基于主成分分析的公路货运量预测影响因素研究

对影响公路货运量的相关因素常用指标进行主成分分析,提取出影响货运量的隐性因素,并解释出隐性因素的经济含义,为货运量的预测及宏观调控提供科学依据。     

林分断面积组合预测模型权重确定的比较

引入组合预测方法以提高林分断面积预测的精度及2类模型(林分水平模型和单木水平模型)预测林分断面积的兼容性。组合预测法能够充分利用各单个模型的有效信息,从而提高预测精度,而单个模型权重的选取对提高组合预测法的精度至关重要。本研究基于北京山区油松连续清查数据,利用误差平方和法、方差协方差法和最优加权法确定林分断面积组合预测模型的权重。结果表明:组合预测法能够提高预测精度,同时利用最优加权法所建立的林分断面积组合预测模型其预测精度最高,方差协方差法次之,误差平方和法预测精度最低。     

基于最小偏差的林分生长组合预测模型及其应用

根据Bates J M 和Granger C W J 的组合预测方法的概念,提出了基于最小偏差的林分生长组合预测模型,并介绍了模型求解的方法.由实例证明,组合预测模型能大大地改善预测效果,是一个理想的模型,在应用上具有重要意义.     

基于指数平滑法预测企业货运量

镇江中福马机械有限公司近年来发展十分迅速,生产规模不断扩大,由不断增长的货运量所产生的物流服务已成为现阶段企业亟待解决的重大问题.预测未来几年企业的货运量,并根据企业货运量合理安排货运计划和物流规划对企业具有十分重要的意义.指数平滑法是一种常用的预测方法,通过采用指数平滑法对企业货运量进行预测计算,得出特征年份的货运量,可为企业货运计划和物流规划提供理论支持.     

基于灰色神经网络的辽宁省生鲜物流需求预测

为准确预测生鲜产品物流需求量，提出了一种基于灰色GM(1,1)模型和BP神经网络的组合预测模型。首先构建了生鲜物流需求指标体系，然后分别利用传统灰色预测模型GM(1,1)和BP神经网络做单一预测，最后将2个模型进行加权做组合预测。选取辽宁省作为实例，通过MATLAB软件进行辽宁省生鲜产品的物流需求预测，结果表明：与2个单一的预测模型相比，灰色神经网络模型拥有更高的预测精度，因此选择组合预测模型对辽宁省未来5年生鲜产品需求量进行预测，为辽宁省生鲜物流管理的战略部署提供一定的参考。     

基于灰色向量机的区域高等教育规模预测

应用基于结构风险最小化准则的支持向量回归机(SVR)方法,建立灰色支持向量回归机的组合预测模型,并以河南省相关统计数据为基础,对其区域高等教育发展规模进行了预测。研究表明:该模型较全面地反映了区域高等教育规模发展的变化规律,预测精度较高,预测结果具有较高的可信性。     

广东省GDP时间序列预测——基于神经网络与ARIMA模型

文章通过收集1978-2007年的广东省实际GDP,运用ARIMA对广东省GDP进行时间序列预测,为提高预测的精确度,同时采用BP神经网络对ARIMA模型下的误差进行预测,并结合BP神经网络的误差预测值对实际GDP预测值进行修正,从预测结果表明:BP神经网络与ARIMA的组合预测明显优于单一方法的预测。还在组合预测模型下给出了广东省2008-2012年的实际GDP预测值。并将其转化为名义GDP,其中2008年的名义GDP为35597.10亿元,2009年为40591.12亿元和2010年为46537.22亿元。     

基于GMDH和BP的组合预测模型在工业产品销售收入中的应用

应用数据处理的GMDH自回归算法、AC算法，建立了基于GMDH的工业产品销售收入预测模型，并结合BP神经网络，最终建立了最优组合预测模型。通过对四川省2008年第2、3、4季度的工业产品销售收入指标进行验证，得出本文的方法，不仅改善了模型对数据样本的拟舍精度，而且提高了模型的预测能力。     

基于DRNN和ARIMA模型的森林火灾面积时空综合预测方法

森林火灾是一个跨空间发展的动态过程,不易被传统的分析方法和静态神经网络有效处理.提出一种基于动态回归神经网络(DRNN)和自回归集成移动平均(ARIMA)组合模型的森林火灾时空综合预测方法.该方法先用ARIMA对时空数据的时序进行预测,再用DRNN捕获时空数据间隐藏的空间相关,最后用统计回归将时间和空间预测结果组合起来,得到时空综合预测结果.以广东省森林火灾面积预测为例,说明其原理和建模过程,并对预测结果的精度进行验证.结果表明:由于考虑了数据间的空间关系,该时空综合预测模型可以对森林火灾面积进行较准确有效的预测,比单纯应用ARIMA模型预测精度高,是预测森林火灾等跨空间动态变化问题的有效工具.     

一种简易预测模型的应用

预测是各个部门制订工作计划的一项基本工作 ,是指对未来活动的科学推测。预测的正确与否取决于对预测模型的分析。而预测的方法有“最小二乘法”、“卡尔曼滤波法”、“最小方差预测法”、“指数平滑法”等等 ,但是以上方法的特点是模型复杂 ,计算工作量大。据此介绍了两种比较简单的预测模型即“灰色预测模型”及“递推及残差识别预测模型” ,其结果是一致的     

基于灰色RBF神经网络组合模型的交通量预测研究

根据新陈代谢灰色模型和RBF神经网络模型各自的特点,构造一种新陈代谢灰色模型与RBF神经网络模型组合的平面型模型,模型对无检测器公路的交通量具有较好的预测能力,并用实地调查的数据进行仿真和比较,验证此模型具有较高的精度,从而证明这一模型的可行性和有效性。     

昆明市主要树种数量化蓄积量表的编制研究

利用前期昆明市森林资源规划设计调查成果资料,在数据库中提取地类为纯林的资源数据,在纯林的数据库进行等距抽取967个样品组成样本,涉及昆明市14个县(区、市),选择影响林木蓄积主要因子,应用数量化理论Ⅰ的方法研究其相关关系,建立蓄积预测模型,编制昆明市主要树种数量化蓄积量表,可用于对昆明市林地蓄积量预测分析和评价林地生产力水平。     

物流园区物流量灰色马尔可夫预测模型

物流量是物流园区规划、建设和管理的一项重要统计数据。结合灰色理论和马尔可夫链的特点,建立灰色马尔可夫预测模型,对某物流园区的物流量进行预测。首先,根据历史统计数据建立灰色预测模型,并对模型进行精度检验。再根据灰色模型预测误差将系统划分为3个状态,确定马尔可夫状态转移矩阵,建立灰色马尔可夫预测模型,并预测物流园区的物流量。将预测结果与灰色模型对比,结果表明,建立的灰色马尔可夫预测模型可用于物流园区物流量预测,且其预测精度较高。     

森林资源蓄积量预测技术初探

以福建省三明市森林资源二类调查资料为基础数据,采用VB编程语言,自主开发了森林资源蓄积量预测系统,用GM(1,1)模型、复利公式和BP人工神经网络模型分别对森林资源蓄积量进行宏观预测.3种方法的预测结果显示:BP人工神经网络模型拟合效果较好,其次是灰色系统模型,平均相对误差最大的是复利公式.最后分析了3种方法的优劣,探讨进一步优化的方法.     

兴安落叶松立木材积和树皮材积可加性模型研建

【目的】确保立木材积和树皮材积预测的一致性并提高预测精度。【方法】以大兴安岭兴安落叶松为研究对象,分别采用控制法和分解法研建了可加性模型系统。利用SAS统计软件模型模块proc model中的NSUR法进行拟合及参数估计。拟合结果采用确定系数(R2)和均方根误差(RMSE)进行评价;检验结果则通过确定系数(R2)、均方根误差(RMSE)、平均相对误差(MRE)、平均误差绝对值(MAB)和相对误差绝对值(MPB)进行评价。【结果】从模型的整体评价结果来看,两种方法的拟合和检验效果均很好,基于分解法构建的模型略优于基于控制法构建的模型;不同径阶的检验表明,对于中等径阶的树木(20≤D<36 cm),基于控制法的模型相对较好,而对于小径阶(5≤D<20 cm)和大径阶的树木(D≤36 cm),基于分解法的带皮、去皮、树皮材积模型的预测精度要比基于控制法的各立木材积模型要稍好。【结论】总的来说,两种可加性模型系统均能很好地预测单木带皮材积、去皮材积和树皮材积,并确保得到满足一致性的预测结果,在具体应用时可根据实际情况选择适合的可加性材积模型系统。     

Prediction of Forest Stock Volume Based on Neural Network Model

BP and RBF neural network to predict forest stock volume were studied,but the study in evaluating both networks’ application effects was not conducted.In order to find a higher forecast precision,more strong applicative method,the comprehensive analysis and evaluation on the two methods were carried out in the practical application. By the correlation analysis,crown density,shady-slope and sunny-slope,TM1,TM2,TM3,TM5, TM7,NDVI,TM,(4-3),TM4/3 were selected as input variables,and the forest volume of Miyun County as output variables,RBF and BP neural network models for forecasting the forest volume were established.And the neural network training step length,training time,prediction accuracy and the applicability model of the two methods were comprehensively analyzed.The results show that the RBF neural network model is superior to the BP neural network model.     

双向差分灰色模型在路面性能预测中的应用

利用双向差分灰色模型,建立高速公路沥青路面使用性能灰色预测模型,并分析模型的预测精度。结合该模型对某高速公路使用性能的指标进行预测,根据预测结果与路面实际检测数据的对比,分析模型预测结果的合理性和该指标的发展,讨论双向差分灰色模型在路面使用性能预测中的适用性。