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。     

基于BP神经网络的农机总动力预测模型研究

利用黑龙江省1980～2007年农机总动力数据,对BP神经网络模型和现有农机总动力预测模型进行分析,建立了基于BP神经网络的农机总动力预测模型,并将该模型应用到2007年以后黑龙江省农机总动力的预测中,取得了良好的预期效果,为黑龙江省的农业机械化发展趋势和农机产品市场分析提供了一定的理论指导。     

河北省农机总动力人工神经网络预测

目的提出一种新的BP神经网络非线性组合预测模型,对河北省2016-2023年农机总动力进行预测。方法基于一元非线性回归以及BP神经网络(BP-ANN),建立一种新的BP神经网络非线性组合预测模型,处理1978-2009年河北省农机总动力数据,建立预测模型并进行比较。结果误差分析表明,该非线性组合预测模型的拟合平均绝对误差为1.286%,低于一元非线性回归和传统BP神经网络。利用此模型对2010-2015年河北省农机总动力进行检验预测,预测结果与实际结果有很好的一致性,为农机总动力的预测提供了一条新的途径。结论此模型有较高的预测精度,并用此模型预测了河北省2016-2023年农机总动力数值,预测结果表明,在未来几年河北省农机总动力将保持高速增长,2023年将达13 610.69万kW。     

组合时间序列模型及其在我国农业总产值预测中的应用

基于组合预测理论,首先建立了我国农业总产值的ARIMA和Holt双参数线性指数平滑单项时间序列预测模型;对模型进行检验后,根据标准差法对各模型进行权重分配,建立我国农业总产值组合预测模型。通过对比证明,组合时间序列模型能在一定程度上克服单项模型缺陷,提高预测精度。     

基于SVM的农机装备水平组合预测模型研究

采用支持向量机的组合预测方法,对黑龙江垦区农机装备水平进行预测。在确定单一预测模型的基础上,运用自组织神经网络方法,将权系数确定问题转化为粗糙集理论中属性重要性评价的问题;计算各单一预测方法对组合模型的依赖度、重要度和权系数;利用建立的基于支持向量机非线性农机装备水平组合预测模型,对黑龙江垦区2002—2012年农机装备水平的历史数据进行检验。误差分析表明:该模型对农机总动力、大中型拖拉机、小型拖拉机、大中型拖拉机配套机具和小型拖拉机配套机具的预测平均相对误差为0.471%、1.328%、3.738%、1.193%、3.574%,均低于各单一预测模型的平均相对误差;利用该模型对黑龙江垦区农机装备水平进行预测,到2020年拥有农机总动力999.33万kW、大中型拖拉机88 921台、小型拖拉机38 453台,大中型拖拉机与配套农机具台数比为1.51∶1,小型拖拉机与配套农机具台数比为1.68∶1。所建模型适用于黑龙江垦区农机装备水平的预测。     

基于熵值法的玉米产量组合预测模型

为了提高玉米产量预测的精度.利用熵值法为每种单一预测模型分配加权系数;将各单一预测模型的预测结果加权求和得到了组合预测模型的预测结果,建立了玉米产量组合预测模型.利用2000-2006年玉米产量资料进行模型精度检验,结果表明,组合预测模型的精度有明显提高,说明应用组合预测方法进行玉米产量预测是可行的.     

基于组合预测模型的水质数据预测研究

对时间序列水质预测问题进行研究,提出了基于最优加权法的组合预测模型.综合利用了ARIMA预测模型、人工神经网络模型和指数平滑法对水质数据进行预测,再将它们的结果利用最优加权组合法进行组合,得到组合预测模型结果.将组合预测模型应用到广州长洲水质预测工作中,得到了较好的预测结果.组合预测模型结果的精度高于单一模型结果.组合预测模型能平衡单一模型的偏差,具有更好的适用性和更高的精度.     

三方运输联盟成本分配的稳定性分析

基于合作博弈理论,应用核的概念分析了三方运输联盟是否存在稳定的成本分配方案,然后应用Shapley值法与核仁法对其进行成本节约分配。研究结果表明:Shapley值分配法能体现出参与各方的贡献,但是当核非空时其不能保证分配结果处于核之中,因而不能保证联盟的稳定性;而基于核仁分配法则使各参与方分配结果趋于平均化,而且一定处于核之中,因此更能保证联盟稳定运行。     

烤烟醇化过程中还原糖含量的组合预测模型

为了提高现有烤烟醇化过程中化学成分预测模型的精度,提出了组合预测模型。选取灰色GM(1,1)模型、三次指数平滑、一元非线性回归3种单一预测模型,采用标准差法分配权重,对单一预测结果进行集成,以还原糖为例,建立了化学成分的组合预测模型。结果表明,组合预测模型能够较好的提高预测精度,较GM(1,1)、三次指数平滑和一元非线性回归模型预测精度分别提高了0.0184、0.0283和0.0082。     

基于最优权重的落叶松单木叶面积组合预测模型

最优权重组合预测模型是将各种模型组合起来并分配它们适当的权重系数进行组合预测的模型,减少单项模型预测的风险性,提高预测精度。以落叶松单木叶面积为例,通过拟合一元线性、多元非线性和多元线性等各种单项基础模型,构建最优权重组合预测模型。结果表明,胸径是预测落叶松单木叶面积的最佳变量,增加树冠率或高径比可提高模型解释力,改进异速生长方程是最佳单项模型,R~2达0.927;最优权重算法组合模型优于单项模型及平均值组合模型,落叶松叶面积最优权重组合模型的估测值与实测值之间的平均绝对相对误差和均方根误差均低于单项模型,R~2达0.930。构建的最优权重组合预测模型适合估测落叶松单木叶面积,估测精度高,可应用于长白落叶松人工林叶面积指数估测。     

黑龙江省农机总动力趋势包络预测与分析

文中对趋势包络预测方法进行了详细介绍,并应用此方法,依据历年的数据对黑龙江省农机总动力进行了预测。预测结果与实际数据相对照表明,预测精度较高,这对黑龙江省农业机械发展规划有着重要意义,为规划提供了依据。     

基于Shapley值的组合预测方法在福建省农业总产值预测中的应用

提出了基于Shapley值的农业总产值的组合预测方法。算例结果表明,该方法可有效提高农业总产值的预测精度。     

无偏灰色预测模型在农业机械总动力预测中的应用

以我国1997~2005年农业机械总动力数据为基础,将无偏灰色预测模型应用到农业机械总动力预测中,并与传统灰色预测模型进行比较,结果反映了无偏灰色预测模型的优越性,最后预测数据显示2009年我国农业机械总动力将达到85 262.54万kW。     

山西省农机总动力需求的灰色—马尔柯夫预测模型

灰色—马尔柯夫预测方法能够较好地解决既有趋势性又有较大波动性的数据序列的预测问题 ,且具有计算简便、精度高的特点。本文利用该方法对山西省农机总动力需求进行了预测分析 ,为农业机械化有计划的发展提供了依据。     

灰色系统理论在黑龙江省农作物秸秆可收集量预测中的应用

农作物秸秆可收集量的预测是进行能源规划、大规模开发利用资源的基础.试验在综合2006～2010年发表的原创性研究文献的基础上,确定了草谷比和可收集系数,从而估算出1990～2009年黑龙江省农作物秸秆可收集量.用灰色关联分析方法分析黑龙江省农作物秸秆可收集量的影响因素,通过计算各因素关联度大小.结果表明,农村劳动力、农...     

黑龙江省农机购置补贴政策效果实证分析

黑龙江省是全国重要的商品粮生产基地,黑龙江省粮食生产直接关系国家粮食储备及战略安全。农机购置补贴政策可以推进黑龙江省农业机械化、现代化,进而有效地增加粮食生产、农民收入。为研究黑龙江农机购置补贴政策的实施效果,基于面板数据,借助Eviews 7.0计量软件,对农机购置补贴政策拉动黑龙江省农业经济发展的影响程度进行了定量分析。结果表明:农机购置补贴政策对黑龙江省农户购机投入、粮食产量、农民收入均具有积极的正向影响,从而带动了全省农机总动力的提升、促进了农村劳动力的有效转移、刺激了农业生产消费。     

2000—2017年中国农业机械总动力水平空间演变特征

运用ArcGIS空间分析探究2000—2017年中国9大农业区农业机械总动力水平的空间分布,从省域层面分析各省(自治区、直辖市)(香港、澳门、台湾除外)地均农业机械总动力空间分布的演变特征,并运用皮尔逊(Pearson)相关性分析探究耕地变化和第一产业增加值变化与农业机械总动力变化的相关性。结果表明:2000—2017年,中国农业机械总动力水平快速提升,整体由“一强多弱”向“多强并存”格局演变,但省域发展不均衡,存在较明显的空间差异。农业机械总动力与第一产业增加值变化的相关系数为0.735,说明农业机械总动力的增长会带动第一产业增加值的提高,与耕地变化的相关系数为0.478。     

基于最优组合赋权和改进TOPSIS模型的 区域农业水资源恢复力评价

为解决区域农业水资源系统恢复力诊断分析方法薄弱问题,以黑龙江省建三江管理局15个农场为例,构建区域农业水资源指标评价体系,基于拉格朗日极值原理将最优组合赋权法赋予指标权重,建立改进TOPSIS农业水资源恢复力评价模型,并利用ArcGIS软件绘制其恢复力等级空间图。结果表明,恢复力为Ⅰ、Ⅱ等级农场占农场总数80%,其中洪河农场恢复力最高(0.6551),创业农场最低(0.2666),空间分布呈"西南部低,东北部高"趋势;改进TOPSIS模型得综合值极差为0.3885,变异系数为0.2207,Spearman相关系数为0.9964,均优于另两种方法单独评价结果,利于评价农场水资源恢复力。可有效解决TOPSIS模型数据波动较大和评价模型等距处理难问题,对黑龙江省农垦建三江管理局农业水资源合理开发和管理具有指导意义。