基于粒子群优化神经网络混合模型预测马尾松毛虫发生量

针对BP网络具有局部精确搜索但易陷入局部极小、粒子群算法具有全局寻优的特点,将二者结合起来形成一种训练神经网络的新算法--PSO-BP算法.根据相关系数法、均生函数法及逐步回归法分别选取与马尾松毛虫有虫面积、虫口密度、有虫株率相关关系密切的气象因子和延拓均生函数序列作为样本的输入特征,分别建立马尾松毛虫有虫面积、虫口密度、有虫株率与气象因子和延拓均生函数序列的PSO-BP混合模型.结果表明:建立的各PSO-BP混合模型,具有令人满意的拟合精度和预测精度.当隐含层神经元个数为13个,预报因子数为6个时,3组预留有虫面积的平均预测误差为4.01%;虫口密度PSO-BP混合模型的隐层神经元个数为9个,预报因子数为4个时,预留样本的平均预测误差为3.32%;有虫株率PSO-BP混合模型的隐层神经元个数为9个,预报因子数为4个时,预留样本的平均预测误差为2.83%.上述3个指标的预测准确率均为100%.     

金塔地区春小麦不同生育期热量指数的验证与预测

该文利用1964-2014年逐月气温资料构建了金塔地区春小麦不同生育期的热量指数,对不同生育期热量指数和小麦产量资料进行验证预测,通过验证分析小麦发育期间的热量状况与发育情况进行检验对比,结果可以看出,所有生育期热量模型与小麦的生长发育情况相关性均较高,且稳定性较好。     

组合模型分析方法在我国粮食产量预测中的应用

尝试将组合预测法应用于我国未来粮食产量的预测,以提高预测精度。通过赋予合理权重,将C-D生产函数模型、多元回归模型和指数平滑模型加权组合。对各模型进行平均绝对百分误差(MAPE)、希尔不等系数(Theil IC)和均方根误差(RMSE)等指标的比较,证明单一模型经过组合能够提高预测精度。     

基于3种预测方法的河北省农民收入预测综合分析

介绍了灰色预测法、递增速度法、趋势外推法三种预测方法,并通过三种预测方法,利用统计资料,对2007～2015年河北省农民收入情况进行了实证预测。预测结果表明,采用灰色预测法的预测结果较为乐观,而采用直线预测模型和对数模型进行预测结果较为悲观,因此,本文综合了中速增长模型和高速增长模型以及指数模型三种模型的预测结果,得出了一个较为合理的结果。     

利用高空风预测小麦条锈病研究初报

小麦条锈病是一种可通过高空气流传播的病害,给小麦的生产造成了巨大损失。笔者选择甘肃平凉、陕西汉中、河南郑州三地,根据小麦条锈病病情数据、地面温度、湿度、降水量及等压面300hPa、400hPa、500hPa、700hPa、850hPa高空风量数据,利用主成分分析和判别分析方法,分析三地间小麦条锈病发生流行的相关性,探讨了高空风量数据在小麦条锈病的发生程度预测中的作用。结果表明三地间小麦条锈病的发生流行具有较高的相关性,可利用高空风量数据预测三地间小麦条锈病长距离传播,准确率较高,其中500hPa等压面的风量值在预测中的准确率最高,回代准确率为100%,交叉验证准确率均在80%以上,最高可达93.75%。     

棉铃虫中期预测模型的建立与应用

对 1972～ 2 0 0 2年安徽省萧县棉铃虫测报资料和气象资料进行整理 ,用逐步回归分析法筛选与预测对象相关显著的预测因子 ,进一步进行二次多项回归分析 ,逐年建立了 2 0 0 0～ 2 0 0 3年各代棉铃虫产卵高峰日和发生程度的中期预测模型 ,模型回测准确率均在 70 %以上。通过在 2 0 0 0～ 2 0 0 2年棉铃虫测报中的具体运用 ,对产卵高峰日和发生程度的预测准确率均接近 90 %。     

基于改进PSO算法优化GRNN的煤与瓦斯突出预测

为提高区域性煤与瓦斯突出预测模型的预测准确度并减小预测均方误差,提出了一种基于改进的粒子群优化(PSO)算法优化的广义回归神经网络(GRNN)。以网络的光滑因子为自变量、网络误差为目标函数,通过改进PSO算法搜索出误差的全局最小值,找出网络的最优光滑因子,用优化后的GRNN进行煤与瓦斯突出预测,并以淮南矿区的实测数据训练和检验该模型。试验结果表明,基于改进粒子群优化算法优化的GRNN模型预测准确率为95%,实际突出数据的预测准确率为100%,实际不突出数据的预测准确率为93.3%。相较于PSO算法和果蝇优化算法(FOA)优化的GRNN预测结果,该模型的预测准确率最高,均方误差最小,具有更好的泛化能力,为煤与瓦斯突出智能预测提供了新的方案。     

基于遗传神经网络混合模型预测马尾松毛虫发生量的研究

根据相关系数法、均生函数法及逐步回归法分别选取与马尾松毛虫有虫面积、虫口密度、虫株率相关关系密切的气象因子和延拓均生函数序列作为各预测模型的输入特征,分别建立马尾松毛虫有虫面积、虫口密度、虫株率与气象因子的GA-BP混合模型。结果表明,所建立的各GA-BP混合预测模型,具有令人满意的拟合精度和预测精度。当隐含层神经元个数为13个,预报因子数为6个时,3组预留有虫面积的平均预测误差为4．41％;虫口密度GA-BP混合模型的隐层神经元个数为9个,预报因子数为4个时,3组预留样本的平均预测误差为2．17％;虫株率GA-BP混合模型的隐层神经元个数为9个,预报因子数为4个时,3组预留样本的平均预测误差为4．25％。     

基于偏最小二乘回归的日光温室墙体放热量预测

基于物联网以及传感测试技术，在获取日光温室内外光温环境数据的基础上，采用皮尔逊系数法确定各环境因子间的关联性，进而建立基于室外光温环境因子变量的墙体放热回归模型。结果表明，采用聚类填充法处理缺失数据，可以保持较优的原数据样本特征；与主成分回归方法相比，采用偏最小二乘回归方法拟合墙体放热量模型，预测值与真实值的均方根误差RMSE为0.09 MJ/m²,平均绝对百分误差MAPE为9.48%,确定系数R²为0.953,精度较好。该回归模型综合了室外光温环境特征信息规律，通过气象预报，可以用于模拟预测墙体放热量，为温室额外加热量的供给提供参考。     

Richrds函数在桉树无性系林分生长预测上的应用研究

通过设置4种不同的造林密度试验来研究密度对桉树无性系林分生长的影响,并以Richards生长函数为模型拟合了不同造林密度条件下桉树无性系林分生长模拟预测模型.结果表明,桉树无性系林分的生长规律呈现"s"型曲线,用Richards模型拟合其胸径、树高、材积及蓄积量的生长精度很高,相关指数均在0.996以上,利用所建生长模型可以对桉树无性系林分的生长动态进行预测,为桉树人工林的合理经营提供科学依据.     

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。     

灰色-马尔柯夫链预测棉花产量(单产)

灰色预测和马尔柯夫链预测方法都可用于时序问题的预测,在农作物产量预报中,2种方法各有局限性,单独使用预测准确率都不高,特别是对时序波动较大的棉花产量预测,二者的局限性表现更为明显.笔者将2种方法结合起来使用,建立了宿州市棉花产量(单产)的预测模型,在实际应用中,取得了较为满意的效果,历史拟合率小于4.5%,1999、2000年试报准确率分别达97.8%和96.9%.     

灰色预测模型在山东省粮食自给率预测上的应用

通过分析2005~2014年山东省粮食总产量和人口总数的动态变化数据,分析研究了山东省粮食安全现状。借助Matlab程序及SPSS 19.0软件,运用灰色预测模型、曲线估计、线性回归等方法对粮食自给率各变量分别进行了预测模型拟合,得出山东省2015~2025年粮食自给率呈上升趋势,但增速放缓。最后从保障耕地面积、提高粮食单产、控制人口增长、建立粮食安全储备体系4个方面提出了保障粮食安全的对策与建议,以期为山东省制定粮食安全与耕地保护政策提供参考。     

灰色预测模型在山东省粮食自给率预测上的应用

通过分析2005²014年山东省粮食总产量和人口总数的动态变化数据,分析研究了山东省粮食安全现状。借助Matlab程序及SPSS 19.0软件,运用灰色预测模型、曲线估计、线性回归等方法对粮食自给率各变量分别进行了预测模型拟合,得出山东省20152014年山东省粮食总产量和人口总数的动态变化数据,分析研究了山东省粮食安全现状。借助Matlab程序及SPSS 19.0软件,运用灰色预测模型、曲线估计、线性回归等方法对粮食自给率各变量分别进行了预测模型拟合,得出山东省2015²025年粮食自给率呈上升趋势,但增速放缓。最后从保障耕地面积、提高粮食单产、控制人口增长、建立粮食安全储备体系4个方面提出了保障粮食安全的对策与建议,以期为山东省制定粮食安全与耕地保护政策提供参考。     

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.     

霜冻精细化预报模型

通过对榆社基准气候站实测2013年1月1日—12月31日的逐日最低气温、地面最低温度、草面最低温度以及榆社各区域站每日最低气温的分析,结合收集到的霜冻资料,建立区域站与本站的气温关系以及区域站气温与地表温度的关系,形成区域站地表温度与本站最低气温预报值的关系,实现通过本站最低气温来预报区域站最低地温,建立霜冻精细化预报模型。通过2014—2016年实测霜冻数据进行验证,得出:本站最低气温预报的准确度越高,霜冻精细化预报模型预报准确率越高,预报准确率超过90%。当本站最低气温6℃时,区域站范围内可能出现霜冻;当本站最低气温2℃时,本站可能出现霜冻。     

桃花花期预报的探讨

该文根据北京市植物园１９８３～１９９２年气温资料和同期桃花开花的物候期，通过回归分析，发现桃花的始花期与花前２～３旬的平均旬积温和平均最高旬积温关系非常密切，相关系数分别为－０．９６２０，－０．９４０５，－０．９２３１，－０．９１６２，在此基础上建立了桃花花期预报模式，经检验拟合率较高。在实际应用中应根据该年３月份温度情况，采用相应的花期预报模式进行开花始期的计算。     

远洋捕捞渔船数量的预测

用回归分析法和水平法建立了远洋捕船数量的数学模型,并以此进行了定量预测,结果表明,远洋捞渔船数量发展的攻水平法模型与实际情况具有良好的拟合性。     

大白菜杂种优势预测研究

利用8份不同遗传类型的大白菜材料,按Griffing方法Ⅱ配制不完全双列杂交,考察生育期、叶球重、净菜率、软叶率、抗病性(病毒病发病率、病毒病发病指数、霜霉病发病率、霜霉病发病指数)、粗纤维含量、可溶性糖含量等性状,分析亲本的一般配合力与杂种的特殊配合力,得出亲本选择的规律,即:若要获得具有优势的后代,亲本之一必须有优势。