共查询到20条相似文献,搜索用时 859 毫秒
1.
基于灰色理论和回归分析的需水量组合预测研究 总被引:3,自引:0,他引:3
【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。 相似文献
2.
采用了一种基于时间序列数据的灰色—线性回归模型对广西某市的粮食作物播种面积的单产进行了预测,并将预测结果及预测误差与线性回归模型及灰色GM(1,1)模型的预测结果进行了比较。结果表明,灰色—线性回归组合模型进行粮食作物耕地需求量预测精度较高,具有科学可行性。 相似文献
3.
灰色线性回归组合模型在河南省粮食产量预测中的应用 总被引:7,自引:1,他引:6
河南省粮食生产变化的波动较大,单一的GM(1,1)模型不能详尽描述其变化规律及预测未来趋势,采用线性回归方程以及由GM(1,1)模型得到的时间响应序列方程和组成的灰色线性回归预测模型,弥补了线性回归模型中没有指数增长趋势和GM(1,1)模型中没有线性因素的不足。利用河南省2000-2007年的粮食产量统计数据,建立了河南省粮食产量的灰色组合预测模型,并根据模型预测出河南省2008-2012年的粮食产量,实例证明,该模型的预测精度为97.9%,模型的预测精度高。 相似文献
4.
首先以1993~2004年黑龙江省人口数据资料为依据,应用Logistic增长模型,线性回归模型,灰色系统GM(1,1)理论,分别构建人口预测模型,预测结果与实际数值比较、分析,表明模型应用效果比较符合实际。然后考虑到定性和定量性,将模型有机的结合,建立一个更合理的模型,提高模型预测精度,对2007~2012年黑龙江省的已有人口数和未来人口规模进行分析与预测。 相似文献
5.
6.
7.
8.
9.
10.
【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。 相似文献
11.
12.
提出将3种灰色模型(残差GM(1,1),无偏GM(1,1)和pGM(1,1))与神经网络模型进行有机组合,建立一种新的灰色神经网络组合预测模型,并以中国股票市场上证指数为例进行模拟预测.实证表明:组合预测模型的模拟预测精度较原有方法更为精确,可作为股市预测的有效工具. 相似文献
13.
基于GM(1,1)模型的四川粮食产量预测研究 总被引:2,自引:0,他引:2
中国人口众多,粮食安全关系到国计民生,加强粮食产量预测有利于确保粮食安全。根据2001—2015 年四川粮食产量的历史数据,运用灰色系统理论,建立基于弱化缓冲算子的GM(1,1)预测模型,通过残差、级比偏差、关联度、后验差检测、模拟数据检查对模型的合理性和精度进行误差检验,并应用模型预测未来3 年的粮食产量。研究结果表明,灰色系统理论GM(1,1)适用于粮食产量预测且具有较高的精度。预测了2016、2017、2018 年的粮食产量同比增长分别为-2.11%、-0.39%和1.21%,由此得出未来粮食产量将在波动中增长。 相似文献
14.
基于灰色神经网络与马尔科夫链的城市需水量组合预测 总被引:1,自引:0,他引:1
【目的】针对城市需水量预测系统具有非线性和随机波动性的特点,建立基于马尔科夫链修正的组合灰色神经网络预测模型,以提高模型的预测精度。【方法】比较分析灰色GM(1,1)模型、BP神经网络模型以及二者线性组合的灰色神经网络预测模型的预测效果,建立基于马尔科夫链修正的组合灰色神经网络预测模型,并以榆林市2000-2009年的用水量实际数据为研究对象,通过实例比较分析模型的检验预测精度。【结果】经马尔科夫链修正处理后,建立的基于马尔科夫链修正的灰色神经网络组合模型的预测精度更高,预测误差的绝对值均小于4%,且均方差σ为1.00,小于组合灰色神经网络模型与GM(1,1)模型、BP神经网络模型预测误差值的均方差。【结论】基于马尔科夫链修正的组合灰色神经网络需水量预测模型,对城市需水量的预测优于灰色神经网络及各单项预测模型,不仅预测精度高,而且能同时反映出数据序列发展变化的总体趋势和系统各状态之间的内在规律,适合描述随机波动性较大的预测问题。 相似文献
15.
《河北农业大学学报(农林教育版)》2019,(1):125-129
为客观分析河北省物流人才需求,提高物流人才需求预测精度,研究了河北省物流人才需求预测方法,基于组合预测法的特点,运用三角模糊数确定组合预测法中各单项预测的模糊权重,建立基于最小预测误差值为目标函数的物流人才需求模糊组合预测模型,并通过参数估计给出预测模型的最优解。运用2002—2016年河北省物流人才就业数据进行实证分析,发现该模型具有较高精度,研究结果表明河北省物流人才需求在2017—2021年呈持续增长趋势,物流人才需求缺口呈扩大趋势。 相似文献
16.
通过线性回归模型、灰色模型、指数平滑模型对吉林省短期需水量进行预测分析,计算出各模型预测结果所占权重,得出新型组合模型。结果表明:组合模型预测精度高于各单一数学模型预测精度,可应用于水资源供需平衡分析中。 相似文献
17.
【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。 相似文献
18.
19.
灰色线性组合模型由于在传统灰色预测模型的基础上加入了对数据的线性分析,在各个领域应用已较为广泛.应用灰色线性组合模型,以沈阳市1960~2006年的降雨量作为数据依据,建立模型对涝灾进行预测.结果表明:组合模型较好的拟合了预测灾变年,预测误差小于普通灰色预测模型,为涝灾预测增加了一种新方法. 相似文献
20.
《湖北农业科学》2021,60(16)
利用2002—2016年呼伦贝尔市年降水量数据,对GM(1,1)模型进行加权滑动优化,无偏灰色模型改进以及残差序列修正,同时构建出滑动无偏残差修正的灰色-马尔可夫组合模型。结果表明,比较呼伦贝尔市2017年与2018年实际降水量,发现组合模型在预测拟合度、预测精度方面都比较理想,能够对呼伦贝尔市年降水量进行合理预测。2019—2021年呼伦贝尔市年降水量呈上升趋势。2019年最有可能处于评估较为准确状态和高估状态,可能的概率分别为41%和38%,而2020年和2021年最有可能为高估状态,即这2年实际年降水量会低于预测模型预测的结果,可能的概率均为42%;从总体上来看,呼伦贝尔市未来的年降水量较为充沛,这将对呼伦贝尔草原草地生态发展起到积极的促进作用。 相似文献