组合预测方法及其土壤水分预测中的应用

本文简要介绍了当前较为流行的一种新的预测方法一组合预测方法及最优权数的计算。并利用此方法对预测土壤水分含量的两个单一预测模型进行综合处理，得到了土壤水分含量的组合预测模型，从统计分析和回归检验中可以看出，组合预测模型较原两上单一预测模型的预测精度有较大的提高。     

组合预测方法在玉米施肥预测中的应用

为提高玉米施肥量预测的精度,利用拉格朗日乘数法,基于预测误差平方和最小这一目标,对肥料效应函数、神经网络施肥预测方法这2种单一施肥量预测模型进行加权组合,建立了玉米施肥组合预测模型。预测结果显示:肥料效应函数、神经网络施肥预测方法和组合预测模型的预测误差平方和分别为2789.40,653.79,421.72,说明玉米施肥组合预测模型优于单一施肥预测模型;采用组合预测方法对玉米施肥量进行预测,能够显著提高预测精度。     

基于组合预测的农业用水量预测

在分析农业用水特性的基础上,提出了可有效克服单一预测模型预测精度不高的组合预测模型,并给出了农业用水量组合预测模型的权重确定方法,最后基于GM（1,1）模型、回归预测模型和指数平滑模型验证了组合预测模型对我国农业用水量的预测精度。     

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.     

组合预测方法研究及其在电力负荷预测中的应用

文章通过对组合预测模型权重求解方法的研究,给出了一种运用二次规划来求解组合预测模型权重的方法。该方法不仅克服了拉格朗日乘子法不能保证权重非负的不足,而且由于二次规划问题可借助MATLAB软件进行求解,从而简化了求解权重的计算过程。示例计算结果表明,组合预测模型的预测精度明显高于各单一预测模型,误差平方和小于各单一预测模型的误差平方和,从而验证了该方法的有效性。     

组合模型在农业用水量预测中的应用

在分析灰色模型与人工神经网络模型特点的基础上提出了灰色神经网络组合预测模型,并以最小二乘法确定了2个单一模型权重系数的分配。结果显示,灰色神经网络组合预测模型的最大、最小及平均误差均明显优于2个单一模型,有效提高了预测的精度。     

基于组合预测模型的辽阳地区能源需求预测

为了更可靠地预测辽阳地区未来能源需求量,采用GM(1,1)模型和三次指数平滑模型对辽宁省辽阳地区历史能源消费量建立预测模型,并将两个单一模型加权平均建立组合预测模型。结果表明:组合预测模型在时间序列数据的预测中可信度更高,预测精度达到94.06%;未来10年内,辽阳地区能源消费将以7.36%的年均增长率快速增长,到2022年能源需求量将达到2.2×107t标准煤。     

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。     

基于灰色理论和回归分析的需水量组合预测研究

【目的】建立精度更高的需水量预测模型,为水资源规划提供理论依据。【方法】建立基于灰色预测和线性回归预测的需水量组合预测模型,以深圳大鹏半岛需水量为例,对组合预测模型的预测结果与单独采用灰色预测、线性回归模型预测的结果进行了比较。【结果】单独采用灰色预测模型和线性回归模型进行预测的平均误差分别为6.5%和2.5%,而基于灰色预测和线性回归的组合预测模型的平均误差仅为1%。【结论】组合模型的预测精度较单一模型的预测精度明显提高,并且该模型可以更全面地反映需水量的变化规律。     

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.     

曲线回归参数估计的改进与回归预测模型的校正

为了使回归预测模型更具有实用性，采用渐近最小二乘法对指数函数，幂函数一类回归曲线的参数估计做了改进。在增加新的样本单元资料时，用增长记忆递推公式对原始回归预测模型进行了校正，得到新的预测模型。     

目标控制预测法

本文提出了一种新的预测方法——目标控制预测法。该法是在拟合历史数据的变化趋势曲线基础上,衔接一条目标控制预测的趋势曲线,在给定预期目标前提下,通过调节模型的一个参数,以实现对事物在预期目标之前发展变化的预测。它比较适用于计划经济条件下对生产和经济发展的规划和控制,文末附奶牛发展预测模型作示范。     

淮河入洪泽湖洪水预报模型

根据降雨径流相关分析,建立了人洪泽湖洪水预报模型,它包含了产流、汇流子系统。预报模型与实测洪水过程相比较,洪峰值的最大误差小于10％。     

R-T组合预测模型的建立及其在耕整机发展预测上的应用

回归预测技术应用广泛,方法理论较成熟;时间序列分析则是经济模型构造的进一步研究方向。实际应用中,两种方法都有局限性。作为这两者的组合,本文详细阐述了回归-时序(R-T)组合预测模型的建立,并用之对耕整机的发展作了科学的预测。     

植物病害流行生长模型预测法

本文提出了植物病害预测的生长模型预测法,即利用较早期的病害发展数据,估计病害流行生长模型的有关参数,然后利用这些参数对病害未来的发展水平和发展速率作出预测。利用花生锈病等九个植病系统(包括真菌、细菌和病毒病害)47组流行数据对生长模型预测法进行了917次应用性检验,并用准确度参数P(P=[1-abs(-X)/X]×100)作为预测准确度标志,平均准确度为86％。     

BAYES多级判别技术在预测蚕豆赤斑病流行程度上的应用

本文根据Ｂａｙｅｓ多级判别技术，以长江流域蚕豆赤斑病流行程度和气象资料为研究对，３个判别方程，通过对历史资料的回检及独立样本的预测，为害虫种群动态的中长期预测提供了一种的研究方法。     

哈达门国家森林公园游客量动态预测

根据哈达门国家森林公园的票房数据，应用灰色系统理论建立旅游量灰色动态模型。基此，对哈园游客量进行了中短期预测，其预测检验精度为９３．７２。旨在对该园建设、管理等项决策提供科学依据。     

基于RBF神经网络的城市需水量预测研究

鉴于RBF神经网络强大的非线性逼近能力及能够避免陷入局部最优的特点，建立了基于RBF神经网络的城市需水量预测模型，为提高神经网络的收敛速度及精度，利用退火遗传算法对网络进行了优化，并以天津市的城市需水量预测为例，进行了实例研究。     

灰色聚类分析在农作物病害预测预报中的应用

本文运用灰色系统聚类分析理论与方法，对农作物病害发生程度的预测预报技术作了新的尝试。经对８５０农场大豆籽粒灰斑病１２年历史资料拟合，符合率达９１．６７％，对１９９２处１９９３年灰斑病发生与流行程度的预测预报结果准确，这对农作物病害的预测预报提供了一种新的研究手段。     

四川小麦穗期蚜虫发生程度预测研究

选用四川省有代表性的５个县（忠县，双流，宜宾，武胜，资中）１１年３月份气象因素和小麦穗期蚜虫发生程度资料，运用模糊综合决策方法，建立了预测模型，用预测因子回代，历史符合率达９４．１２％，１９９１～１９９４年，５月县市实际预测符合率为７５．００％，证明该模型对预测小麦穗期蚜虫发生程度有较好效果。