几种农机信息的科学预测方法及应用

对灰色理论预测、灰色—马尔柯夫联合预测、神经网络预测方法的应用特点作了介绍。     

基于加权马尔柯夫链的汛期降水丰枯预测

依据榆林市秃尾河1976-2000年汛期降水资料,应用均值标准差法建立降水丰枯的分级标准,将汛期降水量分为枯、偏枯、平、偏丰、丰等5个水平年。然后针对降水量为相依随机变量的特点,采用以规范化的各阶自相关系数为权重,运用加权马尔柯夫链模型来预测和分析未来年份汛期降水量的丰枯状况,结果显示该方法是有效可行的。最后运用遍历定理进行各种滞时的马尔柯夫链特征分析,对降水序列做出了定量的描述,预测未来秃尾河流域汛期降水量出现丰水年的几率最大,为39.8%。通过对汛期降水状态的预测,可以更好的为流域防洪抗汛和水库的合理调度提供有效信息。     

应用灰色新陈代谢GM(1,1)模型预

研究了灰色系统理论在中长期城市需水量预测中的应用。由于常规GM(1,1)模型被用于预测时，精度较高的仅仅是最近的几个数据，越往未来发展，该模型的预测意义就越弱。针对常规GM(1,1)模型存在的不足，建立了灰色新陈代谢GM(1,1)需水量预测模型。并利用此模型对北方某缺水城市未来10年的需水量进行了预测。结果表明：模型精度较高，预测误差较小。对于中长期城市需水量预测这样复杂的问题, 灰色新陈代谢预测模型具有预测精度高、简捷实用等优点，该方法可作为中长期城市需水量预测预测的工具之一。     

基于灰色残差-马尔可夫藕合模型的农业需水量预测研究

将灰色残差模型与马尔可夫预测模型结合起来,建立灰色残差-马尔可夫藕合模型来预测农业需水量.先用灰色GM(1,1)模型进行预测,预测精度较低,因此对GM(1,1)模型进行一定程度的改进,建立灰色残差GM(1,1)模型;再用马尔可夫预测模型来判断残差预测值的符号,以提高预测精度.最后用华东某城市2002-2008年的农业用水量作为历史数据进行了预测,结果表明预测精度明显提高.预测结果可以为研究区域今后的节水灌溉发展提供理论依据,来有效地指导今后该地区的节水灌溉.     

基于灰色马尔科夫的参考作物腾发量预测

参考作物腾发量(ET0)是估算作物蒸发蒸腾量的关键参数,它的准确预测对提高作物需水量预报精度具有十分重要的意义。针对GM(1,1)模型在原始数据变化幅度较大且趋势不明显时预测效果差的情况,作者提出了用马尔科夫对GM(1,1)模型修正的组合模型,该模型结合了灰色模型可以揭示预测数据的发展趋势以及马尔科夫预测适合描述随机波动性较大的预测问题的优点,将其应用于沈阳地区参考作物腾发量预测中,对比分析了GM(1,1)模型与灰色马尔科夫模型的预测结果。结果表明,灰色马尔科夫模型不仅能反映系统的动态特性,还具有比GM(1,1)更高的预测精度、逼近性和稳定性,具有较好的应用价值。     

地下水位预测模型对比分析研究

为更好地研究地下水位预测模型,选用灰色GM(1,1)、叠加的马尔科夫链和BP神经网络3种模型,选取2007-2010年长春市的地下水位资料进行地下水位预测研究,对比分析了3种模型的预测结果以及其适用情况。结果表明,3种预测方法的平均绝对误差均小于10%,在一定程度上表明3种模型均具备一定可信度,其中叠加的马尔科夫链模型的误差相对较大,另外两种则相差不大。灰色GM(1,1)模型适用于把握数据的大体变化趋势;叠加马尔科夫链模型适用于对相对稳定的数据的预测;BP神经网络模型需要基于相对较多的数据进行有弹回地校正模拟,且预测的结果相对拟合程度更好,预测结果更理想。     

基于灰色GM(1,1)模型的库尔勒市农业用水量预测

介绍灰色理论建模原理和模型参数辩识方法,并以实例(库尔勒市2000-2006年灌溉用水资料)建立灰色GM(1,1)预测模型,运用残差检验、后验差检验以及关联度检验3种方法对模型进行精度检验,其模型拟合精度达96.9%.用所建立的模型对库尔勒市2007-2011年农业用水量进行外推预测.结果表明,该灰色模型用于农业用水量预测,符合其灰色特性,通用性好,并且所需数据少,计算量适中,预测结果与当地实际情况比较吻合.     

基于灰色动态模型群的需水预测研究

依据灰色系统理论,构造了一个由5个GM(1,1)模型组成的灰色动态模型群,并运用该模型对福建省泉州市用水量变化趋势进行了预测分析。研究表明,灰色动态模型群能够充分利用近期用水量信息预测未来用水量变化趋势;以模型群统计平均值作为最终预测值,避免了单一灰色模型容易利用不稳定信息的缺陷,使得预测精度更加准确,预测结果更为可信。     

基于灰色-马尔柯夫模型的中国农业机械总动力预测

灰色一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.为此,利用该方法对我国农机总动力需求进行了预测分析,为农业机械化发展提供了依据.     

城市工业用水量的灰色马尔可夫预测模型

灰色GM(1,1)是预测城市工业用水量的模型,这种模型不适合长期的、随机和波动性较大的数据序列预测,但是马尔可夫模型适合描述随机波动性较大的预测问题.可以将这两种模型结合,构建灰色马尔可夫预测模型.按特定的状态划分方法,先用灰色GM(1,1)预测模型进行预测,再用马尔可夫模型预测结果进行优化,使预测精度大大提高.最后以抚顺市为例,预测结果证明了该模型的优势.     

南方地区冬小麦白粉病预测模型的研究

由于南方地区冬小麦白粉病的预测是一项多因素的复杂工程,因而针对传统预测方法的不足,提出了一种基于灰色系统GM(1,1)理论和BP神经网络相结合的预测模型。灰色系统GM(1,1)模型理论建模方法简单,计算量小,而BP算法特别适合于对GM(1,1)模型进行残差修正,利用两者的结合可以建立较高精度的预测模型。利用该模型对南方某地区冬小麦白粉病进行了预测,结果表明,该模型准确有效,适用于该地区的冬小麦白粉病的预测。     

基于灰色理论的辽宁省农业产业结构优化研究

应用灰色理论的关联分析法对辽宁省的农林牧渔总产值结构、粮食产量结构和肉类产量结构进行了初步分析,确定了贡献较大的因子,并进一步运用GM(1,1)模型对所研究的序列发展趋势进行模拟和预测,其结果动态地反映了辽宁省农业产业结构的发展情况,为促进农业经济可持续发展和科学决策提供了理论依据.     

预测水泥砒砂岩强度的Markov灰色残差模型

为了研究Markov-灰色残差GM(1,1)模型预测水泥固化砒砂岩抗压强度的精准度和适用性,先对抗压强度数据进行了一系列的处理,建立灰色GM(1,1)模型和灰色残差GM(1,1)模型,然后基于马尔克夫过程构建Markov-灰色残差GM(1,1)模型,并以此模型来估算水泥固化砒砂岩的抗压强度.结果表明,灰色残差GM(1,1)模型的检验精度得到了很大的提升且各项检验指标基本上都达到了1级,明显优于灰色GM(1,1)模型.马尔克夫过程便于确定残差修正值的正、负号,采用Markov-灰色残差GM(1,1)模型对不同水泥掺量下90 d龄期的水泥固化砒砂岩的抗压强度进行了预测,相对误差由原来的1.77%~4.01%降低至0.60%~2.36%,平均相对误差由2.63%减小至1.25%,模型的预测精度明显提高.该研究可以为水泥固化砒砂岩以及其他水泥基工程材料抗压强度的预测提供一种简易而可靠的新方法.     

等维动态递补灰色模型改进及应用研究

针对等维动态递补灰色模型对波动性数据预测的局限性,提出了缓冲算子等维动态递补灰色模型,改进了原有模型对波动性数据预测误差较大的问题。利用成都市2008—2013年的用水统计资料,在验证了模型的实用性后,分别建立了传统的GM(1,1)模型、等维动态递补GM(1,1)模型以及带有弱化缓冲算子的等维动态递补GM(1,1)模型,对成都市2016、2020、2025年各类用水量进行预测分析。结果表明,改进后的模型预测精度高,实用性好,能给成都市未来的水资源规划与管理提供可靠的依据。     

灰色预测模型在广西达开水库灌区农业灌溉用水管理中的应用

在分析现有灌溉用水量预测方法的基础上,运用灰色系统理论,以达开水库灌区1967-2011年农业灌溉用水量为样本,建立了GM(1,1)预测模型,对该灌区未来5年农业用水量进行外推预测。根据预测结果,提出了优化达开水库灌区灌溉用水管理的措施,促进了灌区的管理。     

区域物流规模发展预测方法研究

区域物流是全国乃至国际物流系统的重要组成部分,对区域经济的发展具有服务引导作用。本文对我国物流发展进行了分析,对灰色预测模型GM(1,1)的建模过程进行了研究,用已预测值和GM(1,1)原始序列一起做精度检验,根据未来数据的变化,设计了改进型的灰色预测模型,并结合实例进行了应用研究,得出了更接近实际的预测结果。通过误差检验,改进模型具有较高的预测精度,是一种非常实用的预测方法。     

新陈代谢GM(1,1)模型在兵团农机总动力预测中的应用

借助灰色系统理论,利用兵团农机总动力的历史数据,建立并对比分析了GM(1,1)模型和新陈代谢GM(1,1),对兵团农业机械总动力进行预测,为以后兵团农业机械化的发展提供一定的参考。     

改进灰色-马尔科夫模型在年降水量预测中的应用研究

用三点滑动法对灰色GM(1,1)模型优化,用模糊聚类FCM算法对马尔科夫模型状态分组阶段进行改进,用多种步长的马尔可夫链加权算法来预测年降水量。将上述改进后的灰色模型与马尔科夫模型结合,对地区年降水量进行预测。结果表明,改进后的灰色-马尔科夫模型既提高了马尔科夫模型对预测波动性降水数据的准确性,又充分利用了灰色系统预测结果精度高的优势,提高了预测精度。     

兵团农机总动力预测的灰色模型

借助灰色系统理论,利用兵团农机总动力的历史数据,建立了灰色预测GM(1,1)模型,对兵团农业机械总动力进行预测,为以后兵团农业机械化的发展提供一定的参考。     

基于灰色理论和BP神经网络的农业用水量预测

运用灰色GM(1,1)模型和BP神经网络模型相结合的灰色BP神经网络模型,对农业用水量进行预测.此组合模型兼有灰色预测和BP神经网络预测的优点,既克服了数据波动性大对预测精度的影响,也增强了预测的自适应性.为此,以辽河流域某典型区为例进行预测,结果证明了该组合模型的优势,为农业用水量预测研究提供参考依据.