食安全需建高标准农田面积。结果表明:1)近年来中国粮食、谷物和口粮产量呈增长趋势;1997—2018年粮食、谷物和口粮的自给率分别在86.24%～118.15%、88.67%～121.67%、84.25%～123.98%,2006年以来中国守住了"谷物基本自给、口粮绝对安全"的战略底线,但距《国家粮食安全中长期规划纲要》中粮食自给率95%以上的要求仍存在差距,需进一步提升国家粮食安全保障能力,增建高标准农田是保障粮食安全的重要战略;2)根据建立的模型预测2020、2025和2030年粮食需求量分别为72 318、72 673和72 724万t,谷物需求量分别为67 898、68 251和68 301万t,口粮需求量分别为32 811、33 863和34 914万t;统计检验及验证表明预测结果可信;3)2018年已建成的高标准农田已能满足我国90%的粮食自给率需求;95%自给率粮食安全条件下2020、2025和2030年分别需求6 844、7 125和7 165万hm2(10.27、10.69和10.75亿亩)的高标准农田。预测值与《乡村振兴战略规划(2018—2022年)》提出的到2022年建成10亿亩(6 667万hm2)高标准农田的指标接近,该研究结果支撑了规划指标的科学性,亦可为未来10年我国高标准农田建设数量及进度控制提供参考,研究为宏观预测粮食及耕地需求提供了一种方法。     

基于时间序列的金华市梅汛期降雨量预测

根据金华市7个县（市）1968～2012年梅雨汛期降水量的实测数据,对金华市梅汛期降水基本特征进行分析,并运用平稳时间序列的线性外推法建立各个地区降水量的预测模型。结果表明,金华地区梅汛期降水量的年际变化呈多峰型,但从总体形势上看．近45年的梅雨量是呈上升趋势;经检验,浦江等地区预测的中长期结果具有较高的精度,说明平稳时间序列的线性外推法建立的预测模型对这些地区梅雨期降水量的预测较准确,此预测模型可以为中长期降水预报及政府部门决策服务提供强有力的科学支持。     

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.     

辽宁省粮食综合生产能力限制因素分析及生产潜力预测模型

分析辽宁省粮食生产能力限制因素,并对生产潜力做出预测,对保障粮食安全,促进经济社会和谐发展具有重要意义。本文以1979~2010年的数据,分析了影响粮食总产和单产的限制因子,对各因子进行线性相关分析,排序得出影响粮食产量的主、次和潜在因素,根据统计分析结果,结合辽宁省实际情况详尽分析了限制辽宁省粮食综合生产能力提升的主要症结,并分别对历史数据采用线性回归、主因子逐步回归、相关分析等方法,通过DPS软件,构建逐步回归预测模型、逻辑斯蒂预测模型、幂函数预测模型、Gauss模型预测模型、Cubics Ratio预测模型等模型对未来粮食单产和总产作出理论预测。     

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。     

豫西地区不同类型农田化肥增产效益及增产潜力研究

 【目的】探讨化肥在豫西地区不同地形农田的增产效益与增产潜力，为引导和实现化肥的优化配置和合理施用、提高豫西地区粮食产量提供参考依据。【方法】采用田间试验，研究了豫西地区平川地、坡平地、坡地等3种典型地形农田化肥施用量对作物产量的影响；并对3种典型农田化肥消费量与粮食产量的多年统计资料进行了分析，提出了二者之间的关系，并由此对豫西地区粮食增产潜力进行了预测。【结果】作物单产以平川地最高，坡平地次之，坡地最低。尽管在3种类型农田上使用化肥均可大幅度增加作物产量，但化肥增产效益以坡地最高，坡平地次之，平川地最低；对3种典型地形农田化肥消费量与粮食产量多年统计资料的分析也获得相同结论。根据田间试验结果对未来豫西地区粮食产量及增产潜力进行的预测表明，当采用本研究中最大施肥量时，豫西地区粮食总产量可达到4.24×109 kg，是2003年该地区粮食产量的2.1倍；并预测在增加粮食产量中，坡地贡献率占50.1%、坡平地占33.7%、平川地占16.2%，坡地和坡平地粮食生产对该地区粮食总产量具有决定作用。【结论】豫西地区3种典型地形农田中化肥增产效益存在差异，以坡地化肥增产效益最大。因此，加强坡地化肥投入，可有效地提高本区粮食总产量，对今后本区粮食的增产具有重要意义。     

基于Spark的WOA-BP水稻产量预测

目的 随着大数据技术和人工智能的快速发展,针对当前水稻产量预测模型精度低、预测区域范围过大、模型优化时间过长等问题,本文提出一种基于Spark的鲸鱼优化算法-反向传播神经网络(Whale optimization algorithm-backpropagation,WOA-BP)水稻产量预测方法。方法 本文以广东省西部地区的县/市/区水稻产量及气象数据作为研究对象,采用WOA对BP网络的权值和偏置值进行优化,并构建水稻产量预测模型,提升预测精度;此外,在Spark框架下,实现WOA-BP算法并行化,减少算法时间开销。结果 模型精度方面,通过对预测结果进行反归一化后比较,经WOA优化后的BP神经网络模型,平均绝对百分比误差 (Mean absolute percentage error) 从8.354%降至7.068%,平均绝对误差 (Mean absolute error) 从31.320 kg降至26.982 kg,均方根误差 (Root mean square error) 从41.008 kg降至33.546 kg;运行时间方面,3节点Spark集群比非Spark模式减少了11 742 s,减少44%的时间开销。结论 基于Spark的WOA-BP水稻产量预测方法,能够较好地预测出广东西部县/市/区的水稻产量,同时可以很好地反映气象因素对广东省西部地区水稻产量的影响情况,对研究广东西部县/市/区乃至整个广东的水稻产量情况具有一定的参考价值。     

基于小波变换灰度模型-人工神经网络(GM-ANN)组合的粮食产量预测模型

由于粮食生产受到社会、经济和气候等多方面因素的影响,造成粮食产量序列的复杂性、随机性和非平稳性。为了准确预测粮食产量,提出基于小波变换的灰度模型(GM)-反演(BP)神经网络[BP神经网络是人工神经网络(AMNN)的一种]相结合的预测方法,首先利用小波变换将非平稳序列转化为若干不同频率分量的平稳序列;然后针对各序列使用灰色GM(1,1)模型建立预测模型,为了进一步提高模型的预测精度,结合BP神经网络对预测残差进行修正;最后通过组合得到粮食产量的预测模型。通过对2011—2014年我国粮食产量数据的预测,表明所提方法的预测精度明显高于GM(1,1)和BP神经网络预测模型,4年的平均预测误差小于1%,能够较准确地预测我国粮食产量。     

基于向前选择变量法的我国粮食总产量多元线性回归预测模型

结合1983～2006年我国粮食总产量及与之密切相关的粮食单产、粮食播种面积、化肥施用量、有效灌溉面积、农机总动力、农田成灾面积等6个影响因子序列资料,采用向前选择变量法,构建了我国中长期粮食总产量多元线性回归预测模型。结果表明,粮食单产、粮食播种面积、化肥施用量及农田成灾面积是我国粮食总产量的关键制约因子,措施得当,未来我国完全可以在耕地资源不可逆转减少的前提下实现粮食总产量的持续增长。研究成果可为我国粮食安全保障体系的构建提供决策依据。     

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。     

河北省作物生产潜力及人口承载力研究

本文采用改进的农业生态区域法,将河北省分成8个农业自然区进行分析,计算了春小麦、春玉米、冬小麦、夏玉米4种主要作物的光温生产潜力,经过降水、自然灾害、土地质量等自然因素订正,分析了河北省作物生产潜力。通过对农田投入水平、历年来粮食作物产量分析,预测了河北省2010年和2030年粮食潜力总产,采用一元线性回归模型与GM(1,1)模型预测了2010年和2030年人口数量、耕地面积及粮食单产发展趋势,结合宽裕型、小康型、富裕型3种消费水平分别预测了预测期内土地资源人口承载力状况;最后提出了河北省土地资源可持续发展的战略对策。     

基于互信息的组合预测模型及其在电力负荷预测中的应用

应用互信息度量单个预测模型的精度, 然后以互信息为评价指标,应用模糊评判法赋予各个预测模型相应的权重,籍此建立一个新的组合预测模型.将此组合预测模型用于电力负荷预测,实例表明,互信息能有效地度量单个预测模型的精度,且能取得与传统的误差分析指标一致的评价结果.经多个误差分析指标的评价,基于互信息的组合预测模型提高了预测精度,优于基于熵的组合预测模型.     

南平市粮食生产现状问题和对策

<正>南平市位于福建省北部,是福建粮食主产区。全市10个县(市)中有8个列为省级商品粮基地县,其中建阳、建瓯等6个县(市)列为国家级商品粮基地县。每年提供商品粮约50万吨,粮食净调出25万吨左右,位全省之首。一、基本现状南平市现有耕地面积309万亩,其中水田293万亩,旱地16万亩。农田有效灌溉面积215万亩,占耕地总面积的69%。2012年全市粮食面积372.2万